基于深度学习的无线传感器网络数据压缩算法研究

• 作者: 皮小明
• 来源期刊: 科技经济市场
• 关键词: 深度学习 无线传感器网络 数据压缩 基序列 K-means算法 稀疏自动编码器
• 年，卷（期）: 2021,（10）
• 所属期刊栏目: 技术平台
• 页码范围: 37-39,42
• 页数: 4页
• 语种: 中文

摘要

数据的冗余较大导致了数据压缩比例较低,增加了数据传递的能量开销.为此,相关学者提出基于深度学习的无线传感器网络数据压缩算法研究.文章以数据的基序列为基础,以簇头为初代聚类中心,利用深度学习中的K-means算法完成对数据的分组处理,构建稀疏自动编码器,通过BP神经网络确定稀疏自动编码器的最优压缩稀疏度,实现对不同分组数据的压缩.通过仿真实验测试算法的应用效果,结果表明:所提算法对数据的压缩比可以达到0.15,节点能耗在0.4J以内,与对照组相比均有明显优势.