为提高无线传感器网络(WSNs)链路质量预测精度和降低噪声影响,提出了一种联合改进核FCM与智能优化SVR(improved kernel furry c-means and intelligent support vector regression,IKFCM-ISVR)的WSNs链路质量预测方案.首先将基于紧致度...为提高无线传感器网络(WSNs)链路质量预测精度和降低噪声影响,提出了一种联合改进核FCM与智能优化SVR(improved kernel furry c-means and intelligent support vector regression,IKFCM-ISVR)的WSNs链路质量预测方案.首先将基于紧致度和离散度的有效性指数引入核FCM方法,实现样本集聚类个数自动划分;然后采用改进核FCM方法对链路质量样本数据进行处理,获得样本聚类隶属度;在此基础上,构建群居蜘蛛优化SVR预测模型,采用基于"动态折射"学习机制的群集蜘蛛对模型参数进行优化,得到不同聚类最佳SVR参数组合;最后采用IKFCM-ISVR算法对不同实验场景下的WSNs链路数据进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测精度提高了36.8~68.4%.展开更多
采用主动探测和被动监听技术发现无线传感器网络中节点的入邻居和出邻居,并采用WMEWMA(Window Mean Exponentially Weighted Moving Average Estimator)预测邻居间链路最近通信质量.为减轻非对称链路对算法的影响,提出了链路数据转发服...采用主动探测和被动监听技术发现无线传感器网络中节点的入邻居和出邻居,并采用WMEWMA(Window Mean Exponentially Weighted Moving Average Estimator)预测邻居间链路最近通信质量.为减轻非对称链路对算法的影响,提出了链路数据转发服务,来发现由于单向链路而不能被发现的出邻居.通过理论分析和在无线传感器网络模拟器TOSSIM上的模拟表明,这种算法可有效进行邻居发现和邻居间链路通信质量的预测,使多于40%的节点发现更多的出邻居节点,多发现的出邻居节点在14%到100%之间.展开更多
文摘为提高无线传感器网络(WSNs)链路质量预测精度和降低噪声影响,提出了一种联合改进核FCM与智能优化SVR(improved kernel furry c-means and intelligent support vector regression,IKFCM-ISVR)的WSNs链路质量预测方案.首先将基于紧致度和离散度的有效性指数引入核FCM方法,实现样本集聚类个数自动划分;然后采用改进核FCM方法对链路质量样本数据进行处理,获得样本聚类隶属度;在此基础上,构建群居蜘蛛优化SVR预测模型,采用基于"动态折射"学习机制的群集蜘蛛对模型参数进行优化,得到不同聚类最佳SVR参数组合;最后采用IKFCM-ISVR算法对不同实验场景下的WSNs链路数据进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测精度提高了36.8~68.4%.
文摘采用主动探测和被动监听技术发现无线传感器网络中节点的入邻居和出邻居,并采用WMEWMA(Window Mean Exponentially Weighted Moving Average Estimator)预测邻居间链路最近通信质量.为减轻非对称链路对算法的影响,提出了链路数据转发服务,来发现由于单向链路而不能被发现的出邻居.通过理论分析和在无线传感器网络模拟器TOSSIM上的模拟表明,这种算法可有效进行邻居发现和邻居间链路通信质量的预测,使多于40%的节点发现更多的出邻居节点,多发现的出邻居节点在14%到100%之间.
