基于蚁群神经网络的两级信息融合算法

为了保证地下车库空气质量的同时尽量降低系统能耗,针对地库环境监测系统,提出了一种基于蚁群神经网络的两级数据融合算法TLIFA-ACOBP,该算法将分簇结构与神经网络模型有效结合,设计了一个基于分簇的无线传感器网络两级数据融合模型.首先运用蚁群优化(ACO)算法对BP神经网络的权值进行优化,并将优化后的蚁群神经网络用于无线传感器网络的信息融合.通过对簇成员节点采集到的原始数据进行两级融合处理,只将代表原始数据的少量特征值发送给汇聚节点,大幅度减少节点数据通信量,提高了数据传输效率,同时降低了系统能耗.     

一种基于粗糙集和遗传神经网络的数据分类器模型

为了实现对无线传感器网络监测得到的高维冗余且不确定的数据进行分类识别,提出一种由遗传算法和粗糙集进行优化的BP神经网络数据分类器模型,并形成了数据挖掘分类算法。该模型通过粗糙集理论的属性约简算法删除训练样本的冗余属性,利用遗传算法对神经网络的权值和阈值进行优化,并进行神经网络学习。数据挖掘分类算法学习速度快,能够有效提高无线传感器网络中数据的分类效率。     

基于粗糙集与BP神经网络的分布式数据挖掘算法

利用数据挖掘来提高网络中能量利用率是无线传感器网络(WSN)的一个重要研究方向.本文构建了基于粗糙集与神经网络相结合的无线传感器网络分布式数据挖掘算法.该算法用粗糙集对节点内的原始数据进行离散化与属性约简后得到的最简决策表训练BP神经网络,再将构造好的BP神经网络集成在每个传感器节点上.仿真结果表明,该算法可以降低数据维数,消除冗余数据、减少网络通信量、延长网络寿命.     

具有优化和安全特征的基于模式码比较的WSN数据融合协议

数据融合及其安全性是无线传感器网络(wireless sensor network,WSN)实现高效、安全通信的关键.提出了一种具有优化和安全特征的模式码比较无线传感器网络数据融合协议,在该协议中,基于非物理意义的模式码保证了数据的机密性,传感节点利用模式比较算法实现数据融合,结合一种优化的发送节点选择机制,在进行数据...     

基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。     

基于果蝇——广义回归神经网络优化的WSN节点定位算法

针对无线传感器网络(WSN)基于测距的定位算法中,利用节点坐标计算方法获得的节点坐标位置存在较大误差的问题,提出一种无需进行坐标计算的果蝇—广义回归神经网络(FOA-GRNN)优化的WSN节点定位算法.该算法利用广义回归神经网络(GRNN)较快的学习速度和较强的逼近能力建立WSN节点定位模型,通过果蝇优化算法(FOA)调整广义回归神经网络的平滑参数,降低调整平滑参数时人为因素的影响,由神经网络直接输出未知节点坐标.仿真实验表明,通过果蝇算法优化的FOA-GRNN模型的节点定位精度比未经优化的GRNN模型的节点定位精度高.同时,比较了FOA-GRNN模型与BP神经网络模型、虚拟节点BP网络模型(VNBP)在WSN节点定位中效果,表明FOA-GRNN模型在WSN节点定位精确性方面具有明显优势.     

矿用粉尘检测系统的算法研究

矿井中对粉尘浓度进行大范围内的检测,运用了无线传感器网络,针对网络耗能大、寿命有限及精度低等问题,对经典蚁群算法进行改进,使用其对反向传播(BP)神经网络进行优化,然后应用在无线传感器网络中进行数据融合。由于系统采集到的电压信号波动较大,采用滑动平均滤波算法进行处理,实验结果表明该算法能去除冗余数据,进而减少网络数据通信量,提高系统实时性,降低能耗,延长寿命,提高了系统精确度。     

无线传感器网络数据融合技术研究

针对无线传感器网络中各个节点单独传送数据到汇聚节点,浪费传感器节点的能量,并降低信息收集的效率,通过基于平面路由的数据融合,基于层次路由的数据融合和基于地理位置路由三个方面对无线传感器网络数据融合协议进行了分析和比较。     

基于灰色预测的无线传感网络路由优化算法研究

无线传感网络路由链路节点分布混乱,导致路由算法稳定性降低,提出基于灰色预测的无线传感路由优化算法。构建无线传感器网络路由节点定位模型,实现传感器节点自主链路分层转发控制,构建无线传感节点控制模型,提高路由探测的参数识别能力;采用灰色关联预测方法,建立无线传感网络路由探测模型,根据路由探测结果,获取教务数据采集系统无线传感器网络最优节点密度分布,融合模糊度参数,构建模糊信息调度优化设计模型,定位最优自适应特征信息,实现无线传感网络路由优化设计。仿真结果表明,无线传感网络路由设计的输出稳定性较好,节点定位精度较高,传输时延较小,提高了教务数据采集系统中的无线传感器网络传输和数据分析能力。     

无线传感器网络数据融合低能耗睡眠调度算法

数据融合是解决无线传感器网络能量受限问题的关键技术之一。对节点状态的合理调度能够对数据融合过程的网络能耗进行优化。文中从传感器节点能量消耗模型着手,提出了一种适用于周期性数据融合的低能耗睡眠调度算法。该算法在分析影响网络能耗根本因素的基础上,采用时分复用方法,通过减少数据传输次数、降低网络融合时延,实现低能耗的数据融合。实验与仿真结果表明,该算法能够在各种融合树结构下有效降低网络能耗。     

基于遗传优化的BP神经网络水泥强度预测

为了提高BP神经网络预测模型对水泥强度值的预测精度,通过结合BP神经网络与遗传算法各自的优势,提出一种采用遗传算法优化的BP神经网络的水泥强度预测算法.利用遗传算法具有的全局优化搜索能力优化BP神经网络的各层节点连接权值与阈值,训练BP神经网络预测模型以求得最优解,并将训练以外的样本数据用于模型的有效性验证.仿真结果表明,该算法对水泥强度值预测具有较高的预测精度,同时可缩短网络收敛时间.     

应用蒙特卡罗抽样法的无线传感器自定位信息融合技术

我们首先介绍了无线传感器网络。对它的特点进行了分析,明白了网络传感器节点自定位的意义,接着介绍了目标比较常用的几种传感器自定位技术。在此基础上,文章重点描述了一种基于信标节点的无线传感器自定位的分布式算法。在这个算法中,信标节点广播它的分布状态其中包括本身位置的信息。邻近的未知位置信息的无线传感器利用传输的信息和接受到的信标信号的特征来估计自己的位置。知道自己的位置后,它也将成为一个新的信标节点。蒙特卡罗抽样法被用来融合无线传感器的分布和获得无线传感器位置分布后验概率估值。我们也利用贝叶斯克拉马一罗下限来进行无线传感器的自定位和研究信标预知位置信息和其他系统参数的影响。我们通过计算机仿真分析我们算法的性能,并且与下限法得到的数据进行了比较。     

基于时间周期的无线传感器网络数据融合

无线传感器网络中传感器的能量有限,怎样节约能量延长传感器的寿命,是无线传感器研究网络研究中的重要问题。数据融合作为无线传感器网络的关键技术之一,它的作用体现在减少数据的上传量,提高数据准确性,节省能量等方面。研究传感器节点收集到的大量数据,发现数据满足周期性,提出了基于时间周期的数据融合算法。在融合算法中根据历史数据基于拉格朗日插值法的预测算法预测未来数据,设置误差阈值来检测预测数据。室外温度数据满足文章研究的条件,因此基于时间周期的无线传感器网络数据融合算法以沈阳地区夏天温度数据为样本,用Matlab进行仿真实验对该算法进行了验证,实验结果表明该算法减少了传输的数据量,节约了节点的能量,延长了网络的寿命。     

基于传感器信息融合技术的森林火灾报警系统

设计了基于ARM(高级精简指令集机器)嵌入式多传感器信息融合的森林火灾报警系统,该系统主要分为传感器节点、信号传输、总控系统和融合算法4个部分.传感器节点主要由LM-PT100温度、M397666空气湿度和MQ-2烟雾传感器组成;信号传输部分以CC2430为控制芯片,采用ZigBee技术实现无线传感器网络自组网和数据传输;总控系统以嵌入式微处理器2410为硬件平台,结合Linux操作系统和ADS1.2集成开发环境.设计了基于粗糙集、BP神经网络和D-S证据理论相结合的融合算法:粗糙集对数据进行约简,神经网络对约简后的子集进行分类识别,证据理论对每个子集的分类识别结果进行融合决策.运行结果显示:该系统与常规的“望台观测”、“地面巡护”等森林监控方法相比,能以更快的速度和效率预防并扑灭森林火灾.     

改进的BP算法在多传感器数据融合中的应用

采用了基于小波神经网络的BP权值平衡改进算法,构造小波神经网络并训练以改变BP网络权值.根据多传感器特征级数据融合模型,并结合该权值平衡算法,使测量到的数据进行基于特征级的融合,并将该数据融合结果提供给决策级判断,从而得出理想的判定效果.仿真结果表明,该数据融合算法避免了BP权值平衡算法的缺点,不仅提高了学习的速度,而且具有更高的计算精度.     

异构传感器网络成本最优节点部署机制

针对异构无线传感器网络中节点的高密度部署情况,研究了异构传感器节点的优化部署问题。提出一种基于遗传算法的异构节点成本优化部署方法。算法以网络的容错性和覆盖性为约束条件,以部署的成本为目标函数进行优化计算得到保证网络覆盖和网络容错性所需的节点位置和节点类型。算法既适用于布尔传感模型,又能应用于概率传感模型。仿真结果表明该算法能快速收敛于最优解,降低网络部署的成本,是一种可行的异构无线传感器网络节点部署的解决方案。     

模拟电路的融合智能故障诊断探究

本文阐述了在对模拟电路进行融合智能故障诊断过程中使用的,基于数据融合技术、模糊理论、神经网络和遗传算法的新方式,这种方式在诊断的过程中通过多种电路测试数据,对因为测试节点不够而产生故障信息不足的问题进行解决。使用遗传的算法,对BP网络的初始权值分布和结构等进行优化。每一种测试信息都是用一个单独的遗传神经网络进行初步的分析,最终在各种测试信息的基础之上取得诊断电路受到各种故障损害的可能性,在对每一种神经网络的输出信息的重要性进行考虑,在进行决策融合的过程之中使用模糊积分融合的方式。本文对模拟电路的故障特征进行选择,通过对系统结构的选择、样本选择、算法学习和决策的综合方式,通过对电路进行的诊断,论述了融合智能故障诊断的具体实现方式,对各种方式的鲁棒性进行了验证。最终对故障进行准确的定位。     

一种基于深度学习模型的数据融合处理算法

针对无线传感器网络传统数据融合算法效率较低、处理高维数据困难问题,提出一种基于深度学习模型的卷积神经网络结构实现数据融合的算法CNNMDA.算法首先在汇聚节点对构建的特征提取模型CNNM进行训练,然后各终端节点通过CNNM提取原始数据特征,最后向汇聚节点发送融合后的数据,从而减少数据传输量,延长网络寿命.仿真实验表明,CNNMDA与同类融合算法相比,在同样数据量的情况下能够大幅降低网络能耗,并有效提升了数据融合效率与准确度.     

任务类型感知的无线传感器网络数据融合调度算法

针对数据融合调度能量与时延优化问题,提出一种任务类型感知的无线传感网数据融合调度算法。通过传感器节点多功率、多信道的方式,利用最大独立集思想,构建基于数据融合主干树的网络拓扑结构,从而根据调度优先级,通过近似贪婪算法实现簇内数据融合调度,同时结合稀疏系数感知任务类型,减少传输数据量,进而利用簇头节点在网络中的等级,实现簇间数据融合调度。结果表明,所提算法在减少簇头节点数据传输量,降低节点能耗的同时,缩短了数据融合时延,提高了网络寿命。     

自反馈BP网云计算信息融合算法及应用

通过对BP网络的输入层节点增加了自反馈,使BP网络对历史数据具有了记忆功能,改进后的局部自反馈BP神经网络具有动态映射和处理历史数据的能力.使用该局部自反馈BP神经网络实现了多信息的融合算法;通过对工矿企业现场诊断技术、信息融合方法和物联网应用分析,设计了一个基于物联网的工矿企业现场诊断与管理系统,并将局部自反馈BP神经网络信息融合算法应用到基于物联网现场诊断系统的云计算层,为设备生产厂家和工矿企业应用物联网进行现场诊断与管理提供了一个解决方案.