人工蜂群算法优化支持向量机的传感器节点定位

为了提高传感器节点的定位效果,针对支持向量机参数优化问题,设计一种人工蜂群算法优化支持向量机的传感器节点定位模型.首先采集传感器节点的相关数据,提取有效参数;然后采用支持向量机建立传感器节点定位模型,并采用人工蜂群算法解决支持向量机的参数选择问题;最后在MTALAB2014平台进行传感器节点定位实验.实验结果表明,该模型可以反映当前传感器节点的位置,获得较精准的传感器节点定位结果.     

采用WSVM的三维无线传感器网络节点定位

为了提高无线传感器网络三维节点的定位精度,针对SVM的核函数构建问题,提出一种基于小波支持向量机(WSVM)的定位算法.首先,收集三维传感器锚节点信号强度,构建支持向量机学习样本;然后,将其输入到小波支持向量机进行学习,建立三维传感器节点定位模型;最后,采用仿真实验对模型性能进行测试.研究结果表明:与传统三维定位算法对比,使用小波支持向量机中的三维传感器节点进行定位时,精度水平得到有效提升,获得更加稳定的节点定位结果,可以广泛应用于实际无线传感器网络系统中.     

基于PSO优化LSSVR的三维WSN节点定位方法简

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

基于PSO优化LSSVR的三维WSN节点定位方法

提出了一种基于粒子群优化最小二乘支持向量回归机的三维无线传感器网络节点定位方法。该方法首先运用最小二乘支持向量回归机构建三维节点定位模型,再利用粒子群优化算法对最小二乘支持向量回归机核函数参数和规则化参数寻优。然后,根据若干虚拟节点定位的预测位置与实际位置的均方差构造粒子群算法适应度函数,通过有限次建模参数迭代寻优获得最小二乘支持向量回归机全局最优参数。最后,返回回归模型中进行定位计算,实现节点定位。仿真结果表明,所提出的方法与最小二乘和最小二乘支持向量回归机定位方法相比,可以提高节点定位精度。     

基于支持向量机的无线传感器网络分布式检测

为减少基于似然比检测的无线传感器网络最优分布式检测方法对信道状态、噪声分布和传感器检测性能等信息的依赖,满足实际系统的需要,提出使用支持向量机实现无线传感器网络分布式信号检测的方法.该方法无需预知信道状态和噪声分布信息,简化了无线传感器的节点功能.该方法将传感器节点测量结果以模拟非编码方式发送至数据中心,数据中心利用训练好的支持向量机对接收到的信号进行判决.仿真结果表明,该方法可获得较高的检测精度.     

基于特征量重要度LS-SVR的WSN定位方法

针对无线传感器网络(WSN)节点定位方法中采用粗测距技术时,节点间较大的测距误差导致定位准确度不足的问题,提出一种基于特征量重要度LS-SVR的定位方法L-IFSVR.该方法把未知节点到锚节点的距离作为特征量,依据特征量的重要度进行特征提取,通过对探测区域网格化采样得到训练样本集,使用最小二乘支持向量回归机(LS-SVR)学习得到定位模型,在定位阶段,将未知节点的特征向量输入定位模型, 利用LS-SVR良好的泛化能力,实现对未知节点的准确定位.通过对均匀分布和C形区域随机分布的100个节点进行定位实验,结果表明,定位方法L-IFSVR能有效地降低测距误差对定位准确度的影响,减小平均定位误差,其中,均匀分布情况下L-IFSVR方法的平均定位误差相比采用相同测距技术的DV-Hop方法减小7.5~14.0%;C形区域随机分布情况下,显著减小36.5~55.2%     

无线传感器网络中基于双支持向量回归的分布式定位算法

针对无线传感器网络中节点定位误差问题,提出一种基于双支持向量回归的分布式定位算法。在保持锚节点连通性的基础上,以锚节点跳数和位置信息为训练样本。结合拉格朗日法和KKT(Karush-Kuhn-Tuchker)条件,把原问题的优化转化为对偶形式,使用双支持向量回归技术确定跳数信息到节点间距离的映射函数。最后,采用最小二乘法估计待定位节点的位置,在不同锚节点和通信半径的情况下对传感器目标节点进行定位实验测试。实验结果表明:该方法减小了测量误差,能有效提高节点自身定位精度。     

基于移动传感器网络的气体源定位

针对目前基于无线传感器网络定位气体源方法中存在的因探索区域尺寸、边界等先验知识缺失而造成节点部署困难的问题,提出了一种使用有限个低成本机器人构成移动传感器网络进行气体源定位的方法.该方法中,首先以期望拓扑结构排列的移动传感器网络节点采集气体浓度并上传至上位机;然后上位机使用非线性最小二乘方法对气体源位置进行估计,并将位置估计结果发送给移动传感器网络节点;最后由移动节点计算出目标位姿,并采用饱和控制的方法镇定到该位姿.通过上述步骤的不断循环,移动传感器网络最终将移动到气体源附近,从而实现对气体源较为精确的定位.室内自然通风环境中,使用6个自制的机器人组成具有固定圆形拓扑的移动传感器网络进行了气体源定位实验.实验结果表明,适当选择拓扑半径,该方法可在6,min左右实现精度为30,cm的气体源定位.     

基于非平衡数据处理的管道泄漏检测与定位研究

针对管道运行状态数据的非平衡性会造成管道泄漏诊断准确率下降的问题,提出了一种基于非平衡数据的管道泄漏检测与定位方法.首先,将管道各工况非平衡数据采用基于K均值聚类的欠采样方法处理,使其达到数据平衡.然后,将Fischer-Burmeister函数引入到双支持向量机学习过程中,以避免目标函数求解时矩阵的求逆计算,并将平衡数据作为改进双支持向量机算法的输入,识别管道泄漏.采用相关分析法实现泄漏点定位.根据Flowmaster搭建的管道模型,运用该方法识别管道泄漏.仿真实验表明,与经典双支持向量机和拉格朗日双支持向量机相比,该方法能更快速识别管道泄漏孔径及定位.     

基于相关向量机的网络通信负载状态识别模型

为了改善网络通信负载状态识别效果,提出一种基于相关向量机的网络通信负载状态识别模型.首先提取影响网络通信质量的参数,分析它们与负载状态间的联系;然后将无线传感器网络吞吐率作为负载状态识别的标准,采用相关向量机构建网络通信负载状态的分类器,实现网络通信负载状态的识别;最后采用具体数据对网络通信负载状态识别性能进行测试.测试结果表明,相关向量机可准确识别网络通信负载状态,且网络通信负载状态识别正确率高于其他模型.     

基于小波包和支持向量机的传感器故障诊断方法

针对自确认压力传感器的故障诊断问题,提出了一种基于小波包变换和支持向量机的传感器故障诊断方法。该方法对传感器输出信号进行三层小波包分解,提取各个节点的小波包系数,对每个节点的小波包系数通过一定的削减算法增强故障特征,然后利用重构的时域信号计算各个节点的能量以及整个信号的削减比作为特征向量,以此作为输入来建立支持向量多分类机,判断传感器的故障类型。对自确认压力传感器、温度和流量传感器的故障诊断结果表明,该方法能有效地应用于传感器的故障诊断中。     

WSN中面向移动锚点的节点定位算法

为降低无线传感器网络中锚点定位的网络成本,提高资源利用率,提出一种新的无线传感器网络定位算法,通过利用共线和非共线移动锚点来实现传感器节点定位.该方法利用相邻节点间的距离估计值以及锚点提供的关于报文传输方向的相关信息来估计节点的位置,每个节点从两个独立方向定位其位置.然后使用卡尔曼滤波器来提升每个节点的定位精度.研究结果表明:相比于单方向方法和加权平均方法,基于卡尔曼滤波器的方法估计误差分别下降31%和16%;同时,该方法还克服了使用移动锚点导致的共线性问题.     

无线传感器网络节点定位技术研究

由大量的智能传感器节点构成的无线传感器网络,已经成为一种全新的信息获取方法和处理技术。无线传感器网络的许多应用都是基于节点的位置信息,因此本文结合节点定位的基本概念,对基于测距和非测距两种节点定位方法进行了研究,分析了基于非测距定位方法的优势,并对几种典型的非测距定位方法进行了比较,最后给出了下一步研究工作。     

无线传感器网络中安全的集中式定位方法

针对定位技术面临的节点能量有限和安全问题,提出了一种基于移动信标的安全集中式定位方法.利用基于移动信标的集中式定位模型降低了未知节点在定位过程中的能量消耗,针对定位中可能面临的攻击行为设计出了相关的安全策略,保证了定位信息的安全性和完整性.实验表明:该方案能够有效保证传感器节点在恶意环境下定位的安全性和稳定性,并且保持较高的定位精度.     

一种新的视频文本定位方法

本文提出了一种基于投影分析与支持向量机学习相结合的文本定位方法。首先采用投影分析的方法将可能的文本区域提取出来,然后再采用基于支持向量机学习的方法将提取出来的文本区域中的虚假文本区域排除掉。采用投影分析的方法时先将图像的边缘提取出来,再使用一些形态学的操作使边缘聚集,最后采用多次投影定位出文本区域。在使用支持向量机进行文本分类时本文采用了小波,角点,扫描线和区域内边缘点的重心位置等特征。实验表明该方法比单纯的基于边缘的方法要好。     

基于SVM的核电站环境辐射监测网络中传感器节点缺失值估计算法

传感器节点监测数据缺失会影响核电站外围环境辐射监测的有效性,需要对缺失数据进行准确估计.提出一种基于支持向量机的监测数据缺失值估计算法,对传感器节点缺失监测数据进行估计.用实际监测数据对算法进行了验证,用均方误差和相关系数评价实验结果.并与现有的基于神经网络的估计算法进行了性能比较.实验结果表明,本文所提出的算法具有较高的估计精度.     

无线传感器网络节点定位误差的修正和仿真分析

针对传感器节点定位误差大、定位精度不高的问题,提出一种修正最小二乘法的无线传感器网络节点定位误差方法.该方法采用全局搜索能力强的粒子群算法对最小二乘法定位误差进行修正,提高了节点的定位精度.仿真对比实验结果表明,在相同条件下,改进后的节点定位算法的误差低于其他传感器节点定位算法,定位结果的稳定性更高;随着信标节点数的增加,平均定位误差明显减少,有效地提高了传感器节点的平均定位精度和定位速度.     

基于TinyOS无线传感器网络的RSSI定位方法

节点定位技术是无线传感器网络的主要支撑技术之一,节点自身的正确定位是提供监测事件位置信息的前提。本文针对无线传感器网络节点定位的需求,研究适合在TinyOS平台下的RSSI测量定位方法。本文介绍了无线传感器网络节点的硬软件设计方法,分析了RSSI测距的基本原理和传感器网络节点定位的基本算法。实验证明了在TinyOS平台下采用RSSI定位方法,可以满足无线传感器网络节点定位的要求。     

基于蚁群算法的支持向量机室内蓝牙标定定位

针对不同型号的智能手机之间存在硬件差异,导致在使用不同的智能手机进行室内定位时,采集同一蓝牙信号强度观测值存在偏差而影响定位精度的问题,提出了一种基于蚁群算法的支持向量机室内定位蓝牙标定方法.由于支持向量机参数的选取对其预测精度影响较大,因此利用蚁群算法避免人为盲目地选择支持向量机的参数,优化模型并提高预测精度.实验结果表明:基于蚁群算法的支持向量机室内定位蓝牙标定方法相比标定前的精度提高了37.3%,可以有效地进行室内定位.     

基于自适应最小二乘支持向量机的预测函数控制

提出一种基于最小二乘支持向量机在线建模的自适应函数预测控制算法.该方法提出一种新样本与模型节点的相似性计算方法,结合预测误差与过程先验知识给出控制模型节点的加入准则,使其自适应调整模型的复杂度,保证模型系数的稀疏性,有效地提高建模的精度和速度;给出增加节点和删除最早节点时最小二乘支持向量机模型更新的在线递推形式;基于局部在线最小二乘支持向量机的线性化模型,给出了自适应预测函数控制算法.以pH中和控制作为仿真实例,结果表明该算法的有效性.