公共文化服务平台

共 8 条记录，以下是 1-8

全选清除导出

排序方式：

基于神经网络的无线传感器网络异常数据检测方法被引量：28: 2014年; 传感器网络的异常数据检测对于环境监测具有十分重要的意义。基于BP神经网络模型和线性神经网络模型,分别提出了两种无线传感器网络异常数据检测方法。提出的方法在每个当前时刻通过最近的固定长度的历史数据集训练神经网络,来完成下一时刻的预报。通过神经网络的模型残差,确定概率为P的置信区间。当下一时刻数据落入置信区间内,则该数据被判为正常;反之,则为异常。为了比较和验证两种检测方法的性能,在Matlab环境下完成了仿真实验。实验结果表明,基于线性神经网络的异常数据检测方法的检测率(detection rate)达到了97.9%,误报率(false positive rate)不超过0.76%;基于BP神经网络的异常数据检测方法的检测率为96.7%,误报率不超过0.84%。; 胡石李光辉卢文伟冯海林; 关键词：BP神经网络线性神经网络异常数据检测检测率误报率

基于KM-FNN的无线传感器网络缺失数据重建算法被引量：4: 2019年; 在环境监测领域,无线传感器网络节点受恶劣环境或软硬件故障的影响,在数据传输的过程中不可避免地发生数据丢失的现象,这将严重影响监测数据流的可靠性和用户的科学决策。提出了一种基于自适应的K-均值算法和模糊神经网络相结合的分簇式无线传感器网络缺失数据重建算法(KM-FNN)。该算法使用模糊神经网络模型重建缺失数据,并引入自适应机制适时更新训练模型。针对不同数据集的仿真结果表明,与以往同类算法相比,KM-FNN具有更好的缺失数据重建准确性。; 武加文李光辉; 关键词：无线传感器网络 K-均值模糊神经网络

基于无线传感器网络的水产养殖水质监测系统被引量：3: 2021年; 集约化的水产养殖对养殖水体水质有较高的要求,不准确的测量和延迟的数据采集会影响养殖生产的顺利进行。设计了一种基于无线传感器网络的水产养殖水质监测系统,将无线传感器网络与上层应用系统有机结合,在自组网情况下实现了水产养殖相关数据的实时监测。该系统在Cotex-M4 ARM架构下以微处理器STM32F405与无线射频芯片CC2530为核心,对系统底层硬件、底层软件、应用层软件进行了开发。同时,为提高数据的准确性,采用新型支持度函数加权融合算法对系统采集的多传感器数据进行融合。整个系统测量精度高,实时性强、运行稳定,能够较好地满足水产养殖水质监测的要求。; 施珮袁永明张红燕匡亮; 关键词：水产养殖 ZIGBEE CC2530 水质监测

移动传感器网络中基于概率分布的动态的低冗余路由算法被引量：1: 2012年; 受到节点移动、有限的存储空间及能量等因素的影响,容延迟移动传感器网络在将数据汇聚至Sink过程中伴随着较高的丢包率与数据冗余,传统的确定性路由机制难以应用。对此,利用节点在一定数量时间槽内与Sink点连通的概率分布,提出了一种动态的、分布式的路由算法。该算法充分利用了节点的移动性,使网络在保持低冗余的同时,具有较高的数据送达率。实验结果表明,在节点数多、移动速度快、节点传输距离大的网络中,该算法更具优势。; 卢文伟李光辉冯海林; 关键词：传感器网络概率分布路由

基于残差修正法的无线传感器网络定位技术被引量：3: 2012年; 测距定位是无线传感器网络节点定位中一种常见的方法。然而距离测量往往容易出现错误,导致潜在的大量非高斯误差的测量数据,最终会导致不精确的定位结果。通过分析非线性最小平方残差定位时,测距误差与残差的分布关系,一种坏测距误差的误差估计方法在本文中被提出。采用估计出的测距误差,修正了非线性最小平方残差值,提高了定位精度。仿真实验表明,该算法能有效估计出坏测距误差,并改进了定位效果。; 吴晓平谈士力胡军国; 关键词：无线传感器网络测距误差

基于GA-SELM算法的工厂化水产养殖水温预测方法研究被引量：5: 2018年; 基于无线传感网络水质监测中水温数据质量差、预测精度低、稳定性差等问题,提出一种遗传算法(GA)优化改进极限学习机(SELM)的工厂化水产养殖水温预测模型(GA-SELM)。首先,在分析水温影响因素的基础上,通过天气指数的计算对无线传感网络中采集的异常数据进行校正;然后通过皮尔森相关分析研究影响因子与水温之间的关系;最后,采用Softplus函数作为ELM的激活函数,利用GA算法获取ELM的最佳初始权值和偏置,实现工厂化水产养殖水温预测。实验结果表明,GA-SELM模型有较好的预测性能,与传统BP神经网络、标准ELM网络模型和GA优化ELM算法相比,GA-SELM的预测指标MAE、MAPE和RMSE分别为0.154 3、0.005 4和0.187 6,性能均优于其他算法,能高效、稳定地实现水温的预测。; 施珮袁永明匡亮张红燕李光辉; 关键词：无线传感网络水温预测极限学习机激活函数

基于改进极限学习机的水体溶解氧预测方法被引量：24: 2020年; 为了有效地指导水产养殖生产,提高溶解氧浓度预测的精度,提出了基于因子筛选和改进极限学习机(Extreme Learning Machine,ELM)的水产养殖溶解氧预测模型。首先,利用皮尔森相关系数法计算各影响因子与溶解氧浓度间的相关系数,提取强关联因子,降低预测模型的输入量维度;采用偏最小二乘算法(Partial Least Square,PLS)优化传统ELM神经网络,避免网络中隐含层共线性问题,保障输出权值的稳定性;然后,结合新型激活函数,构建水体溶解氧浓度预测模型。最后,将SPLS-ELM(Selection Based Partial Least Square Optimized-Extreme Learning Machine)预测模型应用到江苏省无锡市南泉基地某试验池塘的水体溶解氧预测中。试验结果表明:该模型的预测均方根误差为0.3232 mg/L,与最小二乘支持向量机(Least Square Support Vector Machine,LSSVM)、BP神经网络、粒子群(Particle Swarm Optimization,PSO)优化LSSVM和遗传算法(Genetic Algorithm,GA)优化BP神经网络相比分别降低40.98%、44.48%、34.73%和44.18%。且该模型的运行时间仅0.6231s,预测精度和运行效率明显优于其他模型。该模型的溶解氧预测曲线接近真实溶解氧变化曲线,能够满足水产养殖实际生产对水体溶解氧预测的要求。; 施珮匡亮袁永明张红燕李光辉; 关键词：养殖水质偏最小二乘法

基于K-means聚类的WSN异常数据检测算法被引量：33: 2015年; 为提高无线传感器网络应用系统的可靠性,对传感器节点采集的环境数据集进行检测,提出一种改进的异常数据检测算法。采用K-means算法思想,结合无线传感器网络数据的特点,以欧式距离作为指标,比较数据点的相似度并划分聚类,根据数据点与聚类中心之间的距离区分正常数据与异常数据。实验结果表明,当数据规模超过1 000时,与基于噪声的密度聚类算法相比,该算法对于异常数据的检测率较高,误报率较低。; 费欢李光辉; 关键词：K-MEANS算法聚类异常数据检测密度聚类

全选清除导出

共1页<1>

国家自然科学基金(61174023)