一种基于深度学习模型的数据融合处理算法

《一种基于深度学习模型的数据融合处理算法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第32卷第4期天津科技大学学报Vol.32No.42017年8月JournalofTianjinUniversityofScience&TechnologyAug.2017DOI:10.13364/j.issn.1672-6510.20160407一种基于深度学习模型的数据融合处理算法马永军，薛永浩，刘洋，李亚军(天津科技大学计算机科学与信息工程学院，天津300457)摘要：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

2、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．关键词：数据融合；深度学习；无线传感器网络；卷积神经网络中图分类号：TP393；TP183文献标志码：A文章编号：1672-6510(2017)04-0071-04DataAggregationAl

3、gorithmBasedontheModelofDeepLearningMAYongjun，XUEYonghao，LIUYang，LIYajun(CollegeofComputerScienceandInformationEngineering，TianjinUniversityofScience&Technology，Tianjin300457，China)Abstract：Traditionalmethodsofdatafusioninwirelesssensornetworks(WSNs)a

4、reinefficientandnotidealforprocessinghigh-dimensionaldata．Therefore，adataaggregationalgorithmCNNMDA(convolutionalneuralnetworksmodeldataag-gregation)wasproposed，whichcombinedconvolutionalneuralnetworks(CNN)andWSNsclusteringroutingprotocol.Afeatureextr

5、actionmodel(CNNM)isdesignedbyusingCNNMDAfirstlyandthentrainedinSinknode．AfterthattheclusternodesuseCNNMtoextractdatafeatures，whicharesenttotheSinknodebyclusterheads，therebyreducingthequantityofdatatransmissionandextendthenetworklifetime．Simulationresu

6、ltsshowthatcomparedwithexistingsimilaralgorithms，theenergyconsumptionofCNNMDAdecreasesobviouslyandtheaccuracyofthedatafusioncanbeeffectivelyimproved.Keywords：dataaggregation；deeplearning；wirelesssensornetworks；convolutionalneuralnetwork随着物联网技术的快速发展，无线

7、传感器网络应运而生，其主要思想是将多个不同源节点传来的数(wirelesssensornetworks，WSNs)作为物联网感知层据进行融合，以消除冗余，减少数据传输量，从而提的核心组成部分，在各类环境监测领域得到了广泛应高网络性能、延长网络寿命并降低能耗．[1][3–7]用．而实际中各传感器节点多采用电池供电，导致传统的融合算法多是基于BP神经网络、[8]网络内资源十分受限；大量节点由于地理位置分布不SOFM等浅层网络模型，这些模型易出现过拟合、[2]均，使得数据存在过多冗余信息，从而增加了能量

8、模型训练陷入局部极小、收敛速度过慢等问题，导致消耗与传输延时；此外，由于物联网应用环境普遍存算法效率降低、特征提取分类能力变弱，且无法有效在较多干扰，会直接减弱数据通信传输能力，并降低地处理高维数据．针对上述缺陷，深层模型的应用成[9]数据采集精度，影响了物联网系统整体性能．为数据融合发展的一个新方向．2006年Hinton等为解决以上问题，针对WSNs的数据融合技术提出“深度学习”的概念；此后，卷积神经网络收稿日期：2016–12–14；修回日期：2017–02–18基金项目：天