基于多粒度流形学习的无线传感器网络定位方法.pdf

基于多粒度流形学习的无线传感器网络定位方法.pdf

ID:52208809

大小:743.89 KB

页数:7页

时间:2020-03-25

基于多粒度流形学习的无线传感器网络定位方法.pdf_第1页
基于多粒度流形学习的无线传感器网络定位方法.pdf_第2页
基于多粒度流形学习的无线传感器网络定位方法.pdf_第3页
基于多粒度流形学习的无线传感器网络定位方法.pdf_第4页
基于多粒度流形学习的无线传感器网络定位方法.pdf_第5页
资源描述:

《基于多粒度流形学习的无线传感器网络定位方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第26卷第8期传感技术学报V01.26No.82013年8月CHINESEJOURNALOFSENSORSANDACTUATORSAug.2013AMulti-Granularity-BasedManifoldLearningMethodforLocalizationinWirelessSensorNetworksZENGXianhua,,TANGShengping’(1.CollegeofComputerScienceandTechnology,ChongqingUniversityofPos

2、tsandTelecommunications,Chongqing400065,China2.ChongqingKeyLaboratoryofComputationalIntelligen~e,Chongqing400065,China)Abstract:AimedatthoseproblemsthatFastMDS—MAP(MultidimensionalScalingMap)localizationalgorithmhasthehighlocationerrorinirregularlysh

3、apedwirelesssensornetworksandisunabletoselectdifferentgranularlevelsofthenetworktolocate,amulti—granularity—basedmanifoldlearningmethodwasproposedforlocalizationinwirelesssensornetworks,abbreviatedasMG—MDS.Differentgranularframeworknodescanbeobtained

4、byselectingthediferentfilterradius,andanewstrategyisintroducedfortransformingrelativecoordinatestoabsolutecoordinates.ExperimentalresultsshowthattheMG-MDSalgorithmcangetthehigherlocatingaccuracythantheFastMDS·-MAPalgorithminirregularwirelesssensornet

5、works,andthelocalizatione/Forwillbesmallerwhenthegranularitysizeofthenetworkbecomesfiner.Keywords:WSNs;localization;manifoldlearning;multi—granularity;anisotropicnetworkEEACC:6150;7230doi:10.3969/j.issn.1004-1699.2013.08.022基于多粒度流形学习的无线传感器网络定位方法木曾宪华,

6、唐胜枰(1.重庆邮电大学计算机科学与技术学院,重庆400065;2.计算智能重庆市重点实验室,重庆400065)摘要:针对FastMDS—MAP定位算法存在对不规则无线传感器网络定位误差大,选取的框架节点不能很好的体现网络的拓扑结构实现不同粒层定位的问题,通过选择不同的筛选半径获得不同粒度的框架节点,结合绝对坐标变换加权策略提出了基于多粒度流形学习的无线传感器网络定位方法(MG.MDS)。仿真实验结果表明,不规则网络中MG—MDS算法定位精度比FastMDS—MAP算法有明显的提高;且定位误差随

7、着网络节点粒度的变细而变小。关键词:WSNs;定位;流形学习;多粒度;不规则网络中图分类号:TP393文献标识码:A文章编号:1004-1699(2013)08-1152-07WSNs节点的位置信息是许多应用得以实现的范同。曾宪华等提出了基于集成流形学习的无线传基础,如环境监测、医疗健康、反恐防灾等。传统的感器网络定位算法,能够较好的解决参数敏感问定位算法(如DV.Hop、凸规划、质心法等)¨对信题,而且定位精度也有一定的改善,但不能只选择具标节点数量和分布要求较高,定位精度依赖于网络有代表性的

8、一部分节点进行定位。胡荣春提出了分部署。随着机器学习的发展,Shang等人提出了层定位方法¨,把网络中的节点划分成框架节点和MDS—MAP【7-8]定位算法,该算法是一种线性方法,对普通节点,该算法可以根据不同的应用灵活地选取非线性较高的测量信息,定位效果不是很理想。定位层次,但该算法选取固定的筛选半径,导致不能Patwari等提出基于ISOMAP和LLE的无线传感器多粒度地选取框架节点。周祖德等人提出了Fast定位算法J,这两种算法虽能取得较高的定位精MDS.MAP定位算法¨,选择部分节点作为

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。