国家自然科学基金(61370210)
- 作品数：6 被引量：12H指数：2
- 相关作者：程红举黄福川王怡婷郭红张雅云更多>>
- 相关机构：福州大学更多>>
- 发文基金：国家自然科学基金福建省教育厅A类人文社科/科技研究项目福建省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Q-学习的无线传感器网络MAC层调度方法
- 2017年
- 为提高无线传感器网络节点的能量利用率,提出了一种基于Q-学习的无线传感器网络休眠调度算法QMSA,从无线传感器网络的MAC层出发解决了节点的休眠调度问题。该算法通过扩展原始Q-学习方法使传感器节点自适应的控制自身的休眠与工作。节点以分布式方式通过与其周围的环境进行直接交互学习得到一个高效的调度策略以决定其是否进入休眠状态。实验结果显示本文提出的算法既可以提高能耗效率,同时也能够保证传感器网络有一个很好的感知效率。
- 黄福川吏济新程红举
- 关键词：无线传感器网络Q学习
- 多Sink无线传感器网络中最小时延数据汇集调度算法设计被引量：1
- 2014年
- 数据汇集是无线传感器网络的一项重要技术,而汇集时延是评估其性能的重要指标.现有研究大多基于单Sink环境,较少考虑到网络规模扩大时需要部署多个Sink的情况.本文研究多Sink无线传感器网络中最小时延数据汇集调度问题(MSMLAS).提出了基于极大独立集的多Sink半结构拓扑汇集调度算法(MDAS-ST)与不使用极大独立集的多Sink无结构拓扑汇集调度算法(MDAS-UT).两种算法通过扩展父节点的选择范围,并根据节点分配的时隙序号以及该时隙的最大化利用来选取父节点,从而有效降低网络时延.文中分析并给出采用MDAS-ST算法网络数据汇集总时延的理论上限.实验结果表明,MDASST算法与MDAS-UT算法能够充分利用时隙,以低时延进行汇集调度.
- 陈永燥程红举
- 关键词：无线传感器网络数据汇集
- 基于时空冗余数据清除的数据备份算法
- 2017年
- 传感器节点易受环境影响,会出现节点失效的现象,导致感知数据丢失。然而无线传感器网络是以数据为中心,因此对感知数据进行备份问题的研究显得尤为重要。针对无线传感器网络中数据备份问题,提出基于时空冗余数据清除的数据备份算法(TS_DB),该算法首先用k-means算法对网络分簇,然后挖掘出节点间的关联模式消除空间冗余数据,同时在传感节点建立一元线性回归模型消除时间冗余数据,最后根据簇头的能量进行数据备份。仿真实验表明,TS_DB算法能有效节省节点的能量,对延长网络的寿命具有重要的意义。
- 潘燕燕陈冬隐程红举
- 关键词：无线传感器网络分簇数据备份
- 无线传感器网络中基于马尔科夫链的数据预测算法
- 2016年
- 无线传感器节点持续感知的数据具有高度的时间关联性,所产生的冗余数据会给传感器节点带来不必要的数据传输和能量消耗.数据预测算法通过预测节点的感知数据序列可以有效避免上述问题.提出一种基于马尔科夫链的数据预测算法(MC-DP),该算法首先对传感器节点感知的数据进行弱化处理来提高数据序列的光滑性,然后采用离散灰色预测模型对节点需要向sink传输的数据序列进行预测,当节点预测的数据精度不够时,进一步使用基于马尔科夫链的数据修正过程来对其进行改进.实验结果表明,MC-DP算法预测准确率更高,预测序列的数据误差率更低,使用该预测算法使得传感器节点可以节约更多能量.
- 吏济新张雅云黄福川程红举
- 关键词：无线传感器网络马尔科夫链数据预测
- 无线传感器网络中基于模式频繁度的异常检测方法被引量：2
- 2018年
- 传感器网络的异常数据检测对于相关应用具有非常重要的意义。针对异常数据问题,提出了一种基于数据变化模式和数据空间相关性的无线传感器网络分布式异常数据检测方法。该方法首先为数据创建一个分布模型,即将数据变化模式映射到某个特征空间的分区中,确定非频繁分区,再通过判定数据是否落在非频繁分区来筛选出潜在异常值,最后根据邻居节点数据的空间相关性对异常值产生的原因进行判定。实验结果表明,该方法在避免较高运算复杂度的同时,能够有效地检测并区分网络中的错误数据与异常事件。
- 施晓斌吴丹萍程红举
- 关键词：无线传感器网络异常检测分布式策略
- 基于层次聚类的WiFi室内位置指纹定位算法被引量：9
- 2017年
- 提出一种利用WiFi信号指纹实现对室内区域进行定位的CL-KNN(complete linkage K-nearest neighbor)算法.该算法先采用层次聚类方法对测试环境进行区域划分,再根据相应的WiFi信号指纹信息进行匹配,最后通过加权计算确定定位结果.实验结果表明,在WiFi热点数量足够多的情况下,与原始KNN算法和kmeans-KNN算法相比,CL-KNN算法可以获得更高的定位精度和准确率.
- 王怡婷郭红
- 关键词：层次聚类算法
