10.3969/j.issn.0372-2112.2018.01.013
联合改进核FCM与智能优化SVR的WSNs链路质量预测
为提高无线传感器网络(WSNs)链路质量预测精度和降低噪声影响,提出了一种联合改进核FCM与智能优化SVR (improved kernel furry c-means and intelligent support vector regression,IKFCM-ISVR)的WSNs链路质量预测方案.首先将基于紧致度和离散度的有效性指数引入核FCM方法,实现样本集聚类个数自动划分;然后采用改进核FCM方法对链路质量样本数据进行处理,获得样本聚类隶属度;在此基础上,构建群居蜘蛛优化SVR预测模型,采用基于“动态折射”学习机制的群集蜘蛛对模型参数进行优化,得到不同聚类最佳SVR参数组合;最后采用IKFCM-ISVR算法对不同实验场景下的WSNs链路数据进行预测评估.仿真结果表明,同其它预测算法相比,该算法预测精度提高了36.8 ～ 68.4％.
链路质量预测、核模糊C-均值聚类、支持向量回归(SVR)、群居蜘蛛优化
46
TP393(计算技术、计算机技术)
国家自然科学基金61601365;陕西省教育厅科研计划16JK1395;陕西省自然科学基础研究计划面上项目2017JM6096
2018-07-02（万方平台首次上网日期，不代表论文的发表时间）
共8页
90-97
