文献类型：期刊文章

作　　者：邱立达[1] 刘天键[1] 林南[1] 黄章超[2]

机构地区：[1]闽江学院物理学与电子信息工程系,福州350108 [2]厦门理工学院光电与通信工程学院,福建厦门361024

出　　处：《传感技术学报》

基　　金：福建省教育厅科技项目(JA12263);福州市科技计划项目(2013-G-86)

年　　份：2014

卷　　号：27

期　　号：12

起止页码：1704-1709

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSCD、CSCD2013_2014、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了在无线传感器网络中提高数据融合性能,基于深度学习模型,提出一种将层叠自动编码器(SAE)和分簇协议相结合的数据融合算法SAEMDA,该算法在各个簇内构建特征提取分类模型SAEM,通过SAEM对节点数据进行特征提取和分类,之后将同类特征融合并发送给汇聚节点。SAEM的训练既可以采用离线有监督学习也可以采用在线无监督学习。仿真实验表明:和BPFDA,SOFMDA算法相比,SAEMDA在网络能耗大致相当的情况下能将数据融合正确率提高最多7.5%。

关 键 词：无线传感器网络 数据融合 深度学习  自动编码器  

分 类 号：TP393]