文献类型：期刊文章

作　　者：燕敏[1] 阮秀琴[1] 赵阳[2] 郑宏涛[1]

YAN Min;RUAN Xiu-qin;ZHAO Yang;ZHENG Hong-tao(Information Center,Xi'an Shiyou University,Xi'an Shanxi 710065,China;Information Management Office,Xi'an University of Technology,Shanxi Xi'an 710048,China)

机构地区：[1]西安石油大学信息中心,陕西西安710065 [2]西安理工大学信息化管理处,陕西西安710048

出　　处：《计算机仿真》

年　　份：2022

卷　　号：39

期　　号：8

起止页码：389-393

语　　种：中文

收录情况：BDHX、BDHX2020、JST、ZGKJHX、核心刊

摘　　要：传统物联网异常状态修正算法需大量状态样本,导致算法耗时较长,精度偏大。为解决上述问题,提出基于小样本学习的物联网异常状态修正算法。获取物联网状态的空间相关性特征,采用欧式度量方法完成小样本学习。搭建小样本学习网络,得到物联网异常状态检测结果,构建RBF神经网络修正模型。实验结果表明:与两种传统算法相比,所提算法物联网异常状态修正正确率平均值分别提高了20.02%与24.87%,算法时延平均值分别降低了1.33s与1.48s,实验所得数据充分验证了提出算法的物联网异常状态修正效果更好。

关 键 词：小样本学习  物联网 状态修正  神经网络 模型参数

分 类 号：TN919.5]