|
|||||
|
|
| 基于深度自编码网络的实验室WSN数据压缩算法 | |
| 作者姓名： | 时磊 |
| 作者单位： | 浙江工商大学信息与电子工程学院 |
| 基金项目： | 国家自然科学基金青年项目(61701441)； |
| 摘 要： | 针对无线传感器网络节点冗余和数据重叠的问题，提出一种基于深度自编码网络的实验室WSN数据压缩算法来减少传感器通信和计算开销.使用K-means算法将传感器节点划分为不同的簇，使用深度神经网络对相同簇中节点采集的数据进行压缩编码与分类，从而减小数据规模.使用贝叶斯估计算法对压缩编码后的数据特征进行融合.仿真测试与实验结果表明，所提出的算法能明显减少数据量，相比于Megrez算法与E-CPDA算法的数据融合精度分别提升了4.2%和19%,同时能够增加无线传感器网络的生命周期. |
| 关 键 词： | 自编码网络 无线传感器网络 数据压缩 数据融合 贝叶斯估计 节点 生命周期 计算开销 |
