改进小波包结合支持向量机分类器的无线Ad Hoc网络性能评价.pdfVIP

第29卷第 1期 计算机应用 Vo1．29No．1 2009年 1月 JournalofComputerApplications Jan．2009 文章编号：1001—9081(2009)01—0312—03 改进小波包结合支持向量机分类器的无线AdHoc网络性能评价 冼广铭 ，曾碧卿 ，王先国 ，唐 华 ，冼广淋 (1．华南师范大学 计算机工程系，广东 佛山528225； 2．广东轻工职业技术学院计算机系，广州 510300) fxgm20011@ 126．eom) 摘 要：使用训练集大小、特征提取方法和识别方法作为影响识别错误率的三个因素，采用改进小波包(IWPA) 和SVMDT相结合的方法对无线AdHoc网络的性能进行了评价。通过采用方差分析和最小二次无偏估计的方法等 数理统计方法分析实验数据，获得了各个因素的主效应及其之间的相互效应对识别错误率边际均值的具体影响程 度。研究结果表明，IWPA特征提取方法的性能远优于WPA和 WT，SMDT分类方法的性能也优于RBF和SA，并且 IWPA和 SMDT相结合产生了最佳的交互效应。 关键词：改进小波包；SVM决策树；径向基神经网；模拟退火算法 中图分类号：TP393 文献标志码：A W irelessAdHocnetwrokperformanceevaluationbyIW PA andSVMDT XIAN Guang．ming，ZENGBi—qing，WANG Xian．guo，TANG Hua，M AN Guang—lin (1．DepartmentofComputerEngineering，SouthChinaNormalUniversity，FoshanGuangdong528225，China； 2．DepartmentofComputerEngineering，GuangdongIndustryTechnicalCollege，GuangzhouGuangdong510300，China) Abstract：Improvedwaveletpacketanalysisandsupportvectormachinewereusedtoevaluatetheperformanceofwireless AdHoenetwork．ExperimentalresultsshowthattheperformanceofImprovedWaveletPacketAnalysisfIWPA1ismuchbetter thanWaveletPacketAnalysisfWPA1andWTfwavelettransform1．AndthemethodofSVMDT iSsuperiortoRBF SA fsimulatedannealing)．ThatIWPAcombinesSVMDTcangetthebesteffect． Keywords：ImprovedWaveletPacketAnalysis(IWPA)：SVM Decision Tree fSVMDT)：RadialBasisFunction (RBF1；SimulatedAnnealing(SA) 本文使用训练集大小 、特征提取方法和识别方法作为影 0 引言 响识别错误率 的三个 因素，采用 改进小波包 (Improved SVM是一种采用最小结构风险的统计学习方法，提供在 WaveletPacketAnalysis，IWPA)和SVM决策树 (SVMDecision 非线形系统识别方面的新方法 。SVM是一种新型的统计 Tree，SVMDT)相结合的方法对无线AdHoc网络的性能进行 学习方法，它在训练过程中基于最小边界误差而不是均方差。