WSN中基于GM-LSSVM数据融合方法.pdfVIP

2012年 9月 计算机工程与设计 Sept．2012 第 33卷 第 9期 COMPUTER ENGINEERING AND DESIGN Vol_33 No．9 WSN中基于 GM—LSSVM 的数据融合方法 王汝言，唐季超，吴大鹏，孙青文 (重庆邮电大学 宽带泛在接入技术研究所，重庆 400065) 摘 要：针对传统时间序列预测融合算法对于具有非线性、随机性和突发性的数据拟合度不佳的问题，提出了一种基于灰 色最小二乘支持向量机 ( LSSVM)预测的时序数据融合方法。利用少量监测数据对模型进行训练，以灰色回归预测数 据作为最小二乘支持向量机的输入数据，并对下一步未知信息进行预测，以达到减少通信开销的目的。实际测量结果表 明，该方法所需样本数量较少，预测准确率较高，能有效降低数据传输开销。 关键词：无线传感器网络；数据融合；时间序列；预测；灰色模型；最小二乘支持向量机 中图法分类号：TP393 文献标识号：A 文章编号：1000—7024 (2012)09—3371—05 GM-LSSVM baseddataaggregationinW SN WANG Ru-yan，TANGji—chao，WU Da-peng，SUNQing-wen (BroadbandUbiquitousNetworkResearchLaboratory，ChongqingUniversityofPostsandTelecom， Chongqing400065，China) Abstract：Thetraditionalapproachesfortemporaldataaggregationdonottakethenonlinear，random andmutationoftimese— riesdataintoaccount．Forthisproblem，anaggregationmethodbasedonGM LSSVM combinationpredictionisproposed．In thismethod，greymodel(GM)predictiontheoryisintroducedintoleastsquaressupportvectormachines(IJSSVM)．A reab worlddatasetandarandom nonlineardatasetfrom UCIareusedtoverifythemethod． Theresultsshow thatitiSeffectivetO predictthetemporaldataseriesandreducethenumberoftransmissionsinwirelesssensornetworks． Keywords：wirelesssensornetwork；dataaggregation；timeseries：prediction；greymodel；LSSVM 所谓时间序列指的是所监测的对象系统在一定历史时期的 O 引 言 客观记录。在时间序列上前后相近的数据具有一定程度的 嵌入式技术、分布式信息处理技术、微电子技术在其 时域相关性 ，所以通过在时间序列上的数据融合能够一定 自身发展的同时，也为无线传感器 网络 (wirelesssensor 程度地减少所需要发送的数据量，从而减少资源消耗 ，延 network，WSN)的发展打下了基础。传感器节点间以无线 长网络的生存时间。同时，通过分析时间序列相关信息可 通信方式相连接，协同感知、处理监测 目标信息，其应用 以更加准确地认知监测对象系统的内在特征和变化规律， 场景十分广泛 ，例如环境监测、健康护理、交通管理以及 达到对网络节点管理和控制的 目的。 智能家居等。