无线传感器网络中基于SVR的节点数据预测算法.pdfVIP

第30卷第 1期 计算机应用 V0l_30No．1 2010年 1月 JournalofComputerApplications Jan．2010 文章编号：1001—9081(2010)01—0127—03 无线传感器网络中基于 SVR的节点数据预测算法 邹长忠 (福州大学 数学与计算机科学学院，福州 350108) (chzhzou@fzu．edu．cn) 摘 要：无线传感器网络主要用于收集环境的信息，但是由于能量的限制或者安全性等问题，存在无线传感器网 络节点失效问题，一旦节点失效，将不能收集后续数据，如何预测节点将来的数据成为一个关键 问题。提 出一种基于 支持向量回归(SVR)的节点数据预测算法，充分利用节点先前收集的数据，预测未来的数据。从仿真实验上，证明该 算法的有效性和较小的预测误差率。 关键词：无线传感器网络；支持向量回归；节点；数据预测 中图分类号：TP393 文献标志码：A Nodedatapredictionbased on SVR inwirelesssensornetwork ZOU Chang·zhong (CollegeofMathematicsandComputerScie,we，FuzhouUniversity,FuzhouFujian350108，China) Abstract：W irelesssensornetwork ismainlyusedincollectingtheenvironmentinformation，butduetolimitedenergy andsecuritysomenodesareeasytobreakdown，thusthesenodeswillnotcollectdata．Howtoforecastthesequentdatawill becomeakeyproblem．Inthispaper，adataestimatingalgorithmbasedonSupportVectorRegression(SVR)inWireless SensorNetwork(WSN)wasproposedwhichusedthepreviousdatatoestimatethesequentdata．Thesimulationshowsthatthe schemeisefficientandoflesspredictionelTor． Keywords：WirelessSensorNetwork(WSN)；SupportVectorRegression(SVR)；node；dataprediction 节点状态或数据，故可以解决区域节点均失效情况下的数据 0 引言 预测 。 无线传感器网络由大量的低成本、低能量、多功能的传感 1 SVR问题描述 器节点构成，节点之间在一定范围内通信 ，该网络已被广泛地 应用在军事 、安全等重要领域，其特点就是能量有限，长期分 Vapnik等人 根据 统计 学习理 论提 出 的支持 向量机 布在不可预知的外界环境下。当节点能量消耗完毕 ，将不能 (SupportVectorMachine，SVM)学习方法 ’，近年来受到了国 进行工作，不能收集数据，这必然造成数据缺失。对数据的评 际学术界的广泛重视，并且 已经用于解决分类和回归问题。 估方法已经被广泛应用在统计上，如 MaximumLikelihood、 SVR问题与分