10.3979/j.issn.1673-825X.2018.05.004
基于人工鱼群算法优化神经网络的WSN数据融合
无线传感网(wireless sensor network,WSN)通常节点众多、数据冗余度高,传统的基于随机权值和阈值的前馈反向传播神经网络(back propagation neural network,BPNN)数据融合方法易陷入局部极值,导致融合结果准确性差.提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法-人工鱼群算法前馈反向传播(arti-ficial fish swarm algorithm back propagation,AFSABP)神经网络数据融合.仿真和对比实验结果表明,改进的鱼群算法在收敛速度和寻优精度上都有明显提升,改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法,可减少3.06%的相对误差和3.74%的均方根误差.
无线传感网(WSN)、数据融合、神经网络、人工鱼群算法
30
TP212(自动化技术及设备)
教育部-中国移动研究基金MCM20150202
2018-11-20(万方平台首次上网日期,不代表论文的发表时间)
共6页
614-619