基于深度神经决策森林的体域网数据融合方法

摘要：

针对体域网的多传感器数据采集过程中存在的数据冗余大、特征信息模糊问题,提出了一种基于深度神经决策森林(DNDF)的数据融合方法.首先根据目标任务的实际需求,使用卷积神经网络进行相关特征提取,再将决策树放置到全连接层之后进行精细化数据分类.通过使用DNDF方法,不仅能够有效提取多维数据的关键特征,而且能够较好地兼顾数据间的关联性.实验以AReM数据集作为实验样本,结果表明,DNDF方法相对其他传统算法具有更好的分类准确率,分类准确率达到了96.5％.

关键词：体域网、数据融合、卷积神经网络、决策树、深度神经决策森林

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;安徽省自然科学基金资助项目;赛尔网络下一代互联网技术创新项目;安徽省高校优秀青年人才支持计划一般项目;安徽省质量工程重大项目

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：2329-2332