| 基于支持向量机的无线传感器网络节点定位算法 |
| |
| 引用本文： | 毛科技,范聪玲,叶飞,王鹏,陈庆章.基于支持向量机的无线传感器网络节点定位算法[J].计算机研究与发展,2014,51(11). |
| |
| 作者姓名： | 毛科技 范聪玲 叶飞 王鹏 陈庆章 |
| |
| 作者单位： | 浙江工业大学计算机科学与技术学院 杭州 310023 |
| |
| 基金项目： | 国家自然科学基金项目，浙江省自然科学基金项目，浙江省科技计划基金项目 |
| |
| 摘 要： | 机器学习是利用经验来改善自身性能的一种学习方法,而支持向量机(support vector machine,SVM)作为机器学习中的一种新模式,在解决小样本、非线性及高维模式识别等方面有着其特有的优势.基于支持向量机的节点定位算法利用机器学习算法的特性,实现无线传感网络节点定位.其基本思路是将网络区域划分为若干个等分的小格,每一小格代表机器学习算法中一个确定的类别,机器学习算法在学习了已知的信标节点对应的类别后,对未知节点所处位置进行分类,从而进一步确定未知节点的位置坐标.仿真实验表明,"一对一"节点定位算法有较高的定位精度,对测距误差的容忍性较好,同时对信标节点的比例要求并不高,比较适合用于信标节点稀疏的网络环境中;而"决策树"节点定位算法受覆盖空洞的影响并不大,比较适合应用于节点分布不均匀或者存在覆盖空洞的网络环境中.
|
| 关 键 词： | 无线传感器网络 节点定位 支持向量机 区域分类 覆盖空洞 |
Node Localization Algorithm in Wireless Sensor Networks Based on SVM |
| |
| Mao Keji,Fan Congling,Ye Fei,Wang Peng,Chen Qingzhang.Node Localization Algorithm in Wireless Sensor Networks Based on SVM[J].Journal of Computer Research and Development,2014,51(11). |
| |
| Authors: | Mao Keji Fan Congling Ye Fei Wang Peng Chen Qingzhang |
| |
| Abstract: | |
| |
| Keywords: | wireless sensor networks (WSN) node localization support vector machine (SVM) region classification coverage hole |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
