基于深度自编码网络的实验室WSN数据压缩算法
时磊
浙江工商大学 信息与电子工程学院,杭州310018
摘要：针对无线传感器网络节点冗余和数据重叠的问题,提出一种基于深度自编码网络的实验室WSN数据压缩算法来减少传感器通信和计算开销.使用K-means算法将传感器节点划分为不同的簇,使用深度神经网络对相同簇中节点采集的数据进行压缩编码与分类,从而减小数据规模.使用贝叶斯估计算法对压缩编码后的数据特征进行融合.仿真测试与实验结果表明,所提出的算法能明显减少数据量,相比于Megrez算法与E-CPDA算法的数据融合精度分别提升了4.2％和19％,同时能够增加无线传感器网络的生命周期.
关键词：自编码网络无线传感器网络数据压缩数据融合贝叶斯估计节点生命周期计算开销
分类号：TP393(计算技术、计算机技术)
资助基金：国家自然科学基金(61701441)浙江省高校实验室工作研究项目(ZD201908)
论文发表日期：2022-03-25
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 193-197 )
英文信息