| 摘要:因无线传感器网络中静态节点包含一定的不确定信息，决策级融合技术很难对数据进行有效地刻画，导致网络静态节点分类效果差。提出一种改进粗糙集理论的无线传感器网络静态节点分类算法。采用多次采样法对测试结果加权处理，通过加权移动平均算法对邻居节点进行测试，基于节点密度的混合式算法对数据去噪处理。利用错误分类率中的变精度粗糙集构建改进的粗糙集模型，基于改进粗糙集理论提取无线传感器网络静态节点特征，通过支持向量机构建无线传感器网络静态节点分类模型对节点分类处理。仿真结果表明，所提方法的分类正确率始终高于96.852%、节点召回率在97.321%以上、F1值多于97%、能量消耗在12.52 bit~90.20 bit之间，证明所提算法具有良好的网络静态节点分类性能。 |
| 关键词: 无线传感器 网络静态节点分类 改进粗糙集理论 加权移动平均算法 变精度粗糙集 |
|
|
|
|
| Abstract: |
| Key words: |