基于人工魚群算法優化神經網絡的WSN數據融合
摘要：無線傳感網（wireless sensor network,WSN）通常節點眾多、數據冗余度高，傳統的基于隨機權值和閾值的前饋反向傳播神經網絡（back propagation neural network,BPNN）數據融合方法易陷入局部極值，導致融合結果準確性差。提出一種優化神經網絡的權值和閾值進而改善WSN數據融合質量的方法－人工魚群算法前饋反向傳播(artificial fish swarm algorithm back propagation,AFSABP)神經網絡數據融合。仿真和對比實驗結果表明，改進的魚群算法在收斂速度和尋優精度上都有明顯提升，改進后的人工魚群BP算法數據融合方法相較于傳統BP數據融合方法，可減少3.06%的相對誤差和3.74%的均方根誤差。
注: 保護知識產權,如需閱讀全文請聯系重慶郵電大學學報雜志社
相關推薦
更多
