典型文献
基于能量感知决策树和增强boosting的网络数据聚合模型
文献摘要:
为了改善无线传感器网络(WSN)中的能量使用和数据传递,提出一种基于决策树桩和增强boosting的数据聚合模型.首先,计算出每个传感器节点的剩余能量,执行节点分类.然后,应用增强boosting提升分类效果,以增加不同类别的训练样本(传感器节点)之间的间隔,通过合并弱决策树桩的结果来构建强分类器,达到准确分类高、低能量节点的目的.最后,低能量传感器节点将数据包传递至邻近的高能量传感器节点,并通过汇聚节点采集数据包.实验从能耗、延迟、数据聚合准确度等方面进行评估,实验结果表明,与其他模型相比,所提模型的能耗和延迟,分别降低了26%和30%.数据聚合准确度和网络工作寿命提高了10%和9%.
文献关键词:
无线传感器网络;决策树桩;增强boosting;传感器节点;分类器
中图分类号:
作者姓名:
杜玉香;陈欣
作者机构:
广州南洋理工职业学院 智能工程学院,广东 广州 510925;遵义师范学院 信息工程学院,贵州 遵义 563006
文献出处:
引用格式:
[1]杜玉香;陈欣-.基于能量感知决策树和增强boosting的网络数据聚合模型)[J].淮阴师范学院学报(自然科学版),2022(03):215-222
A类:
决策树桩
B类:
量感,boosting,网络数据,数据聚合,聚合模型,无线传感器网络,WSN,数据传递,传感器节点,剩余能量,节点分类,分类效果,训练样本,建强,分类器,低能量,量传,点将,数据包,高能量,汇聚节点,采集数据,网络工作,工作寿命
AB值:
0.290113
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。