典型文献
基于深度森林的无线传感器网络故障分类算法
文献摘要：
针对无线传感器网络(WSN)节点容易出现故障从而导致网络瘫痪的问题,提出了一种基于改进的深度森林的无线传感器网络故障分类方法;深度森林是基于森林的集成学习方法,其输入是多维特征向量,特征向量将由多粒度扫描和级联森林这两个主要组成部分进行处理,多粒度扫描通过处理数据之间的关系来增强数据表示的能力,级联森林用于分类或预测;针对级联森林部分随着层数的增加可能造成的维数问题进行优化后,将该算法用于故障分类可以提高故障诊断的精确度;在仿真验证阶段,将该算法与深度神经网络(DNN)和支持向量机(SVM)算法进行对比;结果显示,该算法可以准确地识别出不同的故障类型,并且在损坏故障和电源故障的识别达到了最高精度,综合平均精度在98.4％;对偏移故障、漂移故障和通信故障的识别略低于卷积神经网络(CNN)算法,但综合训练时间、参数调节来看,该算法更能满足实际工程的需要.
文献关键词：
无线传感器网络;故障诊断;故障分类;深度森林;算法优化
中图分类号：
作者姓名：
张鹏;李志;邸希元
作者机构：
哈尔滨理工大学自动化学院,哈尔滨 150080
文献出处：
引用格式：
[1]张鹏;李志;邸希元-.基于深度森林的无线传感器网络故障分类算法)[J].计算机测量与控制,2022(01):26-33
A类：
B类：
深度森林,无线传感器网络,网络故障,故障分类,分类算法,WSN,瘫痪,分类方法,集成学习方法,多维特征,特征向量,多粒度扫描,级联森林,数据表示,林用,层数,仿真验证,深度神经网络,DNN,故障类型,损坏故障,漂移,通信故障,略低于,综合训练,训练时间,参数调节,算法优化
AB值：
0.285494
相似文献
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。
