典型文献
面向鲁棒频谱感知的模糊K-means++算法
文献摘要：
恶意用户通过向数据融合中心发送伪造的频谱感知数据,解决自身频谱资源短缺问题,但会极大地降低频谱感知系统的检测概率.为了解决此问题,提出了基于模糊K-means++的数据融合算法.该算法首先引入模糊处理机制处理样本的数据特征值,以此来增加样本间的差异性;然后将模糊处理后的数据发送到融合中心,融合中心采用离群点挖掘的方法排除恶意用户,并对保留下来的用户进行融合,使样本向量具有鲁棒性;最后运用K-means++算法对样本向量进行聚类.该算法利用轮盘法选择聚类中心,可有效抵御恶意用户的攻击,提高系统感知性能;无需知晓信号与噪声的分布等一些先验信息,也避免了繁杂的门限推导.从仿真结果可以看出,该算法对抵御恶意用户攻击具有突出的效果,有效提升了协同频谱感知系统的稳定性和鲁棒性.
文献关键词：
协同频谱感知;恶意用户;模糊处理;K-means++算法
中图分类号：
作者姓名：
任瑾璇;麻淑婉;王永华;万频
作者机构：
广东工业大学自动化学院,广州 510006
文献出处：
引用格式：
[1]任瑾璇;麻淑婉;王永华;万频-.面向鲁棒频谱感知的模糊K-means++算法)[J].电讯技术,2022(11):1677-1682
A类：
离群点挖掘,协同频谱感知
B类：
means++,恶意用户,数据融合,伪造,感知数据,频谱资源,感知系统,检测概率,融合算法,模糊处理,处理机制,数据特征,发送到,除恶,留下来,法利,轮盘,聚类中心,感知性,需知,知晓,先验信息,繁杂,门限
AB值：
0.262279
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。
