典型文献
基于IIARA-CSA-ELM算法的WSN节点故障诊断模型
文献摘要：
为提高无线传感器网络(wireless sensor networks,WSN)节点故障诊断效率,文章提出一种基于改进的归纳属性约简算法(improved inductive attribute reduction algorithm,IIARA)和使用乌鸦搜索算法(crow search algorithm,CSA)优化后的极限学习机(extreme learning machine,ELM)构建的诊断模型.首先使用IIARA算法对WSN故障诊断决策表进行约简;然后针对ELM稳定性和精确性偏低的问题,引入CSA算法对ELM的输入权值和隐含层阈值进行优化;最后构建出IIARA-CSA-ELM模型实现对WSN节点故障的准确识别与分类.仿真结果证明,该模型在5种不同可靠性的数据集中,均能够达到较高的诊断效率,有效提升了WSN节点故障诊断水平.
文献关键词：
WSN;节点故障;粗糙集;归纳属性约简算法;乌鸦搜索算法;ELM
中图分类号：
作者姓名：
吴佩霖;何涛;王红卫;齐放;谭俊
作者机构：
国网湖北省电力有限公司信息通信公司,湖北 武汉 430077
文献出处：
引用格式：
[1]吴佩霖;何涛;王红卫;齐放;谭俊-.基于IIARA-CSA-ELM算法的WSN节点故障诊断模型)[J].电力信息与通信技术,2022(06):89-97
A类：
IIARA,归纳属性约简算法,crow
B类：
CSA,ELM,WSN,节点故障,故障诊断模型,无线传感器网络,wireless,sensor,networks,诊断效率,improved,inductive,attribute,reduction,algorithm,乌鸦搜索算法,search,极限学习机,extreme,learning,machine,决策表,行约,精确性,权值,隐含层,模型实现,准确识别,识别与分类,断水,粗糙集
AB值：
0.290072
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。
