-
题名无线传感器网络分簇算法综述
被引量：44
- 1
-
-
作者
徐晶晶
张欣慧
许必宵
孙知信
-
机构
南京邮电大学物联网学院
南京邮电大学理学院
-
出处
《计算机科学》
CSCD
北大核心
2017年第2期31-37,共7页
-
基金
国家自然科学基金(60973140
61170276
+2 种基金
61373135)
江苏省高校自然科学研究重大项目(12KJA520003)
江苏省经信委(2015年)项目资助
-
文摘
分簇算法是无线传感器网络领域中一种典型的算法,并在其中扮演着重要的角色。从能量均衡和网络生命周期的角度出发,根据是否仅由一个中心控制节点负责整个网络的簇划分,将分簇算法分为3类,系统地叙述了目前经典的分簇算法以及近年来最新的研究成果,并分析了这些算法的特点和适用情况。最后结合该领域当前研究现状,提出了WSN研究中需要关注的问题,展望了这一研究方向在未来的发展趋势和前景。
-
关键词
无线传感器网络
分簇算法
能量均衡
网络生命周期
-
Keywords
Wireless sensor network
Clustering algorithms
Energy balance
Network lifetime
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进遗传算法PFGA的WSN节点定位优化
被引量：7
- 2
-
-
作者
许必宵
张欣慧
徐晶晶
宫婧
孙知信
-
机构
南京邮电大学物联网学院
南京邮电大学理学院
-
出处
《南京邮电大学学报（自然科学版）》
北大核心
2016年第3期92-99,共8页
-
基金
国家自然科学基金(60973140
61170276
+1 种基金
61373135)
江苏省高校自然科学研究重大项目(12KJA520003)资助项目
-
文摘
在无线传感器网络节点定位过程中使用最小二乘法求解时,定位的精度会受距离误差所影响,遗传算法(GA)可以用来降低定位误差从而达到优化定位的目的。为了在维持适度能耗的同时提高定位精度,文中提出了一种遗传定位优化算法PFGA。该算法利用罚函数思想设计自适应度函数,然后针对每个未知节点,在合理区域中选取初始染色体并选用新型交叉方式与变异方式进行迭代,最终确定每个未知节点的位置。仿真结果表明,该算法能够对节点定位进行优化且效果明显,同时对比其他文献提出的定位算法,该算法收敛速度更快、定位精度更高。
-
关键词
遗传算法
节点定位
无线传感器网络
罚函数
-
Keywords
genetic algorithm
node localization
wireless sensor network
penalty function
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
TN92
[自动化与计算机技术—计算机科学与技术]
-
-
题名无线传感器网络三维定位算法研究
被引量：5
- 3
-
-
作者
张欣慧
徐晶晶
许必宵
赵学健
孙知信
-
机构
南京邮电大学物联网学院
南京邮电大学理学院
-
出处
《计算机技术与发展》
2016年第12期195-199,共5页
-
基金
国家自然科学基金资助项目(60973140
61170276
+3 种基金
61373135)
江苏省产学研项目(BY2013011)
江苏省科技型企业创新基金(BC2013027)
江苏省高校自然科学研究重大项目(12KJA520003)
-
文摘
节点的位置信息是无线传感器网络应用的基础。节点定位技术作为无线传感器网络的关键技术之一,是无线传感器网络大多数应用的基础。现有的大多数定位算法针对平面应用设计,而在实际应用中,由于地形限制或者环境限制,使得无线传感器往往在空间上呈立体分布,而不是平面分布,所以需要把定位研究扩展到三维空间中。针对无线传感器网络静态节点定位算法的特点,介绍了二维定位算法的分类,在此基础上系统地研究了近年来最新的三维定位理论和算法。主要根据基于测距的定位和无需测距的定位将三维定位算法分为两大类,每类中再分为集中式定位和分布式定位,其中详细研究了一些热门的三维定位算法并总结了它们的优缺点。在综合分析当前定位算法不足的基础上,指出了未来三维定位算法的研究方向。
-
关键词
无线传感器网络
三维空间
定位算法
节点定位
测距
-
Keywords
Wireless Sensor Networks （ WSNs ）
Three - Dimensional （ 3 D ） space
localization algorithms
node - positioning
distance measurement
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的数据预处理算法及其应用
被引量：5
- 4
-
-
作者
许必宵
陈升波
韩重阳
马梦环
宫婧
-
机构
南京邮电大学理学院
-
出处
《计算机技术与发展》
2015年第12期143-146,151,共5页
-
基金
国家自然科学基金资助项目(61373135)
江苏省高校自然科学研究重大项目(12KJA52003)
南京邮电大学大学生科技创新训练计划(STITP)(201410293023Z)
-
文摘
聚类分析是数据挖掘领域一项重要的课题。针对重复数据与孤立数据的预处理可以优化聚类结果。重复数据处理方面,文中在传统的重复数据查找算法SNM的基础上加入了伸缩窗口与变化移动速度的思想,提高了查找的准确率与效率;孤立数据方面,文中提出基于层次聚类分簇搜寻算法,算法利用层次聚类将数据分成独立的簇再依次搜寻孤立点提高了查询速率,并加入恢复检验的部分恢复被误删的非孤立点提高查找的准确率。实验仿真中,首先抽取部分数据验证了改进后的数据预处理算法的准确性,然后将数据预处理算法用于处理移动用户消费数据后再对数据进行聚类分析,从而达到对客户的归属地信息识别的目的。实验结果表明,文中提出的预处理算法具有很高的准确率与效率。
-
关键词
数据预处理
SNM算法
层次聚类
聚类分析
-
Keywords
data preprocessing
SNM
hierarchical clustering
clustering analysis
-
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
-
-
题名一种改进的无线传感器网络最小加权分簇算法
被引量：1
- 5
-
-
作者
徐晶晶
许必宵
张欣慧
孙知信
-
机构
南京邮电大学物联网学院
-
出处
《南京邮电大学学报（自然科学版）》
北大核心
2016年第5期56-63,共8页
-
基金
国家自然科学基金(61170276
61373135)
江苏省高校自然科学研究重大项目(12KJA520003)资助项目
-
文摘
分簇算法是无线传感器网络领域中一个典型的算法,它在其中扮演着重要的角色。无线传感器网络中传感器节点间分簇的优劣,影响传感器节点的能量消耗与网络的生命周期。文中针对传统分簇算法节点能耗不平衡以及网络寿命短的不足,提出一种改进的最小加权分簇算法,算法综合考虑了节点的剩余能量、节点间的相对距离以及传感器分布密度,基于成本函数和密度的权重来选择簇头,并且使用簇头节点在所有节点间轮转的方法,来确保候选簇头节点的合理性。仿真结果表明,改进的最小加权分簇算法中选择一定比例的传感器作为簇头和簇内传送数据的节点的方法,能够降低信息重复率,提高簇头选择效率,从而可以均衡网络节点能耗,延长网络寿命,验证了所提出的改进的最小加权分簇算法是有效的。
-
关键词
无线传感器网络
分簇算法
能量消耗
网络寿命
权重
-
Keywords
wireless sensor network
clustering algorithm
energy consumption
network lifetime
weight
-
分类号
TN919.2
[电子电信—通信与信息系统]
-
-
题名基于邻接信息和启发式路径决策的WSN定位算法
- 6
-
-
作者
许必宵
徐晶晶
张欣慧
宫婧
孙知信
-
机构
南京邮电大学物联网学院
南京邮电大学理学院
-
出处
《南京邮电大学学报（自然科学版）》
北大核心
2016年第6期50-58,共9页
-
基金
国家自然科学基金(61373135
61672299)
江苏省高校自然科学研究重大项目(12KJA520003)资助项目
-
文摘
传统的无线传感器网络(wireless sensor network,WSN)定位算法信标位置固定,对信标节点的数目与通信半径都较为依赖,因此网络能耗较大。为了降低节点定位过程中的网络能耗,许多基于移动信标的WSN定位算法被广泛运用。文中提出一种新型的移动信标式定位算法,根据节点之间的邻接信息进行信标的全局路径规划,利用启发式路径选择算法HDWS进行局部路径决策,信标在移动过程中定时发送数据包使得所有未知节点能够被定位。通过仿真实验发现,文中提出的算法在只有一个信标节点的情况下仍可以高精度定位,实现了降低网络能耗的目标。
-
关键词
启发式
邻接信息
移动信标
无线传感器网络定位
-
Keywords
heuristics
connective information
mobile beacon
wireless sensor network （WSN） localization
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于卷积神经网络的目标检测模型综述
被引量：21
- 7
-
-
作者
许必宵
宫婧
孙知信
-
机构
南京邮电大学物联网学院
南京邮电大学宽带无线通信与传感器网络技术重点实验室
南京邮电大学现代邮政学院
-
出处
《计算机技术与发展》
2019年第12期87-92,共6页
-
基金
国家自然科学基金(61373135)
江苏省研究生科研与实践创新计划项目(KYCX17_0775)
-
文摘
目标检测一直是计算机视觉领域中的研究热点。随着深度学习技术的迅猛发展,基于卷积神经网络的目标检测模型逐渐被广泛关注。文中主要对基于卷积神经网络的目标检测模型的现状进行综述。首先,介绍了目标检测的相关基础,特别罗列了一些目标检测模型中常用的卷积神经网络结构,也介绍了检测模型常用的梯度下降法训练方式。然后,重点从候选区域和回归方法两类对近年来提出的优秀模型进行综述,候选区域一类也创新地使用特征尺度进行区分,说明了多尺度特征能够有效提高小尺度目标检测精度。对于每一类检测模型,根据同一数据集上的检测结果分析这些模型的优势与缺陷,最后根据分析的结果总结一些基于卷积神经网络的目标检测模型的优化方案。
-
关键词
卷积神经网络
目标检测
深度学习
计算机视觉
-
Keywords
convolutional neural network
object detection
deep learning
computer vision
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
