基于自适应广义回归神经网络的链路质量评估

发布时间：2021-05-09 18:05

　　为选择合适的链路质量参数,进一步提高链路质量评估的性能和泛化能力、降低时间复杂度,确定链路质量参数的备选集M_CS={μ,r,σ²},其中μ={μ_lqi,μ_rssi,μ_snr},r={r_lqi,r_rssi,r_snr},σ²={σ_lqi²,σ_rssi²,σ_snr²};提出包裹式链路质量参数选取算法,采用自适应广义回归神经网络（adaptive20general20regression20neural20network,20AGRNN）评价各备选子集的重要性,选择链路质量参数;借助广义回归神经网络（general20regression20neural20network,20GRNN）在分类以及时间上的优势,提出基于AGRNN的链路质量评估模型,该模型为每个链路质量参... 

【文章来源】：计算机研究与发展. 2020,57(12)北大核心EICSCD

【文章页数】：11 页

【文章目录】：
1 相关研究
    1) 基于硬度量、软度量的链路质量评估方法
    2) 基于混合多层的综合性链路质量评估方法
    3) 基于映射关系的链路质量评估方法
    4) 基于数据驱动的链路质量评估
2 链路质量等级的划分
3 链路质量参数的确定
    3.1 构建链路质量参数的备选集
    3.2 链路质量参数的选取
4 链路质量评估
    4.1 模型结构的确定
    4.2 模型的构建
    4.3 模型的评价
5 实验结果与分析
    5.1 实验场景
    5.2 模型的验证与对比
        1) 准确率对比分析
        2) 召回率对比分析
        3) 泛化误差对比分析
        4) 计算速度对比分析
6 总 结


【参考文献】：
期刊论文
[1]基于随机森林的链路质量预测[J]. 刘琳岚,高声荣,舒坚.  通信学报. 2019(04)
[2]一种基于集成学习的科研合作者潜力预测分类方法[J]. 艾科,马国帅,杨凯凯,钱宇华.  计算机研究与发展. 2019(07)
[3]无线传感器网络中基于事件驱动的输出反馈控制[J]. 谢承翰,陆赛杰,王皓,彭力.  计算机研究与发展. 2017(11)
[4]Research20on20Link20Quality20Estimation20Mechanism20for20Wireless20Sensor20Networks20Based20on20Support20Vector20Machine[J]. SHU Jian,LIU Song,LIU Linlan,ZHAN Liqin,HU Gang.  Chinese Journal of Electronics. 2017(02)
[5]无线链路质量评估及预测方法综述[J]. 翁丽娜,刘轶铭,刘磊,王兆伟.  中国电子科学研究院学报. 2016(03)



本文编号：3177766