基于人工魚(yú)群算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的WSN數(shù)據(jù)融合
摘要:無(wú)線(xiàn)傳感網(wǎng)(wireless sensor network,WSN)通常節(jié)點(diǎn)眾多、數(shù)據(jù)冗余度高,傳統(tǒng)的基于隨機(jī)權(quán)值和閾值的前饋反向傳播神經(jīng)網(wǎng)絡(luò)(back propagation neural network,BPNN)數(shù)據(jù)融合方法易陷入局部極值,導(dǎo)致融合結(jié)果準(zhǔn)確性差。提出一種優(yōu)化神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進(jìn)而改善WSN數(shù)據(jù)融合質(zhì)量的方法-人工魚(yú)群算法前饋反向傳播(artificial fish swarm algorithm back propagation,AFSABP)神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合。仿真和對(duì)比實(shí)驗(yàn)結(jié)果表明,改進(jìn)的魚(yú)群算法在收斂速度和尋優(yōu)精度上都有明顯提升,改進(jìn)后的人工魚(yú)群BP算法數(shù)據(jù)融合方法相較于傳統(tǒng)BP數(shù)據(jù)融合方法,可減少3.06%的相對(duì)誤差和3.74%的均方根誤差。
注: 保護(hù)知識(shí)產(chǎn)權(quán),如需閱讀全文請(qǐng)聯(lián)系重慶郵電大學(xué)學(xué)報(bào)雜志社