基于人工鱼群算法优化神经网络的WSN数据融合
摘要：无线传感网（wireless sensor network,WSN）通常节点众多、数据冗余度高，传统的基于随机权值和阈值的前馈反向传播神经网络（back propagation neural network,BPNN）数据融合方法易陷入局部极值，导致融合结果准确性差。提出一种优化神经网络的权值和阈值进而改善WSN数据融合质量的方法－人工鱼群算法前馈反向传播(artificial fish swarm algorithm back propagation,AFSABP)神经网络数据融合。仿真和对比实验结果表明，改进的鱼群算法在收敛速度和寻优精度上都有明显提升，改进后的人工鱼群BP算法数据融合方法相较于传统BP数据融合方法，可减少3.06%的相对误差和3.74%的均方根误差。
注: 保护知识产权,如需阅读全文请联系重庆邮电大学学报杂志社
相关推荐
更多
