The invention discloses a link quality prediction method combined with AdaBoost and support vector machines. The proposed method is a method of link quality prediction in wireless sensor networks under the dynamic change of wireless sensor networks. This method firstly DBSCAN density based clustering algorithm to preprocess the sample and sample classification based on; secondly, using AdaBoost method to classify samples, the AdaBoost selects a good generalization performance of support vector machine as a weak classifier to estimate the link quality of next time. The method can effectively predict the link quality at the next moment, and the advantage is that it can provide reference for routing and topology control, and save energy consumption.
【技术实现步骤摘要】
一种结合AdaBoost和支持向量机的链路质量预测方法
本专利技术涉及无线传感网络,主要涉及一种结合AdaBoost和支持向量机的链路质量预测方法。
技术介绍
无线传感器网络(WirelessSensorNetwork,WSN)是一种由各种具有感知能力、计算能力和通信能力的廉价的微型传感器节点通过无线通信的方式以自组织形式形成的网络。节点通过协作实时监测、感知、采集和处理网络分布区域内的对象信息,并将得到的信息发送给基站。在军事、环境监测和智能家居等领域有较为广泛的应用前景。无线传感器网络节点通过无线电射频进行通信,容易受到电磁波自身的多径、损耗以及邻居干扰的影响,这种动态的变化以及不确定性使得链路具有方向性、不规则性、非对称性以及通信范围中过渡区域的存在。导致链路不稳定,产生大量的数据包丢失,从而链路变得不可靠。高质量的链路对于维护网络的连通性、建立高效的拓扑控制机制起着关键性的作用,而可靠的路由可以提高点对点的通信概率以及网络吞吐率,减少因重传产生的能源消耗,延长网络生命。链路质量预测机制能有效的感知当前链路的变化状况,综合考虑准确性以及实时性等问题。可减少路由频繁切换而带来的额外能量消耗,降低链路突发引起的网络数据转发次数,达到均衡负载。因此,对无线传感器网络链路质量建立良好的预测机制,进而动态的调整路由协议,保证数据正确的传输,提高应用系统的可靠性显得十分必要。目前,国内外研究学者通过对链路特性进行研究,提出了不同的链路质量预测模型。主要有基于链路特性的预测方法,例如A.Woo等人在“EvaluationofEfficientLinkReliabi ...
【技术保护点】
一种结合AdaBoost和支持向量机的链路质量预测方法,其特征在于,首先通过基于密度的聚类算法DBSCAN对样本进行预处理并得到样本的等级划分;其次,采用AdaBoost方法对样本进行分类,其中AdaBoost选取泛化性能较好的支持向量机作为弱分类器,用来预测下一时刻的链路质量,包括以下步骤:步骤S1:通过基于密度的聚类算法DBSCAN对样本进行预处理并得到样本的等级划分;步骤S2:通过AdaBoost方法将弱分类器支持向量机集成,得到最终的强分类器,用来预测下一时刻的链路质量。
【技术特征摘要】
1.一种结合AdaBoost和支持向量机的链路质量预测方法,其特征在于,首先通过基于密度的聚类算法DBSCAN对样本进行预处理并得到样本的等级划分;其次,采用AdaBoost方法对样本进行分类,其中AdaBoost选取泛化性能较好的支持向量机作为弱分类器,用来预测下一时刻的链路质量,包括以下步骤:步骤S1:通过基于密度的聚类算法DBSCAN对样本进行预处理并得到样本的等级划分;步骤S2:通过AdaBoost方法将弱分类器支持向量机集成,得到最终的强分类器,用来预测下一时刻的链路质量。2.根据权利要求1所述的一种结合AdaBoost和支持向量机的链路质量预测方法,其特征在于,所述预处理和划分链路质量等级方法为DBSCAN。3.根据权利要求1所述的一种结合AdaBoost和支持向量机的链路质量预测方法,其特征在于,所述采用AdaBoost方法进行样本分类和预测,弱分类器选取泛化性能较好的支持向量机,通过改变支持向量机核函数RBF的核宽度来得到更好的分类效果,核宽度的改变决定分类精度,变化大小由梯度下降法确定。4.根据权利要求1所述的一种结合AdaBoost和支持向量机的链路质量预测方法,其特征在于,所述链路质量等级划分和样本预...
【专利技术属性】
技术研发人员:刘琳岚,刘满兰,骆雄辉,舒坚,
申请(专利权)人:南昌航空大学,
类型:发明
国别省市:江西,36
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。