一种采用叠层宽度学习的链路质量评估方法技术

本发明专利技术公开了一种采用叠层宽度学习的链路质量评估方法，该方法首先采用基于邻域密度的K均值初始聚类中心的优化方法来划分链路质量等级；然后将处理好的数据输入到采用叠层宽度学习模型的链路质量评估模型中得到评估结果。本发明专利技术使用叠层宽度学习模型构建链路质量评估模型，在保证低复杂度的情况下提高模型的拟合能力，能够有效提高对无线传感器网络链路质量评估的准确性。质量评估的准确性。质量评估的准确性。

【技术实现步骤摘要】
一种采用叠层宽度学习的链路质量评估方法


[0001]本专利技术涉及无线传感网络链路质量评估
，特别是涉及一种采用叠层宽度学习的链路质量评估方法。

技术介绍

[0002]无线传感器网络(Wireless Sensor Network，WSN)是一种由大量廉价微型的传感器构成、具有动态拓扑结构、以数据传输为中心的多跳自组织网络。WSN综合了传感器技术、嵌入式计算技术、分布式信息处理技术和通信技术，节点之间以协作方式对网络分布区域内的信息进行实时监测、感知、采集和处理，在国防军事、环境监测、交通管理、医疗卫生等领域有广泛的应用前景。由于WSN中的节点通过低功耗的无线射频信号进行通信，容易受到多径效应、环境等因素的影响与干扰，使得链路具有非对称性、干扰特性、时空特性等，从而导致节点之间的通信受到严重的影响，增加网络开销。而准确的链路估计，可以通过选择高质量的链路来传递数据，通过限制分组丢失来提高网络吞吐量，并通过最小化重传次数和避免链路故障引发的路由重选来最大限度地延长整个网络的寿命。
[0003]近年来，随着WSN研究与应用的深入，国内本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用叠层宽度学习的链路质量评估方法，其特征在于，包括如下步骤：S1：采用基于邻域密度的K均值初始聚类中心的优化方法来划分链路质量等级，得到样本标签；S2：使用叠层宽度学习模型构建并训练链路质量评估模型，对链路质量进行评估，得到链路质量评估结果。2.根据权利要求1所述的采用叠层宽度学习的链路质量评估方法，其特征在于，步骤S1具体包括：S11，根据数据集的大小确定网格的数量：其中N为数据集的大小，F为属性的个数；S12，确定初始聚类中心的候选网格集合，根据下式计算每个网格的邻域密度，找到高密度网格，将其加入候选网格集；密度网格，将其加入候选网格集；其中，DS
i
表示网格S
i
中的样本点数量，DS
ij
表示网格S
i
的第j个邻居网格的密度，n表示网格S
i
的邻居网格数量，SRK
i
>1说明S
i
为高密度网格；S13，基于最大
‑
最小距离算法确定初始的簇中心点，首先找到密度最高的网格并将其中心点作为第一个簇中心点，然后根据最小距离算法选择出剩余的簇中心，共k个；S14，使用k
‑
means算法获得聚类结果。3.根据权利...

【专利技术属性】
技术研发人员：牛明晓，刘琳岚，
申请(专利权)人：南昌航空大学，
类型：发明
国别省市：