-
题名物联网开放环境多源异构传感数据低能耗采集
被引量：2
- 1
-
-
作者
刘海鸥
马青云
-
机构
广州软件学院计算机系
广州软件学院电子系
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2024年第3期539-544,共6页
-
基金
广东省创强科研项目(2020KQNCX138)
广州软件学院校级课题(ky202106)
广州软件学院院级“质量工程”建设项目(ZXKC202103)。
-
文摘
物联网开放环境存在大规模异构数据,增加了传感数据采集的能耗,且容易导致采集误差。为此,提出了物联网开放环境多源异构传感数据低能耗采集。利用数据采集时间、负载均衡度和数据采集过程中的能量损耗为评价函数。并在此基础上构建数据采集分配模型,之后布置相关传感网络节点,收集数据信息。构建传感器节点优化部署模型,优化网络信道分配,降低数据采集能耗,以此达到低能耗数据采集的目的。实验验证表明,使用该方法对数据实施采集,当丢包率达到15%时,数据采集误差为0.03 m。平均能量消耗为5.24 J,平均节点存活数量为141个,平均采集数据量为2.18×10~3 bit,该方法优化了数据采集误差和网络信道的分配性能,有效降低了传感数据的采集能耗。
-
关键词
传感器网络
数据低能耗采集
物联网
负载均衡度
多源异构传感
-
Keywords
sensor networks
low energy consumption data acquisition
Internet of Things
load balancing
multi-source heterogeneous sensing
-
分类号
TP274
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于光纤的传感物联网吞吐量最大化中继节点选择
- 2
-
-
作者
马青云
刘海鸥
-
机构
广州软件学院电子系
广州软件学院计算机系
-
出处
《传感技术学报》
CAS
CSCD
北大核心
2024年第2期339-344,共6页
-
基金
广东省创强科研项目(2020KQNCX138)
广州软件学院校级课题项目(ky202106)。
-
文摘
中继节点是传感物联网通信的中转中心,其选择的合理性对保证物联网通信稳定和信息吞吐量具有重要意义。提出基于光纤的传感物联网吞吐量最大化中继节点选择方法。构建传感物联网模型,在平面中任意布局节点,利用所在点数据整合全部节点,在目标光纤传感器基站中找出主瓣,识别光源节点传输的信号。计算节点能量平均数,在自适应状态中将能量的分母最小化。在候选节点选取可将已知的光信道状态完整传输给其他节点的中继节点,基于统计独立分布获得系统平均接收信噪比,选择光纤传感器天线完成吞吐量最大化中继节点选择。仿真结果表明,所提方法在节点数量为22时的中断概率趋近于0;在光源节点功率30 dBm时,网络吞吐率达到98%。
-
关键词
光纤传感器
物联网技术
中继节点选择
网络吞吐量
光纤信噪比
-
Keywords
optical fiber sensor
internet of things technology
relay node selection
network throughput
fiber signal-to-noise ratio
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进的随机森林Boost多标签文本分类算法
被引量：4
- 3
-
-
作者
邵孟良
齐德昱
-
机构
广州软件学院计算机系
华南理工大学计算机科学与工程学院
-
出处
《计算机应用与软件》
北大核心
2022年第11期215-221,303,共8页
-
基金
国家自然科学基金项目(61070015)
广东省前沿与关键技术创新项目(2014B010110004)
+1 种基金
广东省普通高校重点项目(自然)(2019GZDXM020)
广州软件学院校级科研团队建设项目(ST202002)。
-
文摘
针对目前Boosting算法计算成本高、学习时间长的问题,提出一种改进的随机森林提升(RF-Boost)算法(IRF-Boost)。对训练特征进行排序;在每个Boosting轮中,过滤并使用排序靠前特征的较小子集;根据权重选择一个特征构建新的弱假设,弱假设搜索空间的大小从k降低至1。实验检验并分析了信息增益、卡方、GSS系数、互信息、优势比、F1得分和准确度共7种特征排序方法。实验结果表明:在所评价的特征排序法中,互信息最适用于RF-Boost;IRF-Boost的效率优于RF-Boost及AdaBost.MH,即IRF-Boost是解决实践应用和专家系统中分类问题的较好选择。
-
关键词
BOOSTING算法
特征排序
多标签学习
文本分类
弱假设
-
Keywords
Boosting
Feature ranking
Multi-label learning
Text classification
Weak hypothesis
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
