《基於支持向量機原理的無線感測器網路定位方法研究》是依託東北大學，由朱方擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於支持向量機原理的無線感測器網路定位方法研究
- 項目類別：青年科學基金項目
- 項目負責人：朱方
- 依託單位：東北大學
中文摘要,結題摘要,
中文摘要
定位問題是無線感測器網路中的基礎問題，也是當前的研究熱點。針對此問題，本項目提出研究一種新的基於支持向量機（SVM）的節點定位算法。該算法將定位問題看作一個機器學習回歸建模問題，通過支持向量回歸工具 LS-SVM 建立網路連通性信息和接收信號強度指示信號與節點位置的定位模型。通過該算法可以實現自動、高效、準確的節點定位，定位誤差控制為3%以內，同時在一定程度上解決覆蓋漏洞和邊緣問題。針對於無線感測器網路低成本、低功耗的要求，研究一種新的支持向量機的訓練樣本縮減算法來降低由支持向量機學習過程而帶來的訓練節點的能量消耗，預計該算法可使訓練時間縮短50%左右；通過研究一種新的支持向量機快速決策算法，提高決策節點的決策速度進而降低決策節點的能量損耗，預計該算法使決策時間縮減率達到50%以上。最後研究一種新的支持向量機模型參數最佳化算法提高定位準確度。該方法既不用添加額外的硬體又兼顧了低功耗的要求。
結題摘要
定位問題是無線感測器網路中的關鍵技術，也是當前的研究熱點。針對此問題，本項目提出一種新的基於支持向量機（SVM）的節點定位算法。該算法將定位問題看作一個機器學習建模問題，通過支持向量機工具 LS-SVM 建立網路連通性信息和接收信號強度指示信號與節點位置的定位模型。通過該算法可以實現自動、高效、準確的節點定位，定位誤差控制為5%以內，同時在一定程度上解決覆蓋漏洞和邊緣問題。針對於無線感測器網路低成本、低功耗的要求，提出基於點集的支持向量機訓練樣本縮減算法來降低由支持向量機學習過程而帶來的訓練節點的能量消耗，通過仿真實驗證明該算法可使訓練時間縮短50%。在大規模的無線感測器網路中，每個節點需要經過多個支持向量機模型分類得到最終定位結果，這致使定位時間過長，算法複雜度也造成節點能耗的大量消耗。針對此問題，本項目提出了基於空間相似性的支持向量機快速決策算法，提高決策節點的決策速度進而降低決策節點的能量損耗，實驗結果表明該算法在保證精度損失的情況下使決策時間縮減48%。支持向量機的分類結果決定著最終定位精度。支持向量機的性能依賴於模型參數的選擇，然而支持向量機模型參數的選擇在很大程度上依靠經驗值。針對這一問題，本項目提出一種基於免疫克隆算法的支持向量機模型參數最佳化算法，通過該算法可以自動獲得最佳的模型參數，實驗證明該算法可以將定位精度提高0.2M。
