作者:高子林,鄢傲,熊江,潘勇 单位:四川省计算机研究院 出版:《计算机应用研究》2016年第06期 页数:4页  (PDF与DOC格式可能不同) PDF编号:PDFJSYJ2016060530 DOC编号:DOCJSYJ2016060539 下载格式:PDF + Word/doc 文字可复制、可编辑
《RFID与WSN融合模型的研究与优化设计》PDF+DOC2017年第01期 孙兆沛,姚干,何顶新 《基于AdaBoost的雷达剩余杂波抑制方法》PDF+DOC2020年第06期 林坚鑫,沈学勇,楼奇哲,邢文革 《一种蚁群优化的WSN分布式入侵检测模型》PDF+DOC2012年第09期 余小华,黄灿辉,陈瑛 《基于WSN的低功耗无线粮情监控系统的实现》PDF+DOC2012年第01期 汤国望,胡航笛 《基于虚拟OID计算的WSN网络管理方法》PDF+DOC2012年第06期 张文波,张晓晓,谭小波,付立东 《基于WSN的矿井瓦斯检测系统中低功耗路由协议》PDF+DOC2009年第05期 李兵,崔春艳,来美英 《基于WSN的能量高效MAC协议研究》PDF+DOC2008年第08期 孙若玉,郑国强,李济顺 《WSN中基于等高度路由的源位置隐私保护》PDF+DOC2014年第06期 周玲玲,石润华,仲红,章青 《WSN中基于压缩感知的异常事件检测方案》PDF+DOC2014年第03期 姜参,马荣娟 《基于RFID与WSN融合技术的井下定位算法研究》PDF+DOC2014年第07期 吴杰,冯锋,丁志义
  • 针对无线传感器网络(WSN)时钟同步精度低、复杂度高等问题,提出了一种基于静态权值组合集成模型的时钟偏差预测方法。对传感器节点的时间戳观测值进行有放回抽样,将面向回归问题的Ada Boost.RT集成学习算法的误差函数和阈值调整方法进行改进,并以改进的Ada Boost.RT算法作为集成框架,采用DPNN作为弱学习机构建集成局域模型对时间偏差进行有效预测。实验表明,对于长期预测,Ada Boost.RT模型和改进型Ada Boost.RT模型的预测效果相对于DPNN全局模型提升了20%。此外,在长期观测和短期观测两种情况下,Ada Boost.RT改进型模型的预测效果要优于Ada Boost.RT模型,能够更有效地减小时间估计偏差。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。