《基于ICA独立成分和加权依赖贝叶斯的传感器节点故障诊断》PDF+DOC
作者:张新华
单位:重庆师范大学
出版:《重庆师范大学学报(自然科学版)》2015年第02期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFCQSF2015020260
DOC编号:DOCCQSF2015020269
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于贝叶斯和Bootstrap方法的传感器网络节点可靠性评估》PDF+DOC2016年第04期 何永强,董金超,朱子牮
《粗糙集和蚁群神经网络应用于传感器节点故障诊断研究》PDF+DOC2012年第10期 富众杰,郑晓亮
《基于时间序列和神经网络的温室传感器节点故障诊断》PDF+DOC2011年第06期 王俊,刘刚
《基于K-Means和粗糙集神经网络的节点故障诊断》PDF+DOC2014年第02期 宋喜忠
《基于改进MDLP算法和分子布朗运动优化的传感器节点故障诊断》PDF+DOC2013年第12期 韩小祥,王雪梅
《基于人工鱼群聚类的传感器节点故障诊断》PDF+DOC2013年第05期 周晏,尚鹏
《基于Rough Set和禁忌神经网络的传感器节点故障诊断》PDF+DOC2013年第05期 陈作聪
《基于人工免疫和模糊K均值的传感器节点故障诊断》PDF+DOC2013年第03期 庄夏,戴敏,何元清
《基于可加性模糊系统的多传感器数据融合诊断》PDF+DOC2001年第02期 王雪,左巍,赵国华
《SOM离散化和IGA优化神经网络传感器故障诊断》PDF+DOC2014年第05期 韩文虹,高淑婷
传统的传感器节点故障诊断模型通常采用分布式模型或集中式模型,因此具有诊断效率低和扩展性差的缺点,为此,提出了一种基于分簇路由协议并结合集中式故障诊断和分布式故障诊断的混合式故障诊断模型。首先,在监测区域建立层次分簇路由协议和WSN节点故障诊断模型,然后,采用ICA独立成分分析法(Independent component analysis,ICA)对特征向量数据属性提取独立成分,以降低数据维数,从而获得最小属性集样本数据。最后,通过赋予各属性权值对朴素贝叶斯分类模型进行改进,得到加权依赖贝叶斯分类模型,并采用此模型实现节点故障诊断。仿真实验证明该模型能有效地进行故障诊断,与其他方法相比,具有故障诊断效率高和诊断精度高的优点,具有很强的可行性。
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。