×

基于流形学习的T分布式多传感器体域网

消耗积分:0 | 格式:pdf | 大小:2.51 MB | 2021-05-18

分享资料个

  无线体域网多传感器由于采集的数据量大、数据类型冗杂,难以有效进行多维度数据的融合。虽然传统流形及分解类型的数据融合方法( Isomap,MDS,PCA等)具备使距离较小点产生合理排斥梯度的能力和受异常影响较小的优点,但是针对无线多传感器体域网的数据降维效果并不理想。对此,提岀了一种基于流形学习的T分布式随机邻域嵌入(TSNE)算法对多传感器体域网数据进行融合。T-SNE算法首先将高维数据点与其对应的低维数据点间的欧氏距离转换为条件概率矩阵,然后对处理好的低雏概率集合进行有限次迭代,最后更新低维概率矩阵,使距离较小点间产生合理的排斥梯度,从而构建了多维度体域网数据融合模型。实验结果表明,在特定的体域网数据集下,TSNE算法的精度为 Isomap的1.11倍,MS的1.33倍,PCA的1.21倍,具有较好的数据降维效果。

声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !