查询结果:   谭军.人工鱼群算法优化支持向量机的无线传感器网络节点定位[J].计算机应用与软件,2015,32(10):144 - 147,187.
中文标题
人工鱼群算法优化支持向量机的无线传感器网络节点定位
发表栏目
网络与通信
摘要点击数
878
英文标题
WIRELESS SENSOR NETWORKS NODE LOCALISATION BASED ON AFSA-SVM
作 者
谭军 Tan Jun
作者单位
百色学院数学与计算机信息工程系 广西 百色 533000     
英文单位
Department of Mathematics and Computer Information, Baise University, Baise 533000, Guangxi, China     
关键词
无线传感器网络 节点定位 支持向量机 人工鱼群算法
Keywords
Wireless sensor networks Node localisation SVM Artificial fish swarm algorithm
基金项目
广西教育厅科研项目(2013LX149)
作者资料
谭军,讲师,主研领域:计算机网络。 。
文章摘要
为了提高无线传感器的定位精度,针对支持向量机(SVM)参数优化问题,提出一种人工鱼群算法(AFSA)优化SVM的传感器节点定位方法(AFSA-SVM)。首先构建无线传感器定位模型的学习样本,然后采用SVM构建节点定位模型,并采用AFSA模拟鱼群的觅食、聚群及追尾行为找到最优SVM参数,最后采用仿真实验测试节点的定位性能。结果表明,相对于其他定位方法,AFSA-SVM提高了传感器节点的定位精度,具有一定的实际应用价值。
Abstract
In order to improve localisation precision of wireless sensors, aiming at the optimisation of support vector machine (SVM) parameters, in this paper we propose the sensor node localisation method AFSA-SVM, which optimises SVM with artificial fish swarm algorithm (AFSA). First, the method constructs the study samples of wireless sensors localisation model, and then uses SVM to build the node localisation model, and employs AFSA to simulate the behaviours of fish swarm foraging, clustering and rear-ending for finding the optimal SVM parameters, finally the simulation experiment is used to test the performance of node localisation. Results show that compared with other localisation methods, AFSA-SVM improves the precision of sensor nodes localisation and has certain practical applied values.
下载PDF全文