基于深度学习的无线传感器网络数据压缩算法研究

来源 :科技经济市场 | 被引量 : 0次 | 上传用户:jianxiangqiao
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
数据的冗余较大导致了数据压缩比例较低,增加了数据传递的能量开销.为此,相关学者提出基于深度学习的无线传感器网络数据压缩算法研究.文章以数据的基序列为基础,以簇头为初代聚类中心,利用深度学习中的K-means算法完成对数据的分组处理,构建稀疏自动编码器,通过BP神经网络确定稀疏自动编码器的最优压缩稀疏度,实现对不同分组数据的压缩.通过仿真实验测试算法的应用效果,结果表明:所提算法对数据的压缩比可以达到0.15,节点能耗在0.4J以内,与对照组相比均有明显优势.
其他文献
为了更好地了解和把握可见分光光度计波长和透射比两者之间的关系,文章在科学检定两者数值的基础上,结合各种影响因素,全面地分析和研究了其最终检定结果的不确定度,为后期找出两者之间的关系提供重要的依据和参考.
为了加强易燃易爆场所的安全监管,研究总结了易燃易爆场所雷电防护工作经验,从不同雷电致灾形式、不同阶段雷电防御措施等方面探讨易燃易爆场所雷电风险及其对应防护措施,以期为省市县三级防雷技术人员开展易燃易爆场所雷电防护提供技术支持.
作为我国经济的重要组成部分,海洋经济的发展不仅能够推动经济水平的稳步提升,还能提高我国的综合国力.复合材料是海洋船舶中的常用材料,可有效延长船舶的使用寿命,具有较大优势.文章主要对复合材料在海洋船舶中的应用进行深入探讨,旨在进一步发挥复合材料的优势,提高海洋船舶的性能,促进海洋经济实现可持续发展.
机器学习(Machine learning,ML)是人工智能领域的重点研究方向之一,在很多领域得到了广泛的应用,全面且深刻地认识ML显得十分必要.根据训练样本和反馈方式的不同,将ML分为监督学习、无监督学习等六类,阐述了ML领域若干经典算法的原理、利弊及其应用,介绍了ML在不同场景中的典型应用,最后展望了ML的发展前景.文章致力于使学者对ML有更加宏观的了解,并在后续的实际应用中发挥一定的指导作用.