为了有效提高无线传感器网络中故障数据的判别能力,本文结合人工蜂群算法提出了一种新的挖掘算法FDMA(Fault Data Mining Algorithm).该算法首先利用小波变换降低故障数据的突发性,以达到对故障数据的标准化处理.其次,基于关联系数来划分故障数据分布区间,并建立了数据挖掘的目标函数,同时利用人工蜂群算法对目标函数进行优化.最后,通过实际传感器样本数据进行仿真实验,对比研究了FDMA算法与其它算法之间的性能状况(包括吞吐量、延迟时间、丢包率和能耗),结果发现FDMA算法具有较好的适应性.
为了有效提高无线传感器网络故障数据的判别能力,在以往的研究基础上,本文结合菌群优化算法提出了一种新的挖掘方法FDMBFO(Fault Data Mining algorithm based on Bacteria Foraging Optimization).该算法首先通过小波变换和关联系数给出了故障数据分布区间的划分方法,建立了目标挖掘函数,同时利用菌群优化算法实现对目标函数的求解.最后,通过实际样本数据进行仿真实验,深入分析了影响FDMBFO算法的关键因素,并对比研究了FDMBFO算法与其它算法之间的性能状况,结果发现FDMBFO算法具有较好的适应性.
