APP下载

基于SVM的WSN运动目标位置跟踪预测方法研究

2013-09-29谌友仁

网络安全与数据管理 2013年19期
关键词:信息方法模型

谌友仁 ,廖 兵

(1.南昌航空大学 信息工程学院,江西 南昌 330063;2.南昌航空大学 经济管理学院,江西 南昌 330063)

无线传感器网络(WSN)作为一种全新的信息获取和处理技术,在目标跟踪、入侵监测及一些定位相关领域有广泛的应用前景。其中,目标跟踪预测是无线传感器网络目标跟踪关键技术之一[1]。目前,WSN目标跟踪预测方法主要包括运动学预测方法、滤波预测方法(扩展卡尔曼滤波、粒子滤波等)、模糊理论回归预测方法和置信区域预测方法[2-3]。

近年来,随着支持向量机(SVM)技术[4-5]在各个方面的广泛应用,已有学者将支持向量机技术应用于无线传感器网络中[6-8]。支持向量机是一类基于统计学理论的新型机器学习方法,是一种基于结构风险最小化准则的学习方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,并能够推广应用到函数拟合等其他机器学习问题中[9]。为了研究简单,假设本文所有部署节点位置已知,运动目标节点与部署节点是同构的。提出了一种基于支持向量回归的运动目标位置预测方法,汇聚节点收集已知节点位置信息和目标节点网络连通信息作为依据训练样本,对支持向量机中核函数和损失函数进行参数优化,使用支持向量技术得到运动目标节点位置的映射函数,从而得到运动目标节点的各个时刻位置。然后利用支持向量回归预测模型对目标节点进行位置预测,从而得出目标节点未来时刻位置动态预测。……

登录APP查看全文

猜你喜欢

信息方法模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
订阅信息
3D打印中的模型分割与打包
用对方法才能瘦
四大方法 教你不再“坐以待病”!
捕鱼
展会信息
健康信息
健康信息(九则)