• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Sensors >Energy Management in Wireless Sensor Networks Based on Naive Bayes, MLP, and SVM Classifications: A Comparative Study
【24h】

Energy Management in Wireless Sensor Networks Based on Naive Bayes, MLP, and SVM Classifications: A Comparative Study

机译：基于朴素贝叶斯，MLP和SVM分类的无线传感器网络中的能量管理：比较研究

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Maximizing wireless sensor networks (WSNs) lifetime is a primary objective in the design of these networks. Intelligent energy management models can assist designers to achieve this objective. These models aim to reduce the number of selected sensors to report environmental measurements and, hence, achieve higher energy efficiency while maintaining the desired level of accuracy in the reported measurement. In this paper, we present a comparative study of three intelligent models based on Naive Bayes, Multilayer Perceptrons (MLP), and Support Vector Machine (SVM) classifiers. Simulation results show that Linear-SVM selects sensors that produce higher energy efficiency compared to those selected by MLP and Naive Bayes for the same WSNs Lifetime Extension Factor.
机译：最大化无线传感器网络（WSN）的寿命是这些网络设计的主要目标。智能能源管理模型可以帮助设计人员实现这一目标。这些模型旨在减少报告环境测量值的选定传感器的数量，从而在保持报告的测量结果所需的准确度的同时实现更高的能源效率。在本文中，我们将对三种基于朴素贝叶斯，多层感知器（MLP）和支持向量机（SVM）分类器的智能模型进行比较研究。仿真结果表明，对于相同的WSN寿命延长因子，Linear-SVM选择的传感器比MLP和朴素贝叶斯选择的传感器具有更高的能源效率。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号