基于模糊支持向量回归机的WSNs链路质量预测

来源：计算机研究与发展杂志2015年第8期北京时间：

作者：舒坚,汤津,刘琳岚,胡刚,刘松,

摘要：在无线传感器网络中，链路是实现节点互连和多跳通信的基本元素，链路质量是拓扑控制、路由协议和移动管理的基础，准确的链路质量预测不仅可以提高整个网络的数据吞吐率，降低节点能耗，还可延长整个网络的工作时间.在分析现有链路质量预测方法的基础上，提出一种基于模糊支持向量回归机(fuzzysupportvectorregression,FSVR)的链路质量预测模型，以降低噪声与孤立点对预测性能的影响.通过收集不同场景下的链路质量样本，考虑不稳定链路中数据分布的特点，该模型采用无监督模糊核聚类算法(kernelfuzzyc-means,KFCM)自动划分样本集，并获得样本隶属度；采用混沌粒子群优化算法(chaosparticleswamoptimization,CPSO)选择子模型参数.实验结果表明，与基于经验风险的BP神经网络相比，基于模糊支持向量回归机的链路质量预测模型具有更好的预测精度和泛化能力.

关键词：无线传感器网络, 链路质量预测, 支持向量回归机, 模糊核聚类, 混沌粒子群,