基于深度神经决策森林的体域网数据融合方法

来源：计算机应用研究杂志2020年第8期北京时间：

作者：张辉,王杨,李昌,张鑫,赵传信,

单位：1.安徽师范大学皖江学院,安徽芜湖241008；2.安徽师范大学计算机与信息学院,安徽芜湖241000；

摘要：针对体域网的多传感器数据采集过程中存在的数据冗余大、特征信息模糊问题，提出了一种基于深度神经决策森林（DNDF）的数据融合方法。首先根据目标任务的实际需求，使用卷积神经网络进行相关特征提取，再将决策树放置到全连接层之后进行精细化数据分类。通过使用DNDF方法，不仅能够有效提取多维数据的关键特征，而且能够较好地兼顾数据间的关联性。实验以AReM数据集作为实验样本，结果表明，DNDF方法相对其他传统算法具有更好的分类准确率，分类准确率达到了96.5%。

关键词：体域网,数据融合,卷积神经网络,决策树,深度神经决策森林,

基金资助：国家自然科学基金资助项目(61871412)；安徽省自然科学基金资助项目(1708085MF156)；赛尔网络下一代互联网技术创新项目(NGII20170305)；安徽省高校优秀青年人才支持计划一般项目(gxyq2017140)；安徽省质量工程重大项目(2018jyxm0342)；；