推荐星级：

物联网多层设备信息通信数据分类识别仿真

更新时间：2019-12-24 07:01:44 大小：1M 上传用户：xiaohei1810 查看TA发布的资源 标签：物联网 下载积分：1分评价赚积分（如何评价?）打赏收藏评论(0) 举报

资料介绍

对物联网多层设备信息通信数据进行分类识别,能够有效提高物联网设备的利用率,对设备信息通信数据进行识别,需要将通信信号特征从频域扩展至复平面,采用训练好的SVM对剩余通信数据进行分类识别.传统方法设定网络设备通信数据流的分形谱,推导出通信数据流的估计谱,但忽略了将通信信号特征扩展至复平面,导致识别误差大等问题.提出物联网多层设备信息通信数据分类识别方法,通过多层设备源信号的对角切片双谱提取通信信号特征,利用Chirp-Z变换将通信信号特征从频域扩展至复平面,选取出具有较强可分离度特征作为多层设备通信数据特征参数,并利用模糊C均值聚类算法进行初步聚类,选取聚类性能较优的通信数据作为支持向量机(SVM)的训练样本,再采用训练好的SVM对剩余通信数据进行分类识别.实验结果表明,所提方法有效提高了数据分类识别效率,且识别误差较小.

部分文件列表

文件名	大小
物联网多层设备信息通信数据分类识别仿真.pdf	1M

立即下载

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）

算机仿真

2019年1月

第36卷第1期

文章号：1006— 9348(2019)01— 0425一04

物网多

信息通信数据分

仿真

魏葆春．甘

旺

(甘医学院，甘平凉744000)

摘要：

需要将通信信号特征从

信数据流的分形，推出通信数据流的估

物

网多

信息通信数据行分

，能有效提高物

网

的利用率，

信息通信数据

行

，

通

域

展至复平面。采用

好的sVM 剩余通信数据行分

。

方法定网

差大等

，但忽略了将通信信号特征展至复平面，

致

。提出物

网多

通信信号特征从

算法行初步聚

数据行分

信息通信数据分

方法，通

多

源信号的角切片双提取通信信号特征，利用ch卸一z

可分离度特征作通信数据特征参数，并利用模糊c均

本，再采用

小。

将

聚

域

展至复平面，取出具有

多

，

取聚性能

的通信数据作支持向量机(svM)的

效率，且

好的svM 剩余通信

。

果表明，所提方法有效提高了数据分

差

关

中

：物网；多

号：佃91．4l

；通信；分

文献

；支持向量机

分

：B

Data Classmcation d

Mldtilayer Eqllipment

Simlllation of IoT

RecogIlition

II怕rmation Co珊muIlication

WEI _{Bao— chun，GAN}

Fa— wang

Medical

Gansu

(Gansu

College，Pingliang

744000，China)

metIlods

the communication

feature extended to the

for

ABSTRAcT：Traditional

ignore

signal

complex plaIle，which

1eads to

method

things

classmc砒ion蚰d

recognition

large recognition error．Therefore，a

mlllti— layer equipmen“nf0卜

mation communication data in tIle Intemet

was

80urce

presented．

first，the multi— Iayer

signal

trans-

equipment

then

Chirp— Z

was used to extract tIle characteristic of communication

f而m

slice，明d

signal

bispectral diagonal

domain to the

fo肌was used to extend communication

feature f如m the

f南quency

signal

complex plane．Moreover，the

communication data．

feature th

was selected as feature

strong sep眦ble de掣ee

parameter《multi— layer equipment

means

was

to the

Me while，the fuzz)r

clust耐ng algorithm

applied

preliminary clustering．Finally，communication

of vector then the

support

with

was used

data

good clustering perf0肌ance

as嘶ning ple

the communication data． simulation resuhs show山at山e

remaining

machine(SVM)，and

trained SVM was used to

me山od

aIld

classify

recognize

the

data classmcation and

Meanwhile，the

proposed

efkctively impmves

emciency

recognition．

recognition

error is small．

vec．

KEYWoRDS：Intemet

things；Multi— layer equipment；Co咖unication；Classmcation

recognition；Support

tor machine

方法，已成当前物网通信域亟待研究的关

，受

方

引言

到了广泛关注【4’5]。

随着物

网多

网

的

速

展和多

的普及用．促使

国内于通信数据的分

行了大量的研究。

物

成

近年来研究的点⋯ 。物网通信与

萍萍等人[61提出基于多重分形理的通信数据分

以往通信方式不同，以往通信方式主要以海量数据复制操作

主，而物网通信不同的信息行通信，要

取最佳的通信方式行多的数据 [2‘3]。在

通信要求下，物网多信息通信数据分

法。定网

通信数据流的分形，推出通信数据流

，在定的核域内合灰色关度方法行数据流

分析，以估分析通信数据的分

高的正确率，但

果易受分形特征提取果的影响，具有不定性。刘

冲等人[7]提出基于softmax回的通信数据分

是

的估

估

求

果

。

网

方法在低信噪比情况下。能

得

收稿日期：2018一02— 24修回日期：2018— 05— 14

方

一425—

万方数据

法。将网

集，使用主成分分析法

通信数据循

通信数据效果好，但

上述

通信信号的循

通信信号特征。采用鼬m缸回

密度特征行分方法

速度相

密度特征作

本

提取的多

特征

通信信号特征和散特征行融合。

出

分

器

。

(6)

行

菇={力，^(∞)，y(Z)}

慢。

采用支持向量机

物

网多

通信信号特征

．提出基于支持向量机的物网多

方法。

分

成

。通核函数将信息通信数据非性可分

信息通信数据分

性可分

。利用下式出信息通信数据分

判

函数

(7)

，(并)=s卵{∑∞；K( · 算)+∞。)

2物网多

信息通信数据分

原理

在物网多

信息通信数据分

原理中，分

提取多信号

行融合，采用支持向量机

其中，S表示支撑向量的数量，吐、q表示系数，支持向量

在

域、域以及高

域

物

果

网多

机中的核函数K( · 并)用于表征多

量菇和菇；的近似性程度的非性函数。

根据上述步。完成了物网多

通信信号特征矢

特征，

融合

假

通信特征提取

果

，

行分

，具体程如下所述：

通信信号 x(t)，

信息通信数据分

到的物网多

合

，根据原理

了多

信息通信数据

分

模

分解方法【81将其描述本征模函数c；和余量函

。

3．1

数r。之和，

有

具有

可分离度的通信数据特征提取

网多信息通信数据分

在

物

程中．通

(1)

菇(￡)=∑c。+r^

其中，i表示信号分量，表示通信数据数量，各个

数据的本征模函数c；如n 【91，构建不同

率蛾(1)，并将原始

多

源信号的角切片双提取通信信号特征。利用

将通信信号特征从展至复平面，利用基

通信信号双二次特征

通信

通

ch卸一z

域

行

于巴氏距离的分离度准

提取依据，取出具有

作

信数据的解析信号，得瞬

信号筇(t)表示

通信

可分离度特征作

多

信息

通信特征参数．具体程如下所述：

，痧(n)表示物网多

(2)

假

通信数据蠡平

随机

筇(t)=船[∑口‘(t)e气∽]

式中，哦(t)e“to’ 足本征模函数条件，算其 f6叭

程，此程相的蠡

累

量气(rl’．”，吼．。)，由以上两

定多

通信信号忌

蠡

累量的K— l

离

鼠(∞，f)，得多

^(∞)

通信信号菇(t)的完整 Z6erl

散

傅里叶

．即

(3)

点

^(∞)=J H(∞，‘)d

sh(∞I，．“，吐．I)=∑气(rl'．一，L。1)×

tI。。∞

(8)

其中，r表示

通信信号采周期，^(∞)可描述各个

exp[(也，Irl+⋯ +∞K— lrK— 1)]

上的

网多

分布，d表示量，根据上述得的特征来反映物

信息通信数据在域表出的特性差异。

其中，rl'．”，r川表示累

足上式称通信信号三

％) 行表示

，∞I’．“，m川表示累

的

。

，

双

，利用B，(q，

利用高

成分．多

通信采信号髫(n)

分析法[10】来描述多

信息通信信号特征提取程如下：

的傅里叶矢

信息通信信号中

的非

量．

(9)

E(∞。，∞：)=∑c瓤(7．。，巳)髫(∞)

算

2一∞

定

其中，髫(∞)表示秒(n)相的离散

傅里叶

和。

，‰(r。，

通信数据

(4)

通信信号度，z表示整

巳)表示通信信号三

合双法和双

累

加

力=【笋：d=L r-lj】

角切片法

多

其中，∞=n，r表示物网多

行特征提取，利用Ch卸一z

将通信信号特征从

域

展

(10)

(11)

数域，表示傅里叶分描述。

至复平面，利用下式出ch卸一z

式

2) 算物网多

B(∞)

通信采信号菇(，I)的直接双

x(：)=∑ (n)瓢

(5)

B(∞)=B(∞I，∞2)

其中，气用于描述Z平面中某一条路径的抽

以=A形。‘

点

3) 算物网多通信采信号并(n)的分双

特征)，(z)=∑口(∞。，吐)，其中，，，(z)表示信号双的矩形

分路径。

其中，A用于描述初始采点，形表示路径展率。使用

Fisher可分离性

序，取具有

度

多

通信信号双特征行排

可分离性的特征作

．利用下式出Fisher 度

分

中的特征描

4)运用流形

算法通信双特征)，(Z)降

的低特征y(Z)。

，得

述

适合后

分

一426一

万方数据

量，6表示偏置。于确定的通信数据分

通信数据足下式

多(07立i+6)≥ 1一f。

最

超平面，所有

(16)

∑∥[玩一巨[毋· 曰：(山)]]z

⋯ 、

本

％㈤卜垃1忑而 ¨

通信信号在率∞=(∞。，山：) 的均和方差，巨[巨·

其中，pj表示随机量，∥=磁(∞)表示先概率，

式中，蠡表示

通信数据点划分至分超平面的正确一，当足垂=l

性可分于非和6最

。当足f。>1条件，物网多

玩(曰：(∞))和”口r。(曰：(∞))分表示物网多

第z

，

。

性

，

找

B：(∞)]用于描述全部通信信号在率∞

心。了有效解决，使用巴氏距离作

的

本双

多

中

，使其在上式束下，最小化关于0和6的目函数，

有

判

(17)

G=m 知7 +c‘∑f。

信息通信信号分离度的基准，合上述 s^er 度分析

果，出巴氏距离拓展式

￡

其中，C。表示

合拉格朗日乘子求解上述最

。采用差分化算法以上两参数

搜索，．s 参数算个体

函数

函数。

，、

1[E。(曰：(∞))一既(磷(∞))]2

化

，将最

化

％㈤卜了— ]‘i瓦r

成

偶

行

2‘J

r1¨

¨叫

最

行

和

，

的目

1，f二”％( (∞))1

z【Ⅱ 。(曰：(∞))∽J

c：r戈中(‘+1)，p洲

(18)

由上式可以看出，于(；√)两

通信信号，相

的

L互胡(￡)+6，p≥ R

其中，R表示个体交参数，p∈[0，1]表示区内的随机数，

D表示目函数解空数，珏(f)、‰(￡+1)表示第#、￡+1

次迭代中的异个体。通多次迭代，最

模型最 c。和

巴氏距离m。(cE，)越大，本可分性越好。

3．2

基于最

聚

准

的通信数据特征分

信息通信数据分

在

物

网多

程中。使

出支持向量机

用模糊C均

步聚

聚

算法 3．1

取聚性能

本，采用差分化算法

得的

通信特征行初

的

。

的通信数据作支持向量机

上所述，完成了物网多

信息通信数据的分

(sVM)的

再采用

行分

分

器参数化，

信息通信数据

。

好的S

剩余物网多

。具体程如下所述。

果与分析

了

假

，x=h，⋯ ，％}表示由3．1

取出的具有

所提基于支持向量机的物网多

信息

可分离度特征作

多

信息通信特征本集合，划分c

通信数据分

方法的合有效性，需要行一次仿真。

个模糊

特征聚

，

目

算各的聚中心ci。利用下式

函数

出

通信

仿真配置如下：操作系

windows7系，开

2．8GHz，内存 8GB。

境

Core i7

PythoIl3，CPu Intel

了

所提方法的分

效果，与基于多重分形理

(14)

五=∑∑u；略

的通信数据分

方法和基于Softma】【回的通信数据

其中，c。表示

示期望聚的数量，d甲=l c。一％I表示

个聚中心与第个通信数据点的欧几里得距离，m

通信特征模糊 a相的聚中心，c0表

分

方法分

行

比。利用一化互信息、运行

物网多信息通信数据分

以及差平方和作

通信特征第a

一

效果的价基准，了减少

30次取平均一化互信息在通信数据分

常用于衡量通信数据分果与

方法与通信数据

差，每次

行

个加指数。

通信特征行模糊聚就是通多次

，此程是一个程，利用

。

中，通

迭代最化目函数L

化

分

的近似程度，

分果越接近。效

下式出多

通信特征聚模糊隶属度u。和聚中心

越高，

明

分

C胡

果越好；

越低，明分效果越差，利用下式

算

(19)

=≮ 瓷掣

～“酗∥ q15)

其中，日(A)表示通信数据向量A的信息，日(曰)表示通信

数据向量曰的信息，日(A，曰)表示通信数据向量A、曰的信

詹＼d坩，

其中，u二表示加指数 m的特征聚模糊隶属度。从上

息

。

式中，取聚性能

的通信数据作支持向量机(．s

)

差平方和作

利用下式行表示

价

通信数据

差异性的函数，

的

本{(未。，五)，⋯ ，(靠，“)}，定物网多

本，期望出y∈{一l，1}用于描述不同

通

信数据

(20)

s_sE=∑∑lI髫一m。o

通信数据

，五7立+6=0表示不同

通信数据

其中，e表示

通信

的数量，d表示第毋个

通信数

分

的最超平面，其中■、；分表示重向量和入向

一427—

万方数据

全部评论(0)

暂无评论

评论赚积分>>

上传资源上传优质资源有赏金

物联网多层设备信息通信数据分类识别仿真

资料介绍

部分文件列表

部分页面预览

相关下载

全部评论(0)

热门标签

最新上传

热门下载

推荐下载

专栏首页