[发明专利]无线传感器网络缺失数据重建方法

权利要求书

1.一种无线传感器网络缺失数据重建方法，其特征在于，包括：

S1 对传感器节点的测量数据进行预处理。

S2 使用模糊神经网络对目标节点和其邻居节点间的时空相关性进行建模，根据S2 建立的模型以及S1预处理后的测量数据得到缺失数据的预测值；

S3 在预测值中引入自适应机制，进行模糊神经网络模型的自动更新。

2.如权利要求1所述的无线传感器网络缺失数据重建方法，其特征在于，所述S1中的预处理包括：进行数据二次采样和归一化处理。

3.如权利要求1所述的无线传感器网络缺失数据重建方法，其特征在于，所述S1包括：

S11 从传感器节点的测量数据中选取数据子集，所述数据子集包括目标节点以及其邻居节点的测量数据，其中，所有节点的测量数据具有时空相关性，即相同时间范围内，节点测量数据的改变趋势一致；

S12 对数据子集中的测量数据分别以不同的时间间隔进行二次采样，缩减数据量；

S13 针对数据进行归一化处理，把数据映射到[-1,1]的区间范围内；

S14 将归一化处理后的数据划分为训练集和测试集；其中训练集中的待重建的目标节点数据为训练数据输出，目标节点的邻居节点的测量数据为训练数据输入；测试集中的存在缺失数据的目标节点数据作为测试数据输出，目标节点的邻居节点的测量数据为测试数据输入。

4.如权利要求1所述的无线传感器网络缺失数据重建方法，其特征在于，所述S2包括：

S21 根据数据集的划分情况确定网络结构，初始化网络参数，并初始化隶属函数和模糊规则。

S22 使用训练集进行网络的训练得到网络模型，并对隶属函数和模糊规则进行进一步的更正。

S23 在训练模型中输入测试集并输出预测结果，完成进行缺失数据的重建。

5.如权利要求4所述的无线传感器网络缺失数据重建方法，其特征在于，所述S22包括：

S221 计算误差。

其中，y_d与y_c分别表示网络的期望输出与预测输出，e为期望输出与预测输出的误差。

S222 计算变量x_j的隶属度和连乘积。

其中，与分别表示隶属度函数的中心与宽度，k表示输入参数，n表示模糊子集数，j＝1,2,…,k；i＝1,2,…,n。

S223 修正系数。

其中，表示网络系数，a表示网络学习率。

S224 修正参数。

S225 计算输出值y_i。

6.如权利要求5所述的无线传感器网络缺失数据重建方法，其特征在于，选用公式(9)所示的均方误差MSE与公式(10)所示的决定系数R²作为方法性能的判断依据：

其中，均方误差MSE表示无线传感器网络的预测精度；决定系数R²用来表示无线传感器网络模型的拟合程度，n为训练样本数目，x_i与分别表示第i个样本的真实值与预测值。

7.如权利要求1所述的无线传感器网络缺失数据重建方法，其特征在于，所述S3包括：

S31 引入滑动窗口；

S32 使用K-均值算法作为更新准则。

8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。

10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1到7任一项所述的方法。