Predictive model-aided filtering scheme of data-collection in WSN
摘要
纸建议过滤机制(PMF ) 解决浪费的精力在无线传感器网络(WSN ) 由时间冗余的数据引起了的传播的问题的 prediction-mode-based，根据在数据收集的采样系列上的时间空间的关联的特征。优先的工作建议了几条途径到精力经由数据聚集树结构在数据传播过程期间花费了的减少。在上面的研究与那些方法区分开来，我们的建议计划主要集中于在事件来源减少时间的冗余的度经由自我适应的过滤完成节省精力的效果结构。为精力有效的收集的 PMF 的框架为采矿由预言模块组成时间领域的变化法律，为更新模型，并且为控制数据过滤驾驶模块的自我学习的模块操作。与驾驶散布统治的统治和阀值的错误的设计结合了，它是在上述过滤机制的中间件，在网络的传播负担的数量能极大地在服务(QoS ) 的质量的前提上被禁止保证和精力消费能因而被减少。最后，试验性的结果证明 PMF 的表演能显著地在节省精力的效果和自我适应性上超过一些古典数据收集算法。
引用本文（GB/T 7714）
Huang, Zhang, Zai-chen, 等. Predictive model-aided filtering scheme of data-collection in WSN[J]. 中国邮电高校学报：英文版, 2011.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。