基于深度神经决策森林的体域网数据融合方法

• 作 者: 张辉 王杨 李昌 张鑫 赵传信
• 机 构: 安徽师范大学皖江学院,安徽师范大学计算机与信息学院
• 出 处: 计算机应用研究
• 发表日期: 2020年08期
• 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 body area networkdata fusionconvolutional neural ne
• 基金项目: 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)

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ARe M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%。