项目名称: 传感器网络拓扑特征挖掘方法及其应用

项目编号: No.60973122

项目类型: 面上项目

立项/批准年度: 2010

项目学科: 自动化技术、计算机技术

项目作者: 汪芸

作者单位: 东南大学

项目金额: 30万元

中文摘要: 近十年来,传感器网络技术得到了深入而广泛的研究。然而,绝大多数的理论研究成果无法应用于实际环境,原因在于这些成果基于各种理想模型或者假设,而实际环境往往无法满足这些条件,忽略了环境中不确定因素对系统行为造成的影响。针对这一问题,本课题将部署环境与传感器网络作为一个整体进行研究,将环境中各种不确定因素及其影响作为系统的特征进行建模,保证系统模型面对复杂多变的部署环境具有自适应能力。为达到这一目标,本课题提出了拓扑特征挖掘这一全新的研究思路,研究传感器网络特征的挖掘方法,利用局部的、易获取的、可信的拓扑信息进行逐步融合,获取传感器网络在受到实际环境影响下的整体特征。利用挖掘得到的特征,对节点定位、空洞发现、数据路由和虫洞检测等应用中的测量或检测数据进行有针对性的修正。本课题的研究成果将为传感器网络理论研究工作提供新的建模方法,摆脱对理想模型的依赖,使其具有更强的可用性。

中文关键词: 传感器网络;不确定因素;建模;拓扑特征挖掘;

英文摘要:

英文关键词: Sensor network;uncertainty;modeling;topological feature mining;

成为VIP会员查看完整内容
0

相关内容

专知会员服务
27+阅读 · 2021年8月15日
专知会员服务
83+阅读 · 2021年8月8日
专知会员服务
23+阅读 · 2021年6月9日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
216+阅读 · 2021年5月25日
专知会员服务
43+阅读 · 2021年5月24日
专知会员服务
71+阅读 · 2021年4月8日
专知会员服务
41+阅读 · 2020年12月8日
专知会员服务
44+阅读 · 2020年11月13日
专知会员服务
47+阅读 · 2020年8月27日
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
学习抓取柔性物体
TensorFlow
3+阅读 · 2021年7月5日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
网络宽度对深度学习模型性能有什么影响?
极市平台
15+阅读 · 2019年7月7日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
干货:复杂网络及其应用简介
数据猿
23+阅读 · 2018年12月21日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
56+阅读 · 2021年5月3日
Knowledge Representation Learning: A Quantitative Review
小贴士
相关VIP内容
专知会员服务
27+阅读 · 2021年8月15日
专知会员服务
83+阅读 · 2021年8月8日
专知会员服务
23+阅读 · 2021年6月9日
【2021新书】分布式优化,博弈和学习算法,227页pdf
专知会员服务
216+阅读 · 2021年5月25日
专知会员服务
43+阅读 · 2021年5月24日
专知会员服务
71+阅读 · 2021年4月8日
专知会员服务
41+阅读 · 2020年12月8日
专知会员服务
44+阅读 · 2020年11月13日
专知会员服务
47+阅读 · 2020年8月27日
相关资讯
基于机器学习的自动化网络流量分析
CCF计算机安全专委会
4+阅读 · 2022年4月8日
学习抓取柔性物体
TensorFlow
3+阅读 · 2021年7月5日
基于规则的建模方法的可解释性及其发展
专知
4+阅读 · 2021年6月23日
网络宽度对深度学习模型性能有什么影响?
极市平台
15+阅读 · 2019年7月7日
用深度学习揭示数据的因果关系
专知
28+阅读 · 2019年5月18日
干货:复杂网络及其应用简介
数据猿
23+阅读 · 2018年12月21日
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
5+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员