文件名称：基于深度神经决策森林的体域网数据融合方法
文件大小：1.9MB
文件格式：PDF
更新时间：2024-05-20 08:19:03
体域网 数据融合 卷积神经网络
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AReM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%。