平衡无线传感器网络的寿命与分类精度
网络与互联网体系结构
2012-08-14 v1 机器学习
摘要
无线传感器网络由分布式传感器组成，可用于信号检测或分类。假设的似然函数通常事先未知，决策规则必须通过监督学习来学习。一种具体的此类算法是Fisher判别分析（FDA），其分类精度先前已在无线传感器网络的背景下研究过。然而，先前的工作没有考虑传感器网络的通信协议或电池寿命；在本文中，我们通过提出一个捕捉电池寿命与分类精度之间关系的模型来扩展现有研究。为此，我们将FDA与一个捕捉载波侦听多路访问（CSMA）算法（用于调节传感器网络通信的随机访问算法）动态的模型相结合。这使我们能够研究分类精度、电池寿命和学习投入之间的相互作用，以及CSMA的退避率对精度的影响。我们描述了训练阶段长度与精度之间的权衡，并表明由于训练样本大小和过拟合的变化，精度在退避率上非单调。
引用
@article{arxiv.1208.2278,
title = {Balancing Lifetime and Classification Accuracy of Wireless Sensor Networks},
author = {Kush R. Varshney and Peter M. van de Ven},
journal= {arXiv preprint arXiv:1208.2278},
year = {2012}
}