基于力导向算法与迁移学习的无线传感器网络覆盖空洞检测
网络与互联网体系结构
2022-04-05 v1
摘要
覆盖空洞检测是无线传感器网络研究界的一个重要研究问题。然而，近年来提出的用于覆盖空洞检测问题的分布式方法具有较高的计算复杂度。本文提出一种用于无线传感器网络中覆盖空洞检测的新方法 FD-TL（Force-directed and Transfer-learning，力导向与迁移学习），该方法基于力导向算法的布局生成能力以及采用迁移学习的卷积神经网络的图像识别能力。与现有方法不同，所提方法是一种纯基于拓扑的方法，因为 FD-TL 能够基于输入的网络拓扑检测无线传感器网络中的三角形与非三角形覆盖空洞，而无需依赖锚节点的物理位置。在 FD-TL 中，使用力导向算法从给定输入拓扑生成一系列可能的布局。接着，使用卷积神经网络从生成的布局中识别潜在的覆盖空洞。在训练阶段，采用迁移学习方法来辅助识别过程。实验结果表明，FD-TL 方法在无线传感器网络覆盖空洞检测中可达到 90% 的灵敏度和 96% 的特异度。
引用
@article{arxiv.2204.01592,
title = {Coverage hole detection in WSN with force-directed algorithm and transfer learning},
author = {Yue-Hui Lai and Se-Hang Cheong and Hui Zhang and Yain-Whar Si},
journal= {arXiv preprint arXiv:2204.01592},
year = {2022}
}