科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有的基于隐马尔可夫模型的边缘节点状态预估算法存在参数初值选取主观性较强、特征权重设置依赖经验、多维特征节点分析适应性差等问题,提出一种改进的边缘层节点健康状态预估算法。首先在算法的数据处理层,基于聚类实现对模型参数和观测序列量化进行优化;然后在算法的训练层,用多个单特征隐马尔可夫过程对多特征隐马尔可夫模型进行建模;最后在算法优化层,采用基于信息增益的自适应遗传算法对隐马尔可夫模型生成的状态序列进行优化和约简,有效地解决了特征权重设置和参数初值选取主观性强的问题。实验结果表明,与现有算法比较,该算法有效地提高了大规模边缘层节点的高维度健康状态的准确性。
- 单位
