[发明专利]物联网中基于神经网络的跨媒体数据融合方法

说明书

本发明了一种物联网中基于神经网络的跨媒体数据融合方法。包括以下步骤：（1）输入各单一媒体样本数据集和跨媒体样本集（2）对整个物联网网络进行分簇，并将网络初始化成多入单出神经网络（3）根据输入的各单一媒体样本集训练出多入单出神经网络（4）用训练出的神经网络输入层在物联网中采集数据，并将单一媒体数据融合至簇头节点输出，完成单一媒体的数据融合（5）以簇头节点作为新的输入层节点，对新的输入层节点再次分簇，并将其初始化成多入多出神经网络（6）根据跨媒体样本集，训练出多入多出神经网络（7）通过训练出的多入多出神经网络将新输入层的各单一媒体数据融合到sink节点，完成跨媒体的数据融合。

技术领域

本发明涉及数据融合领域，具体涉及到一种物联网中基于神经网络的跨媒体数据融合方法。

背景技术

物联网(Internet of things)是通过智能感知、识别与普适计算等通信感知技术，实现物物相连的互联网。无线传感器网络是物联网的重要组成部分。基于无线传感器网络的物联网有网络规模大，采集数据量庞大，且同种机器(物品)产生的数据高度相似的特点。因此，若将每个节点感知的数据直接发送给sink节点，不但造成网络资源的浪费，而且不能根据用户需求获取所需数据(一般用户在物联网中获取的数据是机器产生的高度相似的单一媒体数据)，也不能实现跨媒体的数据融合。针对上述问题，需要寻求新的解决方案。

对无线传感器网络进行分簇具有拓扑管理方便、能量利用高效、数据融合简单等优点。将感知区域内的感知节点划分成多个簇，每个簇通常包括若干个簇头节点和多个簇内成员节点，由簇头节点负责对簇内成员节点感知的数据进行融合，从而减少数据通信量。在一个簇内，成员节点负责采集数据，然后将采集的数据上传至簇头节点，簇头节点承担簇内数据收集、压缩融合处理、各簇头将处理后的数据转发至sink节点。簇内节点的数据经簇头节点压缩融合处理后，大量的冗余数据将被丢弃。

数据融合(data fusion)是无线传感器网络中一种减少传感器节点间的数据通信、降低能耗、延长网络寿命的有效技术手段。数据融合技术对系统的影响主要表现在两个方面:节省能耗、增加时延。实际上，这是一对无法调和的矛盾。也就是说，通过数据融合方法可以节省能耗，但不可避免地增加了数据传输的延迟时间。数据融合技术最早应用于军事领域，目前融合的方法主要分为三类：基于像元级的融合、基于特征级的融合和基于决策级的融合，融合水平依次从低到高。随着数据融合技术的发展，实际应用的需求和研究领域的细分，衍生出新的研究领域，跨媒体数据融合。跨媒体数据融合作为数据融合的一个子领域，主要解决不同模态媒体间的数据融合问题，这类问题的主要特点是：不同模态媒体间的数据向量维度相差很大，不易统一；不同模态媒体间提取出的特征在内容上相关性很低，融合难度大。目前，根据是否对不同媒体提取的特征向量做中间处理，跨媒体数据融合的方法分为早期跨媒体数据融合和后期跨媒体数据融合两种方案。后期跨媒体数据融合相对早期跨媒体数据融合水平明显要高，处理方法也更加丰富，但纵观目前的研究现状，这些都是远远不够的。因此应用和发明新的方法快速高效的解决上述问题具有重要意义。

神经网络与数据融合具有一个共同的基本特征，即通过对大量的数据进行一定的运算和处理，得到能够反映这些数据特征的结论性的结果。因此，可以利用神经网络的方法来实现和解决数据融合的问题。研究人员在最近几年开展了不少基于神经网络的数据融合方法的研究工作，但这些工作大部分是基于多传感器的应用场合来设计的，针对无线传感器网络应用神经网络的数据融合方法非常少见。相对而言，无线传感器网络的节点规模要明显大于多传感器应用的节点规模，而且无线传感器网络节点受到能量、处理器、存储空间等系统资源的限制，更有技术难度和挑战性。

综上所述，现有物联网中关于数据融合方法都能在一定程度上减少网络的数据传输，从而减少存储空间和冗余数据的传输，但是，如何在大量减少冗余数据传输的同时根据用户需求综合的获取数据，实现跨媒体数据融合，目前尚没有合适的解决方案。

发明内容