CN104394599B - 一种应用于m2m网络的csma/ca协议的设计方法 - Google Patents

一种应用于m2m网络的csma/ca协议的设计方法 Download PDF

Info

Publication number
CN104394599B
CN104394599B CN201410725183.3A CN201410725183A CN104394599B CN 104394599 B CN104394599 B CN 104394599B CN 201410725183 A CN201410725183 A CN 201410725183A CN 104394599 B CN104394599 B CN 104394599B
Authority
CN
China
Prior art keywords
node
sample
samples
marked
subset
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410725183.3A
Other languages
English (en)
Other versions
CN104394599A (zh
Inventor
陈珊珊
王夫龙
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201410725183.3A priority Critical patent/CN104394599B/zh
Publication of CN104394599A publication Critical patent/CN104394599A/zh
Application granted granted Critical
Publication of CN104394599B publication Critical patent/CN104394599B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W74/00—Wireless channel access
    • H04W74/08—Non-scheduled access, e.g. ALOHA
    • H04W74/0808—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA]
    • H04W74/0816—Non-scheduled access, e.g. ALOHA using carrier sensing, e.g. carrier sense multiple access [CSMA] with collision avoidance
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

本发明公开了一种应用于M2M网络的CSMA/CA协议的设计方法，该方法能够降低M2M网络中高能耗节点的能量消耗，在延长M2M网络中高能耗节点生命周期的同时可保证M2M网络数据传输的可靠性，该方法应用于M2M网络的CSMA/CA协议。包括：步骤1：在M2M网络中监测节点进行权限分配；步骤2：周期性检测M2M网络中监测节点运行状态，当监测节点处于空闲状态时执行步骤3，当监测节点处于数据待发送状态时执行步骤4；步骤3：监测节点执行休眠操作，间隔一段时间后执行步骤2；步骤4：M2M网络执行信道争用操作，监测节点获取信道使用权后，执行步骤5；步骤5：监测节点上传数据，数据上传完成后执行步骤2。

Description

一种应用于M2M网络的CSMA/CA协议的设计方法
技术领域
本发明涉及一种应用于M2M网络的CSMA/CA协议的设计方法，属于物联网节能通信技术领域。
背景技术
目前在使用IEEE 802.11协议的M2M网络环境中，在基于“AP节点+终端节点”模型的M2M网络场景中，终端节点具有数量多、分布随机、对环境信息采集随机性强等特点，并且终端节点多用于向AP节点上传采集的数据，属于单向传输模式，因此这类M2M网络中出现信道争用现象较为严重。虽然M2M网络中终端节点通常具有较低的能量消耗，但对于终端节点数量多的M2M网络，有限的能源仍然是其发展的瓶颈。在使用IEEE 802.11协议的M2M网络中，传统CMSA/CA协议的应用可以在一定程度上缓解信道争用带来的影响，但该协议不能解决M2M网络中高能耗节点在信道争用时能源使用效率低的问题。而通常在使用电池型终端节点的M2M网络中，网络的生命周期通常受限于高能耗节点的生命周期。
M2M网络中，对于CSMA/CA协议的改进通常是通过改进退避算法来提高网络性能。徐志江等人在论文IEEE 802.11网络中增强的退避算法中给出了一种增强型的退避算法，通过对网络中的动态站点数进行估计，自适应改变退避算法的竞争窗口来提高系统的性能和吞吐量。
上述对CSMA/CA协议改进增强的退避算法可以使网络性能更稳定，可以使吞吐量和每秒数据发送量随动态站点数量变化的波动比传统CSMA/CA协议要小。但是，由于改进的增强性退避算法受限于事件发生频率和随机值的大小，因此在事件发生频率较低的网络中该增强的退避算法适用性不强。
Hsiang-Ho Lin等人在论文DeepSleep:IEEE 802.11 Enhancement for Energy-Harvesting Machine-to-Machine Communications中给出了网络中节点的深度休眠方法，通过对高能耗节点在低于预先设定的能量值时授予其高权限，这样可以实现高能耗节点在没有数据上传时可快速进入休眠模式进行节能；当高能耗节点有数据需要上传时，可立即进入信道监听状态，且在信道空闲时获得最少的退避时间，通过这种深度休眠方案的实施使得高能耗节点在通信中可以尽可能的实现节能。文章中的实验表明，深度休眠算法有较好的节能效果，并且不会大幅增加网络中其他节点的能耗。
上述深度休眠方法在节点数目较少的网络中有较好的适用性，但是在节点数目较多的网络中，当大多数节点低于预先设定的能量值时，较多的高权限节点会使网络中信道争用的几率增加，这种情况下该方案会增加网络能耗而无法达到预期的节能效果。而本发明能够很好地解决上面的问题。
发明内容
本发明目的在于提出了一种应用于M2M网络的CSMA/CA协议的设计方法，该方法能够降低M2M网络中高能耗节点的能量消耗，在延长M2M网络中高能耗节点生命周期的同时可保证M2M网络数据传输的可靠性，该方法应用于M2M网络的CSMA/CA协议。
方法流程
步骤1：对M2M网络中监测节点进行权限分配；
步骤2：周期性检测M2M网络中监测节点运行状态，当监测节点处于空闲状态时执行步骤3，当监测节点处于数据待发送状态时执行步骤4；
步骤3：监测节点执行休眠操作，间隔一段时间后执行步骤2；
步骤4：M2M网络执行信道争用操作，监测节点获取信道使用权后，执行步骤5；
步骤5：监测节点上传数据，数据上传完成后执行步骤2。
在上述步骤1中，本发明对M2M网络中监测节点进行权限分配的方法，具体包括：
M2M网络中监测节点均设置参数Priority,用于记录该节点的权限。其中，节点Priority＝0表示低权限，节点为低能耗节点；节点Priority＝1表示高权限，节点为高能耗节点。各监测节点Priority初值均设为0；
AP节点中设置参数count_up[i](i＝1,2,3…)，用于记录各监测节点的数据上传次数，count_up[i](i＝1,2,3…)初始值均设为0，每次监测节点i上传数据成功时count_up[i]+1；
AP节点中设置参数count_all，用于记录M2M网络中监测节点上传总数，count_all初始值设为0，每次有节点上传数据成功时count_all+1；
AP节点中设置参数count_num，用于记录M2M网络中节点总数，AP节点通过查看路由表信息获取count_num值；
AP节点中设置常数N，用于M2M网络中监测节点权限分配时，对设定高能耗节点的标准进行控制。
AP节点中设置常数Ejudge，监测节点能量消耗至Ejudge时向AP节点请求权限变更。
本发明设置上述参数完毕后，根据各监测节点事件发生量进行权限的分配方法，具体包括：
以监测节点i为例，当监测节点i能量值低于Ejudge时，监测节点i向AP节点发出权限变更请求，AP节点根据监测节点i对应的count_up[i]值与网络中监测节点上传次数的均值count_mean进行比较；
其中，
若count_up≥N·count_mean，则AP节点向监测节点i发出允许修改权限的应答，监测节点i收到AP节点的应答后将其Priority置1，即为高能耗节点；反之，AP节点向监测节点i发出禁止修改权限的应答，监测节点i收到AP节点的应答后其Priority保持不变，即为低能耗节点。
本发明能够有效地对网络中各监测节点进行权限分配。M2M网络中监测节点进行权限分配，可将M2M网络中事件发生频率明显高于事件平均发生频率的监测节点从网络中标记出，将其Priority置1，即为高能耗节点。
在上述步骤4中，本发明M2M网络执行信道争用操作，监测节点发生信道争用的的情况可分为三种，包括：
1、高能耗节点与低能耗节点之间发生的信道争用；
2、高能耗节点与高能耗节点之间发生的信道争用；
3、低能耗节点与低能耗节点之间发生的信道争用。
其中，本发明的高能耗节点与低能耗节点之间发生的信道争用方法，包括：
高能耗节点A与低能耗节点B同时向AP节点发出RTS请求；
当AP节点检测到冲突产生时，AP节点向M2M网络中发出询问信息，询问是否有高能耗节点需要数据上传；
A节点收到询问信息后向AP节点发出确认信息，确认其为高能耗节点，B节点收到询问信息后进行回退,退出本次信道争用；
AP节点收到A节点的确认信息后，向A节点发出CTS信息；
A节点收到CTS信息后进行数据上传。
本发明的高能耗节点与高能耗节点之间发生的信道争用方法，包括：
高能耗节点A与高能耗节点B同时向AP节点发出RTS请求；
当AP节点检测到冲突产生时，AP节点向M2M网络中发出询问信息，询问是否有高能耗节点需要数据上传；
A节点收到询问信息后发出确认信息，确认其为高能耗节点，B节点收到询问信息后也发出确认信息，确认其为高能耗节点；
AP节点再次检测到冲突后，不进行任何操作；
A、B节点在一段时间内没有收到AP节点发出的CTS信息后均进行回退，A、B节点进入下一次信道争用；
本发明的低能耗节点与低能耗节点之间的信道争用方法，包括：
低能耗节点A与低能耗节点B同时向AP节点发出RTS请求；
当AP节点检测到冲突产生时，AP节点向M2M网络中发出询问信息，询问是否有高能耗节点需要数据上传；
A节点收到询问信息后进行回退，相应的B节点收到询问信息后也进行回退，A、B节点进入下一次信道争用。
有益效果：
1、本发明能够在监测节点能量消耗的初期进行权限分配，可使监测节点中高能耗节点更早的进行节能操作。
2、本发明为M2M网络中高能耗节点提供优先使用信道的权利，有利于延长网络中高能耗节点的生命周期，进而延长M2M网络的整体生命周期。
附图说明
图1为本发明实施例中适用的M2M网络模型图。
图2为本发明实施例中CSMA/CA协议的设计方法流程图。
图3为本发明实施例中监测节点i实施权限分配流程图。
图4为本发明实施例中AP节点实施权限分配流程图。
图5为本发明实施例中监测节点i实施信道争用流程图。
图6为本发明实施例中AP节点实施信道争用流程图。
具体实施方式
下面结合说明书附图，对本发明的优选实施例进行详细描述。
图1为本发明实施例中适用的M2M网络模型图，如图1所示，本发明适用于“AP节点+监测节点”的M2M网络场景，该类型M2M网络场景具有的特点包括：
1、监测节点负责采集周边环境数据，并上传至AP节点；
2、监测节点在M2M网络中随机分布，监测节点与AP节点进行数据交互时可直接通信，不需要中继节点；
3、监测节点单次上传数据量较小、节点采集数据的时间具有随机性；
4、监测节点为电池型设备，节点能源有限，AP节点对能源供应无限制要求；
5、监测节点具备可休眠特性。
常见的此类M2M网络模型应用，如火灾预警系统、小区安监报警系统、土壤湿度监测系统等。
本发明实施例中，适用于M2M网络的CSMA/CA协议的设计方法需要多个步骤，图2为本发明实施例中CSMA/CA协议的设计方法流程图。如图2所示，CSMA/CA协议的设计方法的具体实施过程有如下步骤：
步骤A1—M2M网络中实施监测节点权限分配算法。
步骤A1具体为，M2M网络中实施监测节点权限分配算法分两部，分别为监测节点实施权限分配算法和AP节点实施权限分配算法。
其中，监测节点实施权限分配算法具体实施过程，以监测节点i为例，图3为本发明实施例中监测节点i实施权限分配流程图。如图3所示，监测节点i实施权限分配具体过程包括：
步骤B1—在监测节点i中设置参数Priority，并赋初值为0；设置常数Ejudge。
步骤B2—监测节点i检测节点剩余电量Ei，并根据Ei与Ejudge比较结果执行相应操作。当Ei≤Ejudge时，执行步骤B3；当Ei＞Ejudge时，在等待一段时间后，执行步骤B2。
步骤B3—监测节点i向AP节点发送权限变更请求，并等待AP节点应答。
步骤B4—监测节点i在收到AP节点的应答后，根据应答信息执行相应操作。若应答内容为允许修改权限，监测节点i将Priority置1；若应答信息为禁止修改权限，监测节点i不进行任何操作。
以此类推，M2M网络中其余各监测节点按照上述步骤B1、步骤B2、步骤B3、步骤B4进行，可完成M2M网络中监测节点实施权限分配算法的操作。
其中，AP节点实施权限分配具体实施过程，图4为本发明实施例中AP节点实施权限分配流程图。如图4所示，AP节点实施权限分配具体过程包括：
步骤C1—AP节点设置参数count_up[i](i＝1,2,3…),并赋初值为0；设置参数count_all，并赋初值为0；设置参数count_num，通过AP节点路由表信息获取count_num值；设置常数N。
步骤C2—AP节点监听信道，接收来自监测节点的请求信息。在收到监测节点请求信息后，以监测节点i为例，根据监测节点i请求信息执行相应操作。当监测节点i请求上传数据时，执行步骤C3；当监测节点i请求权限变更时，执行步骤C4。
步骤C3—AP节点将监测节点i对应参数count_up[i]进行加1操作，参数count_all进行加1操作，同时执行步骤C2；
步骤C4—AP节点读取监测节点i相关参数值count_up[i]、count_all、count_num以及常数N。根据公式计算出监测节点上传次数均值count_mean，并根据count_up与N·count_mean值比较结果执行相应操作。当count_up＞N·count_mean时，执行步骤C5；当count_up≤N·count_mean时，执行步骤C6。
步骤C5—AP节点向监测节点i发出允许修改权限应答。AP节点执行监测节点权限分配算法结束。
步骤C6—AP节点向监测节点i发出禁止修改权限应答。AP节点执行监测节点权限分配算法结束。
M2M网络中AP节点按照上述步骤C1、步骤C2、步骤C3、步骤C4、步骤C5和步骤C6执行，可完成AP节点实施权限分配算法的操作。
步骤A2—监测节点查看自身状态执行相应操作。当监测节点处于空闲状态时，执行步骤A3；当监测节点处于数据待传状态时，执行步骤A4。
步骤A3—监测节点执行休眠操作，等待一段时间后执行步骤A2。
步骤A4—M2M网络执行信道争用算法。
步骤A4具体为，M2M网络实施信道争用算法分两部分，分别为监测节点实施信道争用算法和AP节点实施信道争用算法。
其中，监测节点实施信道争用算法具体实施过程，以监测节点i为例，图5为本发明实施例中监测节点i实施信道争用流程图，如图5所示，监测节点i实施信道争用的具体过程包括：
步骤D1—监测节点i有数据待上传时，节点进行信道监听；当检测到信道空闲时，监测节点i向AP节点发送RTS请求，请求数据上传。
步骤D2—监测节点i根据AP节点响应信息执行相应操作。当响应信息为询问权限信息时，执行步骤D3；当响应信息为允许发送数据时，执行步骤D6。
步骤D3—监测节点i查看自身权限Priority，并根据Priority值执行相应操作。当Priority＝1时，执行步骤D4；当Priority＝0，时执行步骤D5。
步骤D4—监测节点i向AP节点发出高权限确认信息，并根据AP节点响应信息执行相应操作。当响应信息为允许发送数据信息时，执行步骤D6；当监测节点i在一段时间内没有收到AP点的应答，执行步骤D5。
步骤D5—监测节点i进行回退，回退结束后执行步骤D1。
步骤D6—监测节点i获得信道使用权，准备数据上传，信道争用过程结束。
M2M网络中监测节点按照上述步骤D1、步骤D2、步骤D3、步骤D4、步骤D5和步骤D6进行，可完成对监测节点实施的信道争用操作。
其中，AP节点实施信道争用算法具体实施过程，图6为本发明实施例中AP节点实施信道争用流程图。如图6所示，AP节点实施信道争用的具体过程包括：
步骤E1—AP节点进行信道监听，当有监测节点发送RTS信息时，AP节点检测RTS信息是否完整。若RTS信息完整，执行步骤E2；若RTS信息不完整，执行步骤E3。
步骤E2—AP节点向RTS请求节点发送CTS信息，允许请求节点上传数据，并执行步骤E5。
步骤E3—AP节点向M2M网络发送权限询问信息，询问RTS请求节点Priority值是否为1，并根据监测节点响应信息执行相应操作。当收到监测节点响应信息为Priority＝1时，执行步骤E4；若在一段时间内没有收到响应信息或者响应信息接收不正确，执行步骤E1。
步骤E4—AP节点向响应节点发送CTS信息，允许该响应节点上传数据，并执行步骤E5。
步骤E5—AP节点信道争用算法执行结束。
M2M网络中AP节点按照上述步骤E1、步骤E2、步骤E3、步骤E4、步骤E5进行，可完成对AP节点实施的信道争用操作。
步骤A5—监测节点进行数据上传操作。数据上传完毕后，执行步骤A2。
M2M网络各节点按照上述步骤A1、步骤A2、步骤A3、步骤A4、步骤A5执行，可完成对CSMA/CA协议的设计方法的实施操作。
本发明的实施例，仅用以说明本发明的技术方案而非限制，尽管通过上述实施例已经对本发明进行了详细的叙述，但本领域技术人员应当理解，本领域技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对其形式上和细节上做出各种各样的改变、修改、替换和变形。

Claims (6)

1.一种半监督的最小最大模块化模式分类方法，其特征在于，所述方法向M3网络任务分解阶段得到的有标记样本子集中加入未标记样本，利用数据生成模型的隐藏变量来衔接有标记样本与未标记样本，并将隐藏变量与有标记样本的后验概率作为有标记样本的新特征，然后利用Min-Max集成规则得到原始问题的解，包括如下步骤：
步骤1：数据划分；
根据M3网络的任务分解原则将原始的有标记样本集划分；同时也将未标记样本集进行等分，其样本子集的个数与有标记样本子集的个数相同；
步骤2：未标记样本子集的分配；
将未标记样本子集依据子集中心点距离最远的原则无重复地添加到二类有标记样本子集中；此时，每个独立的训练样本子集中包含两部分，一部分是有标记二类样本子集，另一部分是未标记样本子集；
步骤3：隐藏特征生成；
对于每个训练子集，假定其中的有标记样本与未标记样本都由同一生成式模型产生，且有标记样本和未标记样本的产生过程由隐藏变量zk决定；利用概率潜在语义分析PLSA方法求解隐藏变量，将求解得的隐藏变量和有标记样本的后验概率作为该有标记样本的新特征；在添加新特征后的有标记样本子集上训练分类器；
步骤4：测试样本的特征空间转换；
训练样本的特征空间若已改变，测试样本特征空间也应映射到与训练样本相同的特征空间中，通过提取每个测试样本在训练子集中的最近邻的n个有标记样本，估计出隐藏变量与测试样本的后验概率值作为测试样本的新特征；
步骤5：模块化集成；
用训练阶段得到的分类器为测试样本预测标签，使用Min-Max规则将所有基分类器的预测结果进行集成以得到原始问题的解；
M2M网络中监测节点均设置参数Priority,用于记录该节点的权限，其中，节点Priority＝0表示低权限，节点为低能耗节点；节点Priority＝1表示高权限，节点为高能耗节点，各监测节点Priority初值均设为0；
高能耗节点与低能耗节点之间发生的信道争用方法，包括：
高能耗节点A与低能耗节点B同时向AP节点发出RTS请求；
当AP节点检测到冲突产生时，AP节点向M2M网络中发出询问信息，询问是否有高能耗节点需要数据上传；
A节点收到询问信息后向AP节点发出确认信息，确认其为高能耗节点，B节点收到询问信息后进行回退,退出本次信道争用；
AP节点收到A节点的确认信息后，向A节点发出CTS信息；
A节点收到CTS信息后进行数据上传；
高能耗节点与高能耗节点之间发生的信道争用方法，包括：
高能耗节点A与高能耗节点B同时向AP节点发出RTS请求；
当AP节点检测到冲突产生时，AP节点向M2M网络中发出询问信息，询问是否有高能耗节点需要数据上传；
A节点收到询问信息后发出确认信息，确认其为高能耗节点，B节点收到询问信息后也发出确认信息，确认其为高能耗节点；
AP节点再次检测到冲突后，不进行任何操作；
A、B节点在一段时间内没有收到AP节点发出的CTS信息后均进行回退，A、B节点进入下一次信道争用；
低能耗节点与低能耗节点之间的信道争用方法，包括：
低能耗节点A与低能耗节点B同时向AP节点发出RTS请求；
当AP节点检测到冲突产生时，AP节点向M2M网络中发出询问信息，询问是否有高能耗节点需要数据上传；
A节点收到询问信息后进行回退，相应的B节点收到询问信息后也进行回退，A、B节点进入下一次信道争用。
2.根据权利要求1所述的一种半监督的最小最大模块化模式分类方法，其特征在于：所述方法将M3网络和半监督学习结合，包括如下步骤：
步骤1：数据划分；
将原始的有标记样本集SL依据M3网络的样本划分原则按超平面划分方法划分成个有标记样本子集，Mi和Mj分别代表SL中第Ci类和第Cj类样本所划分的块数；同时也将未标记样本集进行等分，其样本子集的个数与有标记样本子集的个数相同；
步骤2：未标记样本子集的分配；
计算各样本子集的中心点，将未标记样本分配到距其中心点距离最远的有标记样本子集中；此时，每个独立的训练样本子集中包含两部分，一部分是有标记二类样本子集，另一部分是未标记样本子集；
步骤3：隐藏特征生成；
训练子集中有标记样本子集用Slabeled表示，未标记样本子集用Sunlabeled表示；假设有标记样本和未标记样本均由一生成模型产生，且在有标记样本与未标记样本背后存在一些隐藏变量z1,z2,...,zK″用于决定整个样本生成过程，包括：
1)从所有隐藏变量中以概率P(zk)选定zk；
2)给定隐藏变量zk，以条件概率P(lXt|zk)生成有标记样本lXt；
3)给定隐藏变量zk，以条件概率P(uXr|zk)生成未标记样本uXr；
有标记样本lXt的生成仅与隐藏变量zk有关，而与未标记样本无关；同样的，未标记样本uXr的生成也仅与隐藏变量zk有关，与有标记样本无关；通过该模型产生的有标记样本lXt与未标记样本uXr之间是相互独立的；依据概率论中条件独立性质，有如下等式成立：
P(lXt,uXr|zk)＝P(lXt|zk)P(uXt|zk) 公式1
可以将上述样本产生过程解释为如下两个概率模型表达式：
P(lXt,uXr)＝P(lXt)P(uXr|lXt) 公式2
依据欧氏距离建立有标记样本与未标记样本之间的关系，
lxt,d表示第t个有标记样本的第d个特征；uxr,d表示第r个未标记样本的第d个特征；
利用概率潜在语义分析PLSA方法根据上面建立的数据模型设计一个似然函数，通过期望最大化EM方法获得最大的似然估计值；
依据PLSA方法的思想先建立log似然函数，然后逐步优化该函数获得最优的P(zk)、P(lXt|zk)和P(uXr|zk)，包括如下步骤：
(1)建立似然函数logP(Slabeled,Sunlabeled,Z)；
根据贝叶斯公式，有条件概率
成立，由等式(1)、(2)、(3)，则Slabeled与Sunlabeled之间的联合概率密度函数可以进一步改写成：
上式可以看作是在所有隐藏变量zk条件下求得的边缘概率函数，再依据条件概率公式5可以推导如下：
至此，得到所有样本上的似然函数公式：
其中，θtr是未标记样本uXi和有标记样本lXt的距离；K″是隐藏变量的个数；w+g是每个训练样本子集中所含的有标记样本的个数；ν是每个训练样本子集中所含的未标记样本的个数；
(2)最大化log似然函数
最大化log似然函数就是利用EM方法迭代优化函数公式8，E步骤是用有标记样本和未标记样本计算P(zk|lXt,uXr)；M步骤是用得到的P(zk|lXt,uXr)值计算条件概率P(lXt|zk)和P(uXr|zk)获得最大的似然值；
迭代更新公式9～公式12，使得公式8的似然函数f获得最大值，循环终止条件可以是达到最大迭代次数或者是算法满足收敛条件；
利用得到的最优解可以求得隐藏特征值，该值可视为有标记样本lXt的新特征，lXt的新特征公式定义如公式13所示，该式描述为有标记样本lXt与隐藏变量zk的后验概率；
则一个新的有标记样本由原始特征空间中的特征值和新产生的特征值组成，表示为：继而可以得到新的有标记样本子集
步骤4：测试样本的特征空间转换；
由于训练样本的特征空间已改变，测试样本特征空间也应映射到训练样本相同的特征空间中，测试阶段仍然采用测试样本tXa与隐藏变量zk的后验概率作为测试样本的新特征，如公式16所示；
在有标记样本集Slabeled中获得的n个近邻样本，隐藏变量zk从训练阶段直接得到；测试样本tXa与隐藏变量zk之间相互独立，则P(tXa|zk)可以被拆分成两部分：P(tXa|Ω)和P(Ω|zk)；利用近邻矩阵Ω与测试样本tXa的欧氏距离表示P(tXa|Ω)，由于Ω属于有标记样本子集Slabeled的一部分，则可以将P(tXa|Ω)改成P(tXa|lXt)，将P(Ω|zk)改成P(lXt|zk)，且lXt∈Ω，测试样本tXa的新特征产生公式14以重新定义为如式15示；
步骤5：模块化集成；
用训练阶段得到的分类器为测试样本预测标签，使用Min-Max规则将所有基分类器的预测结果进行集成以得到原始问题的解。
3.根据权利要求1所述的一种半监督的最小最大模块化模式分类方法，其特征在于：所述方法依据生成式半监督学习，整合有标记样本与未标记样本，利用有标记样本与未标记样本之间的隐藏特性来构造新的特征，获得新的有标记样本集，并在新的有标记样本集上训练分类器。
4.根据权利要求1所述的一种半监督的最小最大模块化模式分类方法，其特征在于：所述方法扩展了最小最大模块化网络的应用范围。
5.根据权利要求1所述的一种半监督的最小最大模块化模式分类方法，其特征在于：所述方法是利用添加特征后的有标记样本训练分类器。
6.一种如权利要求1所述的半监督的最小最大模块化模式分类方法应用于最小最大模块化网络。
CN201410725183.3A 2014-12-03 2014-12-03 一种应用于m2m网络的csma/ca协议的设计方法 Active CN104394599B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410725183.3A CN104394599B (zh) 2014-12-03 2014-12-03 一种应用于m2m网络的csma/ca协议的设计方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410725183.3A CN104394599B (zh) 2014-12-03 2014-12-03 一种应用于m2m网络的csma/ca协议的设计方法

Publications (2)

Publication Number Publication Date
CN104394599A CN104394599A (zh) 2015-03-04
CN104394599B true CN104394599B (zh) 2018-03-06

Family

ID=52612413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410725183.3A Active CN104394599B (zh) 2014-12-03 2014-12-03 一种应用于m2m网络的csma/ca协议的设计方法

Country Status (1)

Country Link
CN (1) CN104394599B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108430054B (zh) * 2018-03-14 2020-12-01 南京邮电大学 基于时延优先级的多信道csma带宽分配方法
CN109887143B (zh) * 2019-02-28 2021-08-10 美智光电科技股份有限公司 用于智能门锁的控制方法、装置及智能门锁

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102395146A (zh) * 2011-12-09 2012-03-28 中国科学院上海微系统与信息技术研究所 一种面向多目标点监测的无线传感网感知拓扑构建方法
CN102638862A (zh) * 2012-03-05 2012-08-15 中国人民解放军空军工程大学 大规模无线传感器网络路由的实现方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102395146A (zh) * 2011-12-09 2012-03-28 中国科学院上海微系统与信息技术研究所 一种面向多目标点监测的无线传感网感知拓扑构建方法
CN102638862A (zh) * 2012-03-05 2012-08-15 中国人民解放军空军工程大学 大规模无线传感器网络路由的实现方法

Also Published As

Publication number Publication date
CN104394599A (zh) 2015-03-04

Similar Documents

Publication Publication Date Title
Sharma et al. Toward massive machine type communications in ultra-dense cellular IoT networks: Current issues and machine learning-assisted solutions
Liang et al. A cluster-based congestion-mitigating access scheme for massive M2M communications in Internet of Things
Tao et al. Content-centric sparse multicast beamforming for cache-enabled cloud RAN
Oladejo et al. Latency-aware dynamic resource allocation scheme for multi-tier 5G network: A network slicing-multitenancy scenario
WO2022037676A1 (zh) 基于用户在线学习与低开销合作的动态频谱共享方法
Ko et al. Joint client selection and bandwidth allocation algorithm for federated learning
Chen et al. Deep Q-network based resource allocation for UAV-assisted ultra-dense networks
CN109890085B (zh) 一种分优先级机器类通信随机接入退避参数确定方法
Han et al. Reinforcement learning for efficient and fair coexistence between LTE-LAA and Wi-Fi
Wang et al. A high reliable computing offloading strategy using deep reinforcement learning for iovs in edge computing
Chen et al. Contention resolution in Wi-Fi 6-enabled Internet of Things based on deep learning
Li et al. A distributed TDMA scheduling algorithm based on exponential backoff rule and energy-topology factor in Internet of Things
CN104540203B (zh) 基于独立集的无线体域网能效优化方法
Ahmed et al. A QoS-aware MAC protocol for IEEE 802.11 ah-based Internet of Things
Tian et al. Accurate sensor traffic estimation for station grouping in highly dense IEEE 802.11 ah networks
Park et al. Kolkata paise restaurant game for resource allocation in the internet of things
Tian et al. Multi-objective surrogate modeling for real-time energy-efficient station grouping in IEEE 802.11 ah
CN104394599B (zh) 一种应用于m2m网络的csma/ca协议的设计方法
Elnaim et al. Energy Consumption for Cognitive Radio Network Enabled Multi-Access Edge Computing
Liu et al. Robust power control for clustering-based vehicle-to-vehicle communication
Chen et al. The contract net based task allocation algorithm for wireless sensor network
Abegunde et al. A smart game for data transmission and energy consumption in the internet of things
Qiao et al. Optimal channel selection based on online decision and offline learning in multichannel wireless sensor networks
Liu et al. Game based robust power allocation strategy with QoS guarantee in D2D communication network
Liu et al. A successive transmission medium access scheme with dynamic contention window for VLC system with saturated traffic

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant