[發(fā)明專利]一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法、設(shè)備及存儲設(shè)備

在審

• 申請?zhí)枺?/td>: 201710807692.4
• 申請日: 2017-09-08
• 公開（公告）號: CN107634943A
• 公開（公告）日: 2018-01-26
• 發(fā)明（設(shè)計）人: 陳分雄;唐曜曜;陳沁儀;尹關(guān);陶然;黃華文;王典洪;劉建林;林承昆
• 申請（專利權(quán)）人: 中國地質(zhì)大學(xué)（武漢）
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04W84/18;G06N3/02
• 代理公司: 武漢知產(chǎn)時代知識產(chǎn)權(quán)代理有限公司42238
• 代理人: 龔春來

1.一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法，所述方法由一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮設(shè)備實現(xiàn)，其特征在于：包括以下步驟：采用RBM神經(jīng)網(wǎng)絡(luò)構(gòu)建生成式模型；輸入預(yù)訓(xùn)練數(shù)據(jù)對所述生成式模型進(jìn)行RBM逐層數(shù)據(jù)壓縮預(yù)訓(xùn)練；構(gòu)建初步編解碼網(wǎng)絡(luò)模型；結(jié)合AE模型，采用深度壓縮算法對所述初步編解碼網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練；得到所述預(yù)訓(xùn)練數(shù)據(jù)的高壓縮率和高重構(gòu)精度；將再訓(xùn)練后得到的網(wǎng)絡(luò)模型進(jìn)行權(quán)值簡約得到規(guī)模壓縮的最終網(wǎng)絡(luò)模型。

2.如權(quán)利要求1所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法，其特征在于：所述將再訓(xùn)練后得到的網(wǎng)絡(luò)模型進(jìn)行權(quán)值簡約得到規(guī)模壓縮的最終網(wǎng)絡(luò)模型具體包括：權(quán)值裁剪及減小權(quán)值比特數(shù)；所述權(quán)值裁剪為移除小于預(yù)設(shè)閾值的權(quán)重；所述減小權(quán)值比特數(shù)為使用k-means算法使權(quán)值共享質(zhì)心。

3.如權(quán)利要求1所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法，其特征在于：所述預(yù)訓(xùn)練數(shù)據(jù)包含在待處理數(shù)據(jù)中；所述待處理數(shù)據(jù)經(jīng)過預(yù)處理。

4.如權(quán)利要求3所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法，其特征在于：所述預(yù)處理具體包括：采用三倍標(biāo)準(zhǔn)差法剔除待處理數(shù)據(jù)中的異常數(shù)據(jù)；采用max-min歸一化方法消除所述待處理數(shù)據(jù)間的數(shù)量級差異。

5.如權(quán)利要求4所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法，其特征在于：所述輸入預(yù)訓(xùn)練數(shù)據(jù)對所述生成式模型進(jìn)行RBM逐層數(shù)據(jù)壓縮預(yù)訓(xùn)練步驟具體包括：對于棧式RBM網(wǎng)絡(luò)所有權(quán)重和偏置參數(shù)，以分布N(0,1)隨機(jī)初始化W^(l)，設(shè)定迭代次數(shù)初始變量iter＝0，初始化ΔW^(l):＝0,Δb^(l):＝0,l＝2,3,...,lay；對訓(xùn)練集中所有隱藏層單元經(jīng)過馬爾科夫隨機(jī)場狀態(tài)轉(zhuǎn)移后，求出條件分布并從中采樣對訓(xùn)練集中所有隱藏層單元經(jīng)過馬爾科夫隨機(jī)場狀態(tài)轉(zhuǎn)移后，求出條件分布并從中采樣根據(jù)能量模型的條件分布概率分別求出ΔW：刷新參數(shù)

6.如權(quán)利要求5所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法，其特征在于：輸入為給定訓(xùn)練樣本數(shù)據(jù)集S，集合S中向量個數(shù)T，RBM最大迭代次數(shù)maxiter＝10，學(xué)習(xí)率α＝0.1以及CD-k算法參數(shù)k＝1，可視層和隱藏層節(jié)點數(shù)m,n，以分布N(0,1)初始化偏置和權(quán)重矩陣W；輸出為更新后的偏置和權(quán)重矩陣W。

7.如權(quán)利要求1所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法，其特征在于：所述結(jié)合AE模型，采用深度壓縮算法對所述初步編解碼網(wǎng)絡(luò)模型進(jìn)行再訓(xùn)練步驟具體包括：對于AE網(wǎng)絡(luò)所有權(quán)重和偏置參數(shù)，以分布N(0,1)隨機(jī)初始化W^(l)，設(shè)定迭代次數(shù)初始變量iter＝0，初始化ΔW^(l):＝0,Δb^(l):＝0,l＝2,3,...,lay；對于訓(xùn)練集合中的每一個訓(xùn)練樣本，進(jìn)行前向傳播，得到l＝2,3,...,lay各層神經(jīng)元激活值；求第lay層精度；對于l＝2,...,lay-1的各層，求各節(jié)點精度，計算偏導(dǎo)數(shù)值；對于l＝2,3,...,lay的各層，更新W^(l)，iter＝iter+1；如果iter＜bpmaxiter，則從第一步重新執(zhí)行，否則執(zhí)行完畢，輸出最終的第lay層精度結(jié)果。

8.如權(quán)利要求7所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法，其特征在于：輸入為訓(xùn)練集S及樣本數(shù)T，AE迭代次數(shù)為bpmaxiter，學(xué)習(xí)率為α，懲罰系數(shù)為λ，AE層數(shù)lay，AE每層節(jié)點數(shù)S_l，l＝1,2,…,lay；輸出為學(xué)習(xí)算法更新之后的偏置向量和權(quán)重矩陣W。

9.一種存儲設(shè)備，其特征包括：所述存儲設(shè)備存儲指令及數(shù)據(jù)用于實現(xiàn)權(quán)利要求1～8所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法。

10.一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮設(shè)備，其特征在于：包括：處理器及所述存儲設(shè)備；所述處理器加載并執(zhí)行所述存儲設(shè)備中的指令及數(shù)據(jù)用于實現(xiàn)權(quán)利要求1～8所述的一種權(quán)值簡約無線傳感網(wǎng)數(shù)據(jù)壓縮方法。