电子学报 ›› 2012, Vol. 40 ›› Issue (1): 155-161.DOI: 10.3969/j.issn.0372-2112.2012.01.025
江虹1,2, 伍春1,2, 包玉军1, 黄玉清1
JIANG Hong1,2, WU Chun1,2, BAO Yu-jun1, HUANG Yu-qing1
摘要: 认知学习是认知无线网络(CRN)跨层设计中非常重要的一环,它要求通信网络能利用已知跨层环境参数进行知识提取学习,并根据需要重配置网络.本文提出了一种基于粗糙集的CRN跨层学习技术,构建了案例事件库、知识库与规则匹配器,该模型结合数据离散、属性约简、值约简与规则生成算法来解决CRN的跨层学习问题.通过典型测试数据集的仿真比较,选出一组适合于所提出模型的粗糙集算法集合.仿真结果表明,该算法集能有效解决CRN跨层学习中知识提取与规则生成的准确性及有效性等问题,提出的跨层学习模型能有效用于CRN中的知识学习.
中图分类号: