30、物联网网络混合与排队模型的智能计算应用

物联网网络混合与排队模型的智能计算应用

1. 物联网网络混合与机器学习算法

1.1 网络选择策略

在物联网网络中，对于高延迟容忍度（延迟 d 大于 0.5）和低服务质量要求（服务质量 s 小于 0.5）的情况，无线链路是更优选择。

1.2 机器学习算法应用

使用了 kNN（k-Nearest Neighbors）和 SVM（Support Vector Machine）两种监督机器学习算法进行流量分类和链路选择。
- kNN 算法 ：使用 Fine kNN 对数据集进行训练，k 值从 1 到 5 变化。训练时使用了 100、200 和 300 个样本的数据集，并分别采用 5 折、10 折和 15 折交叉验证来检查模型的准确性。
- SVM 算法 ：SVM 是一种非概率性的二元分类器，通过超平面将训练数据集分为两类。在本文中，比较了简单线性 SVM 和二次 SVM 用于智能网关的流量分类和链路选择。线性 SVM 的分类任务可以描述为一个优化问题：
[
\minimize f(v,x,s)=\frac{1}{2}v^Tv + c\sum_{i=1}^{n}s_i
]
其中，$v$ 是垂直于超平面的向量，$x$ 是控制超平面沿其法向量从原点偏移的参数，$s_i$ 是松弛变量，表示特定训练点违反边界的距离，$c$ 是一个框约束，定义了控制边界违反最大惩罚的参数。同样使用了 100、200 和 300 个样本的数据集进行训练，并采用 5 折、10 折和 15 折交叉验证，通过 MATLAB R2021b 评估线性和二次 SVM