返回首頁
加入收藏
聯(lián)系我們
產(chǎn)品名稱：Fairchid仙童傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘
產(chǎn)品型號：
產(chǎn)品報價：
產(chǎn)品特點(diǎn)：Fairchid仙童傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘隨著通信技術(shù)、嵌入式計算技術(shù)和傳感器技術(shù)的飛速發(fā)展和同益成 熟，具有感知能力、計算能力和通信能力的微型傳感器開始在世界范圍 內(nèi)出現(xiàn)。由這些微型傳感器構(gòu)成的傳感器網(wǎng)絡(luò)引起了人們的極大關(guān)注。 現(xiàn)有的傳感器網(wǎng)絡(luò)數(shù)據(jù)處理系統(tǒng)只能向用戶提供簡單的查詢操作。如何 高效的處理傳感器網(wǎng)絡(luò)的海量數(shù)據(jù)流，以及如何在其中獲取有用的知識， 成為我們新的挑戰(zhàn)。
Fairchid仙童傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘的詳細(xì)資料：
Fairchid仙童傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘
隨著通信技術(shù)、嵌入式計算技術(shù)和傳感器技術(shù)的飛速發(fā)展和同益成 熟，具有感知能力、計算能力和通信能力的微型傳感器開始在世界范圍 內(nèi)出現(xiàn)。由這些微型傳感器構(gòu)成的傳感器網(wǎng)絡(luò)引起了人們的極大關(guān)注。 現(xiàn)有的傳感器網(wǎng)絡(luò)數(shù)據(jù)處理系統(tǒng)只能向用戶提供簡單的查詢操作。如何 高效的處理傳感器網(wǎng)絡(luò)的海量數(shù)據(jù)流，以及如何在其中獲取有用的知識， 成為我們新的挑戰(zhàn)。
Fairchid仙童傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘
本文主要研究傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘技術(shù)，包括分類技術(shù)、關(guān)聯(lián) 規(guī)則挖掘技術(shù)和聚類技術(shù)。本文提出了一種基于傳感器網(wǎng)絡(luò)的分布式?jīng)Q 策樹分類算法，在準(zhǔn)確性上保證了概率性的界限。該算法使用數(shù)值間隔 剪枝策略來處理數(shù)值數(shù)型，減少了處理數(shù)值屬性所需的時間。算法采用 雨林算法框架，實(shí)驗證明算法的通信負(fù)載和計算時間都較少，具有計算 高效性。本文研究了在傳感器網(wǎng)絡(luò)中挖掘關(guān)聯(lián)規(guī)則的算法，首先在各個 傳感器節(jié)點(diǎn)上產(chǎn)生局部的頻繁項集，然后通過傳感器網(wǎng)絡(luò)逐層上傳，合 并，zui終在中心節(jié)點(diǎn)形成全局的頻繁項集，并產(chǎn)生相應(yīng)的關(guān)聯(lián)規(guī)則。實(shí) 驗證明該算法具有較少的計算時間和內(nèi)存使用量。本文還提出了一種基 于傳感器網(wǎng)絡(luò)的分布式K-平均聚類算法，首先由中心點(diǎn)下發(fā)k個質(zhì)心的 初始值，各個節(jié)點(diǎn)將數(shù)據(jù)對象賦于質(zhì)心距離它zui近的簇，并將簇的信息 通過傳感器網(wǎng)絡(luò)逐層上傳，合并。然后中心點(diǎn)計算k個簇中對象的平均 值，再下發(fā)，進(jìn)行迭代，直到各個簇滿足誤差準(zhǔn)則，得到zui后的聚類結(jié) 果。實(shí)驗證明，該算法準(zhǔn)確率較高，計算時間較低。zui后，本文基于以 上算法，實(shí)現(xiàn)了一個傳感器網(wǎng)絡(luò)上的數(shù)據(jù)挖掘原型系統(tǒng)。
傳感器網(wǎng)絡(luò)配置可以有效布置傳感器網(wǎng)絡(luò)節(jié)點(diǎn)，合理覆蓋感知數(shù)據(jù) 區(qū)域，延長感知區(qū)域傳感器網(wǎng)絡(luò)的運(yùn)行周期，即能夠準(zhǔn)確地采集感知區(qū) 域的數(shù)據(jù)信息，又能夠充分管理傳感器網(wǎng)絡(luò)資源，具有十分廣闊的應(yīng)用 前景。 目前學(xué)術(shù)界研究傳感器配置的算法采用自配置方式和固定配置方 式。固定配置方式不需要了解感知區(qū)域傳感器節(jié)點(diǎn)的分布情況，直接根 據(jù)感知區(qū)域地貌狀況一次完成傳感器節(jié)點(diǎn)的配置。國內(nèi)沒有發(fā)現(xiàn)相關(guān)的 研究成果，國外近年開展這方面的研究，提出一些算法，具有代 表性的是MAX_AVG_COV算法，采用貪心策略配置傳感器網(wǎng)絡(luò)，效 果好于隨機(jī)配置算法（RANDOM）。文獻(xiàn)[4]對MAx AvG_COV算法 加以改進(jìn)，提出MAX_MrN_COV算法取得了明顯的配置效果。但是這 些配置算法都是由目標(biāo)區(qū)域的感知需求尋優(yōu)感知目標(biāo)的檢測程度， 并沒有根據(jù)感知目標(biāo)的要求以及當(dāng)前被感知程度尋優(yōu)感知目標(biāo)的相對檢 測程度，也沒有對配置算法的理論體系做較為完善的探討。即使文獻(xiàn)[2] 提出不確定配置算法（NDSP算法），、也是尋優(yōu)感知目標(biāo)的檢測程度。
Fairchid仙童傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘
Fairchid仙童傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘
因此針對固定方式配置算法的理論體系做較為完善的探討，對感知 區(qū)域的個性化需求提出解決方案。 本文在網(wǎng)格描述的感知區(qū)域基礎(chǔ)上建立傳感器網(wǎng)絡(luò)檢測模型，采用 不精確性概率檢測方法采集感知區(qū)域目標(biāo)數(shù)據(jù)。探討信息感知的覆蓋分 布規(guī)律，給出感知區(qū)域的度量空間和目標(biāo)函數(shù)以及配置算法具備*解 的上界條件。提出基于傳感器網(wǎng)絡(luò)全局感知區(qū)域和局部感知區(qū)域的多個 配置算法，尋求在全局感知區(qū)域中用較少的傳感器數(shù)量獲得較佳的信息
| 如果你對Fairchid仙童傳感器網(wǎng)絡(luò)中的數(shù)據(jù)挖掘感興趣，想了解更詳細(xì)的產(chǎn)品信息，填寫下表直接與廠家聯(lián)系： |
