返回首頁
加入收藏
聯系我們
產品名稱：Fairchid仙童傳感器網絡中的數據挖掘
產品型號：
產品報價：
產品特點：Fairchid仙童傳感器網絡中的數據挖掘隨著通信技術、嵌入式計算技術和傳感器技術的飛速發展和同益成 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 內出現。由這些微型傳感器構成的傳感器網絡引起了人們的極大關注。 現有的傳感器網絡數據處理系統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絡的海量數據流，以及如何在其中獲取有用的知識， 成為我們新的挑戰。
Fairchid仙童傳感器網絡中的數據挖掘的詳細資料：
Fairchid仙童傳感器網絡中的數據挖掘
隨著通信技術、嵌入式計算技術和傳感器技術的飛速發展和同益成 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 內出現。由這些微型傳感器構成的傳感器網絡引起了人們的極大關注。 現有的傳感器網絡數據處理系統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絡的海量數據流，以及如何在其中獲取有用的知識， 成為我們新的挑戰。
Fairchid仙童傳感器網絡中的數據挖掘
本文主要研究傳感器網絡中的數據挖掘技術，包括分類技術、關聯 規則挖掘技術和聚類技術。本文提出了一種基于傳感器網絡的分布式決 策樹分類算法，在準確性上保證了概率性的界限。該算法使用數值間隔 剪枝策略來處理數值數型，減少了處理數值屬性所需的時間。算法采用 雨林算法框架，實驗證明算法的通信負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絡中挖掘關聯規則的算法，首先在各個 傳感器節點上產生局部的頻繁項集，然后通過傳感器網絡逐層上傳，合 并，zui終在中心節點形成全局的頻繁項集，并產生相應的關聯規則。實 驗證明該算法具有較少的計算時間和內存使用量。本文還提出了一種基 于傳感器網絡的分布式K-平均聚類算法，首先由中心點下發k個質心的 初始值，各個節點將數據對象賦于質心距離它zui近的簇，并將簇的信息 通過傳感器網絡逐層上傳，合并。然后中心點計算k個簇中對象的平均 值，再下發，進行迭代，直到各個簇滿足誤差準則，得到zui后的聚類結 果。實驗證明，該算法準確率較高，計算時間較低。zui后，本文基于以 上算法，實現了一個傳感器網絡上的數據挖掘原型系統。
傳感器網絡配置可以有效布置傳感器網絡節點，合理覆蓋感知數據 區域，延長感知區域傳感器網絡的運行周期，即能夠準確地采集感知區 域的數據信息，又能夠充分管理傳感器網絡資源，具有十分廣闊的應用 前景。 目前學術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域傳感器節點的分布情況，直接根 據感知區域地貌狀況一次完成傳感器節點的配置。國內沒有發現相關的 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絡，效 果好于隨機配置算法（RANDOM）。文獻[4]對MAx AvG_COV算法 加以改進，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區域的感知需求尋優感知目標的檢測程度， 并沒有根據感知目標的要求以及當前被感知程度尋優感知目標的相對檢 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[2] 提出不確定配置算法（NDSP算法），、也是尋優感知目標的檢測程度。
Fairchid仙童傳感器網絡中的數據挖掘
Fairchid仙童傳感器網絡中的數據挖掘
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 區域的個性化需求提出解決方案。 本文在網格描述的感知區域基礎上建立傳感器網絡檢測模型，采用 不精確性概率檢測方法采集感知區域目標數據。探討信息感知的覆蓋分 布規律，給出感知區域的度量空間和目標函數以及配置算法具備*解 的上界條件。提出基于傳感器網絡全局感知區域和局部感知區域的多個 配置算法，尋求在全局感知區域中用較少的傳感器數量獲得較佳的信息
| 如果你對Fairchid仙童傳感器網絡中的數據挖掘感興趣，想了解更詳細的產品信息，填寫下表直接與廠家聯系： |
