داده کاوی
به وبلاگ ما خوش آمدید - لطفا صفحه را تا پایان مشاهده کنید
یک تشخیص گر خطای احتمالی، برای شبکه‌ی حسگر بی‌سیم


یک-تشخیص-گر-خطای-احتمالی-برای-شبکه‌ی-حسگر-بی‌سیم
یک تشخیص گر خطای احتمالی، برای شبکه‌ی حسگر بی‌سیم
فرمت فایل دانلودی: .rar
فرمت فایل اصلی: docx
تعداد صفحات: 17
حجم فایل: 1802


بخشی از متن:
در این مقاله قصد داریم تا یک روش متمرکز در تشخیص خطا به شکلی سخت‌افزاری را برای شبکه‌ی حسگر بی‌سیم ساخت یافته و آن‌هم بر مبنای چارچوب نایو بیز ارائه دهیم. برای بسیاری از شبکه های حسگر بی سیم، تأمین انرژی را می‌توان محدودیت اصلی شبکه دانست چرا که بسیاری از کاربردهای این شبکه در شرایط بحرانی قرار داشته و حسگرها تنها مجهز به منبع انرژی باتری می‌باشند. به عبارت دیگر، طول عمر باتری برابر با طول عمر شبکه‌ی حسگر می‌باشد. به منظور بیشینه سازی طول عمر شبکه، روشی را تحت عنوان تشخیص گر نایو بیز متمرکز ارائه می‌دهیم که اقدام به تحلیل زمان انتقال انتها به انتها در سطح گره ی سینک می‌کند. بنابراین همه‌ی محاسبات به صورت انحصاری بر روی گره ی حسگر صورت نمی‌گیرد و این مسئله باعث شده تا هیچ سربار انرژی ای به باتری هر گره ی حسگر تحمیل نشود. ارزیابی کارائی جامعی را نیز در این راستا انجام داده‌ایم. نتایج به دست آمده نشان می‌دهد که کارائی بهتری را می‌توان تحت شبکه‌ای با اندازه‌ی 1000 گره و آن‌هم در شرایط مختلف ترافیکی و تعداد مختلفی از گره‌های معیوب به دست آورد.



دانلود فایل
ادامه مطلب
| لینک ثابت | نسخه قابل چاپ | امتیاز : | اشتراک گذاری :
rss نوشته شده در تاریخ 1395/7/30 و در ساعت : 03:48 - نویسنده : computer-engineer
استفاده از الگوریتم های k-means و ژنتیک برای کاهش ابعاد توسط یکپارچه سازی SVM


استفاده-از-الگوریتم-های-k-means-و-ژنتیک-برای-کاهش-ابعاد-توسط-یکپارچه-سازی-svm-برای-تشخیص-دیابت
استفاده از الگوریتم های k-means و ژنتیک برای کاهش ابعاد توسط یکپارچه سازی SVM برای تشخیص دیابت
فرمت فایل دانلودی: .rar
فرمت فایل اصلی: docx
تعداد صفحات: 14
حجم فایل: 556


بخشی از متن:
اداره و رسیدگی حجم زیادی از داده های موجود در صنعت مراقبت های بهداتشی دشوار می باشد. از این رو، فرایند "استخراج" برای پیدا کردن الگوی لازم و رابطه بین ویژگی های موجود، ضروری می باشد. داده کاوی پزشکی، یک زمینه مهم تحقیقاتی است که در آن الگوریتم های تکاملی خوشه بندی، یک نقش حیاتی ایفا می کنند. در این کار پژوهشی، k-means برای از بین بردن داده های نویزی و الگوریتم های ژنتیک برای پیدا کردن مجموعه بهینه از ویژگی ها و ماشین بردار پشتیبان به عنوان طبقه بندی کننده مورد استفاده قرار می گیرند. نتایج تجربی نشان می دهد که مدل پیشنهادی به دقت متوسط 98.79% برای کاهش مجموعه داده بیماران دیابتی "سرخپوستان پیما" که از مخزن یو "سی ای" استخراج شده است دست می یابد. همچنین روش پیشنهادی نتایج بهتری در مقایسه با روش آماده سازی داده های مبتنی بر خوشه بندی k-means اصلاح شده با طبقه بندی ماشین بردار پشتیبان (96.71%) به دست می آورد، همانطور که در مقالات توصیف شده است.

دانلود فایل
ادامه مطلب
| لینک ثابت | نسخه قابل چاپ | امتیاز : | اشتراک گذاری :
rss نوشته شده در تاریخ 1395/7/9 و در ساعت : 03:38 - نویسنده : computer-engineer
آخرین مطالب نوشته شده
  • مقاله تشخیص شیء در حال حرکت در زمینه پویا
  • مدل های پیش بینی تجربی برای تأمین تطبیقی منابع در ابر
  • مدل پیشرفته برای پیش بینی کارآمد حجم کار در ابر
  • آشنایی با پروتكل مديريت گروه اينترنت (IGMP)
  • مقاله ردیابی شی فقط با نشانه زمینه
  • Copyright © 2010 by http://computer-engineer.samenblog.com