 |
上海申思特自動(dòng)化設(shè)備有限公司
主營(yíng)產(chǎn)品： 美國(guó)E E傳感器,美國(guó)E E減壓閥,意大利ATOS阿托斯油缸,丹麥GRAS麥克風(fēng),丹麥GRAS人工頭, ASCO電磁閥,IFM易福門傳感器 |
會(huì)員.png)
9
聯(lián)系電話
|
上海申思特自動(dòng)化設(shè)備有限公司
主營(yíng)產(chǎn)品： 美國(guó)E E傳感器,美國(guó)E E減壓閥,意大利ATOS阿托斯油缸,丹麥GRAS麥克風(fēng),丹麥GRAS人工頭, ASCO電磁閥,IFM易福門傳感器 |
聯(lián)系電話
| 參考價(jià) | 面議 |
更新時(shí)間：2017-07-11 09:52:44瀏覽次數(shù)：745
聯(lián)系我們時(shí)請(qǐng)說(shuō)明是化工儀器網(wǎng)上看到的信息，謝謝!
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(jì)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(jì)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(jiǎn)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(shí)， 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(lái)處理數(shù)值數(shù)型，減少了處理數(shù)值屬性所需的時(shí)間。算法采用 雨林算法框架，實(shí)驗(yàn)證明算法的通信負(fù)載和計(jì)算時(shí)間都較少，具有計(jì)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(gè) 傳感器節(jié)點(diǎn)上產(chǎn)生局部的頻繁項(xiàng)集，然后通過(guò)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(xiàng)集，并產(chǎn)生相應(yīng)的關(guān)聯(lián)規(guī)則。實(shí) 驗(yàn)證明該算法具有較少的計(jì)算時(shí)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(gè)質(zhì)心的 初始值，各個(gè)節(jié)點(diǎn)將數(shù)據(jù)對(duì)象賦于質(zhì)心距離它zui近的簇，并將簇的信息 通過(guò)傳感器網(wǎng)絡(luò)逐層上傳，合并。然后中心點(diǎn)計(jì)算k個(gè)簇中對(duì)象的平均 值，再下發(fā)，進(jìn)行迭代，直到各個(gè)簇滿足誤差準(zhǔn)則，得到zui后的聚類結(jié) 果。實(shí)驗(yàn)證明，該算法準(zhǔn)確率較高，計(jì)算時(shí)間較低。zui后，本文基于以 上算法，實(shí)現(xiàn)了一個(gè)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(zhǎng)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(guó)內(nèi)沒(méi)有發(fā)現(xiàn)相關(guān)的 研究成果，國(guó)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(duì)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(cè)程度， 并沒(méi)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(duì)檢 測(cè)程度，也沒(méi)有對(duì)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(cè)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(duì)固定方式配置算法的理論體系做較為完善的探討，對(duì)感知 區(qū)域的個(gè)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(cè)模型，采用 不精確性概率檢測(cè)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(gè) 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
