Thesis

تخمین و دسته بندی داده ها در شبکه های سنسوری با استفاده از عامل های متحرک

Download full textFree with an account; signing up with Google takes seconds

Abstract(in Persian; no English abstract is available)

در این پایان نامه، از چندین الگوریتم توزیع شده در جهت تخمین متغیرهای حالت یک سیستم خطی و دسته بندی داده ها در یک شبکه سنسوری با چندین حلقه استفاده شده است. در اینجا، دو روش جدید mabdkf1 و mabdkf2 جهت رسیدن به تخمینی بهینه از حالتهای یک سیستم خطی با وجود خطا در سنسورها پیشنهاد می شود. در الگوریتم های پیشنهادی، عامل های متحرک نقش اصلی و اساسی را بازی می کنند بطوریکه آنها الگوریتم فیلتر کالمن خطی را بر روی یک سیستم خطی اجراء کرده تا به تخمینی خوب از متغیرهای حالت سیستم برسند. همچنین به کمک دو الگوریتم دیگر با نام های mabdem1و mabdem2، پارامترهای یک تابع چگالی احتمال گوسی تخمین زده شده و داده های موجود در یک شبکه سنسوری با چندین حلقه دسته بندی می شود. در این دو الگوریتم نیز از عاملهای متحرک در جهت اجراء الگوریتم em توزیع شده استفاده می شود. در ادامه همگرایی این دو الگوریتم مورد بررسی قرار خواهد گرفت. در پایان، عملکرد خوب این الگوریتم ها با استفاده از داده های شبیه سازی شده نشان داده خواهد شد.

Supervisors and advisors

بهروز صفری نژادیان، مختار شاصادقی

Figures (1)

  • Figure, page 3
    page 3

Figures are taken from the article's full text; their rights belong to the authors and the publisher.

Similar theses

  • دسته بندی ترافیک شبکه با استفاده از الگوریتم های هوش محاسباتی

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسیشیرین جمشیدیان

    با توجه به استفاده ی روزافزون از شبکه ی اینترنت و لزوم وجود ابزارهایی جهت کنترل و مدیریت ترافیک شبکه ها و نیز پیدایش مداوم کاربردهایی که با استفاده از تکنیک های بدیع و پیچیده ی مبهم سازی قصد فریب این ابزارها را دارند، طراحی دقیق سیستم های شناسایی و دسته بندی کاربردهای مختلف شبکه

  • دسته بندی ترافیک شبکه با استفاده از الگوریتم های هوش محاسباتی

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسیشیرین جمشیدیان

    با توجه به استفاده ی روزافزون از شبکه ی اینترنت و لزوم وجود ابزارهایی جهت کنترل و مدیریت ترافیک شبکه ها و نیز پیدایش مداوم کاربردهایی که با استفاده از تکنیک های بدیع و پیچیده ی مبهم سازی قصد فریب این ابزارها را دارند، طراحی دقیق سیستم های شناسایی و دسته بندی کاربردهای مختلف شبکه

  • دسته بندی ترافیک شبکه با استفاده از الگوریتم های هوش محاسباتی

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه شهید چمران اهواز - دانشکده مهندسیشیرین جمشیدیان

    با توجه به استفاده ی روزافزون از شبکه ی اینترنت و لزوم وجود ابزارهایی جهت کنترل و مدیریت ترافیک شبکه ها و نیز پیدایش مداوم کاربردهایی که با استفاده از تکنیک های بدیع و پیچیده ی مبهم سازی قصد فریب این ابزارها را دارند، طراحی دقیق سیستم های شناسایی و دسته بندی کاربردهای مختلف شبکه

  • دسته بندی داده ها با استفاده از روش svm

    Thesis2011وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده ریاضی و کامپیوترمرتضی کارگر

    داده کاوی یکی از شاخه های مطرح علمی است که در سالهای اخیر توسعه فراوانی یافته است. بنابر گزارش دانشگاه mit، دانش نوین داده کاوی یکی از ده دانش در حال توسعه ای است که دهه آینده را با انقلاب تکنولوژیکی مواجه می سازد. دسته بندی داده ها، از مهمترین مباحث مطرح در داده کاوی است. در خصو

  • الگوریتم بیزین تغییراتی توزیع شده برای تخمین چگالی و دسته بندی داده ها در شبکه های سنسوری

    Thesis2014وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی شیراز - دانشکده مهندسی برق و الکترونیکمحبوبه استخری اصطهباناتی

    در این پایان نامه، یک الگوریتم بیزین تغییراتی توزیع شده مبتنی بر فیلتر consensus (cfbdvb) برای تخمین چگالی و دسته بندی داده های به دست آمده از یک شبکه سنسوری ارائه می گردد. فرض می شود که مقادیر اندازه گیری شده با استفاده از مدل های ترکیب گوسی مدل سازی شده اند. در این الگوریتم، اب

  • دسته بندی داده های چند برچسبی با استفاده از سامانه های دسته بندی یادگیرنده

    Thesis2012وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده برق و کامپیوترسید کاوه احمدی ابهری

    دسته بندی یکی از مهمترین فرآیندهای مورد مطالعه در حوزه یادگیری ماشین و داده کاوی است که در برنامه های کاربردی فراوانی از جمله دسته بندی متن، تشخیص پزشکی، بیوانفورماتیک و... مورد استفاده قرار می گیرد. مسائل دسته بندی را می توان براساس تعداد برچسب های منتسب به هر یک از داده ها به د

Similar items

  • دسته بندی داده های جریانی فازی با استفاده از تحلیل پوششی داده ها

    Articleمدیریت توسعه و تحولامینه توحیدی، دانشجوی کارشناسی ارشد ، دانشگاه آزاد اسلامی، واحد قزوین ،گروه مهندسی صنایع ، قزوین،ایران محمدامین ادیبی، استادیار دانشگاه آزاداسلامی، واحد قزوین،گروه مهندسی صنایع ، قزوین، ایران علیرضا علی نژاد، دانشیار ،دانشگاه آزاد اسلامی، واحد قزوین، گروه مهندسی صنایع، قزوین،ایران

    در این تحقیق یک روش دسته بندی داده های غیرقطعی از نوع فازی که از جمله چالش برانگیزترین حوزه های تحلیل داده محسوب می شود، ارائه شده است. در واقع حجم بالا و پیچیدگی روش های تحلیل داده مانع از توسعه روش هایی جهت تحلیل داده های فازی می شود. با این حال در برخی حوزه های دیگر همچون برنا

  • بررسی کارایی شبکه عصبی مصنوعی در برآورد بار معلق رودخانه با استفاده از داده های دسته بندی شده

    Article2015نشریه محیط زیست و مهندسی آبهمایون فقیه، عطا امینی، فرزانه حیدری، کیوان خلیلی

    بار رسوب جریان، شاخص مفیدی در پیش­بینی فرسایش خاک در حوزه­های آبخیز است؛ بنابراین تدوین مدلی برای برآورد بار رسوب می­تواند در مدیریت و اجرای پروژه­های آبخیزداری و مهندسی رودخانه مفید باشد. در این پژوهش روش دسته­بندی داده­ها به­عنوان راه­کاری برای افزایش دقت شبکه عصبی مصنوعی در تد

  • تخمین آبشستگی در مجاورت پایه‌های پل جفت و سه تایی با استفاده از دسته بندی c-میانیگن فازی شبکه انفیس

    Article2024دانش آب و خاکافشین کیانی، سعید شعبانلو، فریبرز یوسفوند

    تخمین و پیش‌بینی آبشستگی در اطراف پایه پل‌ها نقش بسزایی در طراحی این نوع از سازه‌ها ایفا می‌کند زیرا با افزایش ابعاد حفره آبشستگی پایداری پایه پل به خطر افتاده و در نتیجه این سازه ممکن است تخریب شود. در این مطالعه، عمق آبشستگی در مجاورت پایه پل‌های جفت و سه تایی با استفاده از تکن

  • تخمین آبشستگی در مجاورت پایه؜های پل جفت و سه تایی با استفاده از دسته بندی c-میانیگن فازی شبکه انفیس

    Article2024دانش آب و هيدروليكافشین کیانی قمشه، سعید شعبانلو، فریبرز یوسفوند

    در این مطالعه، عمق آبشستگی در مجاورت پایه پل؜های جفت و سه تایی با استفاده از تکنیک دسته بندی c- میانیگن فازی شبکه انفیس[1] (ANFIS-FCM) تخمین زده شد. برای انجام این کار، ابتدا پارامترهای تاثیرگذار بر روی عمق آبشستگی در اطراف پایههای پل جفت و سه تایی از قبیل عدد فرود (Fr)، نسبت نسب

  • دسته بندی کاربران موبایل بانک با استفاده از رویکرد داده کاوی: مقایسه بین تکنیک شبکه های عصبی مصنوعی و تکنیک بیز ساده

    Article2012پژوهش های مدیریت در ایرانعلیرضا حسن زاده، محمد حسام قنبری، شعبان الهی

    در دهه ی اخیر پیشرفت تکنولوژی های گوناگون باعث تغییر در ارائه خدمات بوسیله سازمان ها گردیده است. یکی از حوزه هایی که صنعت بانکداری را تحت تاثیر خود قرار داده است حوزه فناوری اطلاعات می باشد. تکنولوژی ارتباط بیسیم یکی از زیر مجموعه های حوزه فناوری می باشد که در این سال های اخیر پی

  • دسته بندی کاربران موبایل بانک با استفاده از رویکرد داده کاوی: مقایسه بین تکنیک شبکه های عصبی مصنوعی و تکنیک بیز ساده

    Articleپژوهش های مدیریت در ایرانعلیرضا حسن زاده، استادیار گروه it، دانشکده مدیریت و اقتصاد-دانشگاه تربیت مدرس- محمد حسام قنبری، کارشناس ارشد مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران شعبان الهی، دانشیار گروه it، دانشکده مدیریت و اقتصاد دانشگاه تربیت مدرس-

    در دهه ی اخیر پیشرفت تکنولوژی های گوناگون باعث تغییر در ارائه خدمات بوسیله سازمان ها گردیده است. یکی از حوزه هایی که صنعت بانکداری را تحت تاثیر خود قرار داده است حوزه فناوری اطلاعات می باشد. تکنولوژی ارتباط بیسیم یکی از زیر مجموعه های حوزه فناوری می باشد که در این سال های اخیر پی