خوشه بندی داده محور انطباقی با شبکه های حسگر برای اپلیکیشن های اینترنت اشیای کم صرف
تعداد صفحات انگلیسی :8
تعداد صفحات فارسی : 22 تعداد کلمات:5201
چکیده
معمولا شبکه های حسگر بی سیم شامل استقرار گره های چدتایی در یک منطقه می باشد تا پارامتر های محیطی اندازه گیری شود. شبکه های حسگر بی سیم در حوزه اینترنت اشیای قرار می گیرند که مقیاس استقرار آنها به طور قابل ملاجظه ای افزایش می یابد. هدف نهایی استقرار شبکه حسگر این است تا به داده ارزشمند در مورد منطقه صرف نظر از پیکر بندی فیزیکی بکار رفته برای اندازه گیری دست یافت. الگوریتم خوشه بندی داده محور انطباقی(ADCS) توسط ما پیشنهاد می گردد که یک الگوریتم سلسله مراتبی است و الزامات داده خاص کاربر دراین الگوریتم در تصمیمات خوشه بندی به حساب آورده می شوند. شباهت در تغییرات پارامتر به طور خاص به عنوان معیاری برای بهینه سازی استفاده می شوند. ما شبکه حسگر مبتنی بر eKoرا در شمال شرقی ایندیا مستقر کردیم تا پارامتر های محیطی را به عنوان بخشی از اپلیکیشن کشاورزی دقیق اندازه گیری نماییم. داده این شبکه برای توسعه مدل ها استفاده می شوند تا عملکرد سه نوع ADCS به طور دقیق مقایسه شوند: ADCS-DB ، ADCS-KM و ADCS-AG و به پیشنهادات سودمند برای برنامه ریزی اسقرار می رسند.
کلید واژه ها: شبکه های حسگر، اینترنت اشیای، خوشه بندی متمرکز بر داده، یادگیری بدون ناظر، الگوریتم انطباقی
Abstract—A wireless sensor network (WSN) typically involves deploying multiple nodes in an area to measure environmental parameters. WSNs are getting enveloped within the realm of IoT which significantly increases their scale of deployment. The end-objective of deploying a sensor network is to get valuable data about a region irrespective of the physical configuration used for measurement. We propose an Adaptive Data-centric Clustering algorithm for Sensor networks (ADCS), a hierarchical algorithm where user-specific data requirements are factored into the clustering decisions. Specifically, similarity in parameter variations are used as a criteria for optimization. We have deployed an eKo-based sensor network in north-eastern India to measure environmental parameters as part of a precision agriculture application. Data from this network is used to develop models to rigorously compare the performance of three variants of ADCS: ADCS-DB, ADCS-KM and ADCS-AG and arrive at useful recommendations for deployment planning. Keywords–sensor networks, internet of things, data-centric clustering, unsupervised learning, adaptive algorithms
دانلود رایگان مقاله انگلیسی
دانلود مقاله دات کام 
توضیحات محصول
خوشه بندی داده محور انطباقی با شبکه های حسگر برای اپلیکیشن های اینترنت اشیای کم صرف
تعداد صفحات انگلیسی :8
تعداد صفحات فارسی : 22 تعداد کلمات:5201
چکیده
معمولا شبکه های حسگر بی سیم شامل استقرار گره های چدتایی در یک منطقه می باشد تا پارامتر های محیطی اندازه گیری شود. شبکه های حسگر بی سیم در حوزه اینترنت اشیای قرار می گیرند که مقیاس استقرار آنها به طور قابل ملاجظه ای افزایش می یابد. هدف نهایی استقرار شبکه حسگر این است تا به داده ارزشمند در مورد منطقه صرف نظر از پیکر بندی فیزیکی بکار رفته برای اندازه گیری دست یافت. الگوریتم خوشه بندی داده محور انطباقی(ADCS) توسط ما پیشنهاد می گردد که یک الگوریتم سلسله مراتبی است و الزامات داده خاص کاربر دراین الگوریتم در تصمیمات خوشه بندی به حساب آورده می شوند. شباهت در تغییرات پارامتر به طور خاص به عنوان معیاری برای بهینه سازی استفاده می شوند. ما شبکه حسگر مبتنی بر eKoرا در شمال شرقی ایندیا مستقر کردیم تا پارامتر های محیطی را به عنوان بخشی از اپلیکیشن کشاورزی دقیق اندازه گیری نماییم. داده این شبکه برای توسعه مدل ها استفاده می شوند تا عملکرد سه نوع ADCS به طور دقیق مقایسه شوند: ADCS-DB ، ADCS-KM و ADCS-AG و به پیشنهادات سودمند برای برنامه ریزی اسقرار می رسند.
کلید واژه ها: شبکه های حسگر، اینترنت اشیای، خوشه بندی متمرکز بر داده، یادگیری بدون ناظر، الگوریتم انطباقی
Abstract—A wireless sensor network (WSN) typically involves deploying multiple nodes in an area to measure environmental parameters. WSNs are getting enveloped within the realm of IoT which significantly increases their scale of deployment. The end-objective of deploying a sensor network is to get valuable data about a region irrespective of the physical configuration used for measurement. We propose an Adaptive Data-centric Clustering algorithm for Sensor networks (ADCS), a hierarchical algorithm where user-specific data requirements are factored into the clustering decisions. Specifically, similarity in parameter variations are used as a criteria for optimization. We have deployed an eKo-based sensor network in north-eastern India to measure environmental parameters as part of a precision agriculture application. Data from this network is used to develop models to rigorously compare the performance of three variants of ADCS: ADCS-DB, ADCS-KM and ADCS-AG and arrive at useful recommendations for deployment planning. Keywords–sensor networks, internet of things, data-centric clustering, unsupervised learning, adaptive algorithms
دانلود رایگان مقاله انگلیسی