سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

دو روش مبتنی بر یادگیری خمینه ها در حل مسئله مکان یابی در شبکه های حسگر بی سیم

Publish Year: 1403
Type: Journal paper
Language: Persian
View: 87

This Paper With 13 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_CSJI-9-2_005

Index date: 8 September 2024

دو روش مبتنی بر یادگیری خمینه ها در حل مسئله مکان یابی در شبکه های حسگر بی سیم abstract

یکی از چالش ها در مورد شبکه های حسگر بی سیم نحوه مکان یابی حسگرهاست. تا کنون الگوریتم های مطرح شده در مسئله مکان یابی در شبکه های حسگر استفاده از فاصله اقلیدسی نقاط بدون در نظر گرفتن موقعیت هندسی نقاط بوده است . در این مقاله از ویژگی های هندسی نقاط از جمله فاصله ژئودزیکی استفاده و نشان می دهیم اگر حسگرهای لنگر بر روی یک خمینه خاص قرار داشته باشند، الگوریتم های مکان یابی عملکرد بهتری خواهند داشت . در این مقاله، دو روش پیشنهادی با استفاده از روش های یادگیری خمینه ها برای حل مسئله ارایه و الگوریتم های پیشنهادی بر روی دو دسته از داده های تصادفی و یکنواخت بر روی کره بررسی می شوند . تعداد ۲۵۶ حسگر در نظر گرفته که دارای ۱۶ حسگر لنگر و ۲۴۰ حسگر دارای مکان نامشخص هستند . بررسی خطای مکان یابی حاصل از پیاده سازی نشان دهنده عملکرد مناسب روش هاست. استفاده از فاصله ژئودزیکی منجر به کاهش خطای محاسبه مکان دقیق حسگرها می شود . در نهایت روش های پیشنهادی نسبت به سایر روش ها که از فاصله ژئودزیکی استفاده نمی کنند عملکرد بهتری دارد. در حالت داده های تصادفی برای تعداد همسایگی ۱۷ در روش ۱ با استفاده از فواصل ژئودزیکی و اقلیدسی خطاهای ۰/۹۵۰۴ و ۱/۸۶۵۴ به دست آمده است. کمترین میزان خطا با استفاده از فاصله ژئودزیکی و اقلیدسی برای ۲۱= k برای داده های یکنواخت به ترتیب ۰/۰۰۷۰ و ۰/۷۸۲۷ می باشد . در روش ۲ برای داده های یکنواخت به ازای تمام مقادیر k خطای فاصله ژئودزیکی کمتر از فاصله اقلیدسی است . کمترین خطا برای داده های تصادفی با استفاده از فاصله ژئودزیکی و اقلیدسی به ترتیب ۰/۱۰۹۸ و ۰/۲۹۰۱ است.

دو روش مبتنی بر یادگیری خمینه ها در حل مسئله مکان یابی در شبکه های حسگر بی سیم Keywords:

خمینه , روش های یادگیری خمینه , شبکه های حسگر بی سیم , لنگر , فاصله ژئودزیکی

دو روش مبتنی بر یادگیری خمینه ها در حل مسئله مکان یابی در شبکه های حسگر بی سیم authors

ژیلا عبدی لر

دانشجوی دکتری- دانشکده علوم پایه- دانشگاه شاهد- شهر تهران- ایران

هاجر قهرمانی گل

استادیار- دانشکده علوم پایه- دانشگاه شاهد- شهر تهران- ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
Wang, J. Chen, Y. Sun and X. Shen, "A Graph ...
Habib, Shaista, et al. "Floyd-Warshall Algorithm Based on Picture Fuzzy ...
Tenenbaum, V. Silva, and J. Langford, “A Global Geometric Framework ...
Jiang, Hua, and Zhifei Zheng. "An Exact Algorithm for the ...
Kashniyal, Jyoti, Shekhar Verma, and Krishna Pratap Singh. "Wireless sensor ...
Bulusu, V. Bychkovskiy, D. Estrin, and J. Heidemann, “Scalable, ad ...
Patwari and A. Hero III, “Manifold learning algorithms for localization ...
Niculescu, D., ۲۰۰۴. Positioning in ad hoc sensor networks. IEEE ...
Ouassila, Bahloul, et al. "Neural networks based linear (PCA) and ...
Roychowdhury, Shounak. "Robust Laplacian Eigenmaps using global information." ۲۰۰۹ AAAI ...
Fitzpatrick and L. Meertens, “Diffusion based localization,” private communication, ۲۰۰۴ ...
Shao, Chao, and Houkuan Huang. "Selection of the optimal parameter ...
Tubaishat, M. and Madria, S., ۲۰۰۳. Sensor networks: an overview. ...
Wang, Chengqun, et al. "Wireless sensor networks localization with isomap." ...
Widhalm, Dominik, Karl M. Goeschka, and Wolfgang Kastner. "A Review ...
Niu, Ruixin, Aditya Vempaty, and Pramod K. Varshney. "Received-signal-strength-based localization ...
Yadav, Preeti, and Subhash Chandra Sharma. "A systematic review of ...
Yousefi, Bardia, et al. "Density-based Isometric Mapping." arXiv preprint arXiv: ...
Zaki, Mohammed J., and Wagner Meira. Data mining and analysis: ...
نمایش کامل مراجع