سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

ارائه روش جدیدی جهت تعیین تعدادسرخوشه های بهینه درشبکه های حسگربی سیم به کمک الگوریتم تپه نوردی و الگوریتم K-means

Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,234

This Paper With 6 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

BPJ01_111

Index date: 19 January 2014

ارائه روش جدیدی جهت تعیین تعدادسرخوشه های بهینه درشبکه های حسگربی سیم به کمک الگوریتم تپه نوردی و الگوریتم K-means abstract

خوشه بندی یکی ازراه های موثردربالا بردن کارایی شبکه های حسگربی سیم است دراین مقاله روشی ترکیبی ازدوالگوریتم تپه نوردی والگوریتم Kmeans جهت انتخاب تعدادسرخوشه های بهینه درخوشه بندی گره های شبکه بی سیم ارایه شده که اصلی ترین معیارارزیابی تعدادسرخوشه ی بهینه درشبکه مفروض فاصله درون خوشه ای است درادامه روش کارالگوریتم پیشنهادی به همراه فلوچارت الگوریتم کامل تشریح شده و درپایان تعدادسرخوشه های بهینه توسط این روش به ازای تعدادگره های مختلف محاسبه شده است و نتایج بدست امده رابا تعدادسرخوشه های بهینه درپروتکلهای رایج شبکه حسگربی سیم مقایسه می کنیم نتایج ارزیابی نشان میدهد که الگوریتم پیشنهادی ازکارایی بالاتری برخوردار است

ارائه روش جدیدی جهت تعیین تعدادسرخوشه های بهینه درشبکه های حسگربی سیم به کمک الگوریتم تپه نوردی و الگوریتم K-means Keywords:

خوشه بندی شبکه حسگربی سیم/فاصله درون خوشه ای , الگوریتم های متاهیورستیکی , Kmeans Algorithm , HillClimbing

ارائه روش جدیدی جهت تعیین تعدادسرخوشه های بهینه درشبکه های حسگربی سیم به کمک الگوریتم تپه نوردی و الگوریتم K-means authors

ابراهیم رضاپور

دانشجوی کارشناسی ارشد

محمدعلی جبرئیل جمالی

عضو هیئت علمی دانشگاه آزاد اسلامی واحد شبستر

علی فرزان

عضو هیئت علمی دانشگاه آزاد اسلامی واحد شبستر

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 :
_ _ _ 22904June 19, 2006. ...
Yaghini, Masoud; Akhavan, Rahim, DIMMA: "A Design and Implementation Methodology ...
_ _ Hill Climbing wit Learning by Vectors of Normal ...
Ioannis Tsamardinos, Laura E. Brown, Constantin F. Aliferis, " The ...
J. McQueen, "Some Methos for Classification and Analysis of Multivariate ...
S. Datta, C. R. Giannella and H. Kargupta, "Approximate Distributed ...
A. T. Z. Nehorai and B. Porat, "K-means C lustering-based ...
Siddheswar Ray and Rose H. Turi, "Determination of Number of ...
Pattern Recogition and Digital Techniques (ICAPRDT"99) 1999. ...
نمایش کامل مراجع

مقاله فارسی "ارائه روش جدیدی جهت تعیین تعدادسرخوشه های بهینه درشبکه های حسگربی سیم به کمک الگوریتم تپه نوردی و الگوریتم K-means" توسط ابراهیم رضاپور، دانشجوی کارشناسی ارشد؛ محمدعلی جبرئیل جمالی، عضو هیئت علمی دانشگاه آزاد اسلامی واحد شبستر؛ علی فرزان، عضو هیئت علمی دانشگاه آزاد اسلامی واحد شبستر نوشته شده و در سال 1392 پس از تایید کمیته علمی اولین همایش ملی رویکردهای نوین در مهندسی کامپیوتر و بازیابی اطلاعات پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله خوشه بندی شبکه حسگربی سیم/فاصله درون خوشه ای، الگوریتم های متاهیورستیکی، Kmeans Algorithm ,HillClimbing هستند. این مقاله در تاریخ 29 دی 1392 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 1234 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که خوشه بندی یکی ازراه های موثردربالا بردن کارایی شبکه های حسگربی سیم است دراین مقاله روشی ترکیبی ازدوالگوریتم تپه نوردی والگوریتم Kmeans جهت انتخاب تعدادسرخوشه های بهینه درخوشه بندی گره های شبکه بی سیم ارایه شده که اصلی ترین معیارارزیابی تعدادسرخوشه ی بهینه درشبکه مفروض فاصله درون خوشه ای است درادامه روش کارالگوریتم پیشنهادی به همراه فلوچارت الگوریتم کامل تشریح ... . برای دانلود فایل کامل مقاله ارائه روش جدیدی جهت تعیین تعدادسرخوشه های بهینه درشبکه های حسگربی سیم به کمک الگوریتم تپه نوردی و الگوریتم K-means با 6 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.