همجوشی اطلاعات در اینترنت اشیا مبتنی بر دو رویکرد ترکیبی Rough-GAPSO و Relief-GAPSO
Publish place: National Conference on Computer Science and Engineering with a focus on national security and sustainable development
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 924
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
COMPUTER01_022
تاریخ نمایه سازی: 22 مهر 1394
Abstract:
در این مقاله، دو روش ترکیبی برای همجوشی اطلاعات در اینترنت اشیا پیشنهاد می شود. این روش ها عبارتند از: 1) روش ترکیبی الگوریتم تئوری مجموعه ی ناهموار و الگوریتم (Relief-GAPSO) GAPSO 2) روش ترکیبی الگوریتم Relief و الگوریتم (Relief-GAPSO) GAPSO ، هر دو روش شامل چهار مرحله می باشند: 1) پیش پردازش داده ها 2) کاهش ابعاد داده های ورودی و شناسایی موثرترین مجموعه ی ویژگی ها، براساس همبستگی داده ها. 3) آموزش الگوریتم دسته بندی 4) پیش بینی داده های جدید طبق الگوریتم دسته بندی آموزش دیده. روش ترکیبی Relief-GAPSO، روشی پویاست و برای حل مسائل دنیای واقعی که دائماً در حال تغییر است مناسب می باشد البته این روش از زمان اجرایی کمی هم برخوردار می باشد. روش ترکیبی Rough-GAPSO، از نظر پیش بینی داده های جدید روشی دقیق تر است ولی زمان اجرایی زیادی دارد. در بخش نتایج و مقایسات، دو روش ترکیبی پیشنهادی، براساس پارامترهای دقت، کیفیت آموزش و زمان اجرا بررسی و مقایسه می شوند. طبق نتایج، روش ترکیبی Rough-GAPSO ، نسبت به روش دیگر از نظر پیش بینی داده های جدید دقیق تر است و همجوشی اطلاعات را با کیفیت بهتری انجام می دهد، اما زمان اجرایی زیادی دارد.
Keywords:
الگوریتم تئوری مجموعه ی ناهموار , الگوریتم GAPSO , الگوریتم Relief , شبکه های حسگر بیسیم , اینترنت اشیا
Authors
زهرا پاریزی نژاد
دانشجوی کارشناسی ارشد، دانشگاه شهید باهنر، کرمان
وحید ستاری نائینی
استادیار، بخش مهندسی کامپیوتر، دانشگاه شهید باهنر، کرمان
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 :