مکانیابی بهبودیافته مبتنی بر سیستم استنتاج نورفازی تطبیقی و خوشهبندی تفاضلی برای شبکههای حسگر بیسیم

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مکانیابی بهبودیافته مبتنی بر سیستم استنتاج نورفازی تطبیقی و خوشهبندی تفاضلی برای شبکههای حسگر بیسیم دارای ۲۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مکانیابی بهبودیافته مبتنی بر سیستم استنتاج نورفازی تطبیقی و خوشهبندی تفاضلی برای شبکههای حسگر بیسیم  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مکانیابی بهبودیافته مبتنی بر سیستم استنتاج نورفازی تطبیقی و خوشهبندی تفاضلی برای شبکههای حسگر بیسیم،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مکانیابی بهبودیافته مبتنی بر سیستم استنتاج نورفازی تطبیقی و خوشهبندی تفاضلی برای شبکههای حسگر بیسیم :

تعداد صفحات :۲۶

چکیده مقاله:

جمعآوری اطلاعات از محیط هدف، کارکرد اصلی شبکههای حسگر بیسیم است؛ بنابراین، یکی از مسائل کلیدی در اینگونه شبکهها، مکانیابی میباشد که به تشخیص موقعیت مکانی دقیق اطلاعات جمعآوریشده کمک مینماید. از میان روشهایی که تاکنون برای مکانیابی در شبکههای حسگر بیسیم ارائه شدهاند، علیرغم اهمیت قابلیت یادگیری و توان سازگاری با شرایط محیطی، روشهای دارای این ویژگیهاکم شمار هستند. در این مقاله، روشی ترکیبی مبتنی بر سیستم استنتاج نوروفازی تطبیقی ) ANFIS ) 1 با قابلیت یادگیری شبکه عصبی، شفافیت و تطبیقپذیری سیستم استنتاج فازی و توانایی خوشهبندی فازیدادههای ورودی، جهت بهبود تخمین موقعیت گره حسگر پیشنهاد شده است. روش پیشنهادی به نام NFSC-WVIT ( Neuro Fuzzy Subtractive Clustering based -Weighted Virtual Innermost RSSI Trilateration ( معرفی میگردد و بر اساس اطلاعات اتصال که بهطور معمول بین گرهها منتقل میشوند، عمل نموده، روشی انرژی کارآمد، توزیع شده، دارای قابلیت خودسازماندهی در گرهها و شبکه حسگر،محسوب میگردد. روش پیشنهادی و چندین روش مشابه، در محیط نرمافزار متلب، شبیهسازی و تحت شرایط مختلف مورد آزمون قرار گرفتهاند. نتایج به دست آمده از آزمونها، بیانگر خطای مربعات میانگین کمتر روش پیشنهادی و۵۱/۱۲% بهبود در تخمین موقعیت گره حسگر در مقایسه با الگوریتم مکانیابی Trilateration میباشد.