تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله تکنیک داده کاوی و تلفیق برای WSN به عنوان منبعی از کلان داده ها

عنوان فارسی: تکنیک های داده کاوی و تلفیق( ترکیبی) برای WSN ها به عنوان منبعی از کلان داده ها
عنوان انگلیسی: Data Mining and Fusion Techniques for WSNs as a Source of the Big Data
تعداد صفحات مقاله انگلیسی : 9 تعداد صفحات ترجمه فارسی : 13
سال انتشار : 2015 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 5468 رفرنس : دارد
محتوای فایل : zip حجم فایل : 916.59Kb
رشته های مرتبط با این مقاله: مهندسی فناوری اطلاعات و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله: سامانه های شبکه ای، شبکه های کامپیوتری، هوش مصنوعی و داده کاوی
مجله: کنفرانس بین المللی ارتباطات، مدیریت و فناوری اطلاعات
دانشگاه: دانشکده مهندسی برق و علوم کامپیوتر، دانشگاه فنی VSB استراوا
کلمات کلیدی: شبکه های حسگر بی سیم، اطلاعات بزرگ، داده کاوی، داده های تلفیقی، یادگیری ماشین
وضعیت ترجمه عناوین تصاویر: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر: ترجمه شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1- مقدمه

2. انواع دادها و منابع کلان داده ها

3. شبکات حسگری بی سیم

4. داده های حسگر

4-1- داده کاوی بر روی wsn

4-1-1 روش های پردازش داده کاوی حسگر متمرکز

4-1-2- روش های پردازش داده کاوی حسگرهای توزیع شده

4-2- تلفیق داده ها بر روی wsn

4-2-1- تلفیق مبتنی بر روابط منابع ورودی

4-2-2 تلفیق مبتنی بر سطح انتزاع

5. نتیجه گیری

نمونه متن انگلیسی

Abstract

The wide adoption of the Wireless Senor Networks (WSNs) applications around the world has increased the amount of the sensor data which contribute to the complexity of Big Data. This has emerged the need to the use of in-network data processing techniques which are very crucial for the success of the big data framework. This article gives overview and discussion about the state-of-theart of the data mining and data fusion techniques designed for the WSNs. It discusses how these techniques can prepare the sensor data inside the network (in-network) before any further processing as big data. This is very important for both of the WSNs and the big data framework. For the WSNs, the in-network pre-processing techniques could lead to saving in their limited resources. For the big data side, receiving a clean, non-redundant and relevant data would reduce the excessive data volume, thus an overload reduction will be obtained at the big data processing platforms and the discovery of values from these data will be accelerated.

نمونه متن ترجمه

چکیده

میزان تطبیق پذیری بالای شبکات حسگری بی سیم در دنیا باعث افزایش میزان حجم داده های حسگری شده است که منجر به ایجاد پیچیدگی در کلان داده ها میشود. این پدیده باعث شده است تا نیاز به استفاده از تکنیک های پردازش داده های درون شبکه ای حس شود که این تکنیک ها برای بروز موفقیت در چارچوب کلان داده ها ضروری هستند. در این مقاله درباره ی نوآوری تکنیک های داده کاوی و تلفیق داده هایی که به طور ویژه برای شبکات حسگر بی سیم بوده اند, بحث و بررسی میشود. این تحقیق این مطلب را بررسی میکند که چطور این تکنیک ها می توانند داده های حسگری درون شبکه را آماده کننده (قبل از اینکه هر گونه پردازشی به عنوان کلان داده روی آنها صورت بگیرد.) این مسئله هم برای WSN مهم است و هم برای چارچوب کلان داده ها. برای WSN, تکنیک های پیش پردازشی درون شبکه ای می تواند به منزله ی راهی برای صرفه جوی در منابع محدودشان باشد. واز دیدگاه کلان داده ها, دریافت داده های تمیز(پالایش شده), بدون افزونگی و داده های مرتبط باعث کاهش حجم داده های اجرایی شود و از این رو در پلت فرم های پردازش کلان داده ها کاهش سرباری به وجود می آید و در کشف و یافتن مقادیر در این داده ها, شتاب به وجود می آید.