تحقیق درباره بررسی نحوه انتخاب Data Storage در شبکه های حسگر

اختصاصی از حامی فایل تحقیق درباره بررسی نحوه انتخاب Data Storage در شبکه های حسگر دانلود با لینک مستقیم و پر سرعت .

لینک پرداخت و دانلود *پایین مطلب*

 

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

 

تعداد صفحه:12

فهرست و توضیحات:

مقدمه

بیان مسأله

اهمیت موضوع

اهداف پژوهش

بررسی نحوه انتخاب Data Storage در شبکه های حسگر

شبکه های سنسور بی سیم شامل نودهای کوچکی با توانایی حس کردن، محاسبه و ارتباط به زودی در همه جا خود را می گسترانند. چنین شبکه هایی محدودیت منابع روی ارتباطات، محاسبه و مصرف انرژی دارند. اول اینکه پهنای باند لینکهایی که گرههای سنسور را به هم متصل می کنند محدود می باشد و شبکه های بیسیم ای که سنسورها را به هم متصل می کنند کیفیت سرویس محدودی دارند و میزان بسته های گم شده در این شبکه ها بسیار متغیر می باشد. دوم اینکه گره های سنسور قدرت محاسبه محدودی دارند و اندازه حافظه کم نوع الگوریتمهای پردازش داده ای که می تواند استفاده شود را محدود می کند. سوم اینکه سنسورهای بی سیم باطری کمی دارند و تبدیل انرژی یکی از مسائل عمده در طراحی سیستم می باشد.

داده جمع آوری شده می تواند در شبکه های سنسور ذخیره شود و یا به سینک منتقل شود وقتی داده در شبکه های سنسور ذخیره می شود مشکلات عدیده ای به وجود می آید:

• سنسورها میزان حافظه محدودی دارند که این باعث می شود نتوانیم میزان زیادی داده که در طول ماه یا سال جمع آوری شده را ذخیره کنیم
• چون منبع تغذیه سنسورها باطری می باشد با تمام شدن باطری داده ذخیره شده در آن از بین می رود.
• جستجو در شبکه گسترده و پراکنده آن بسیار مشکل می باشد.

داده ها می توانند به سینک منتقل شوند و در آنجا برای بازیابی های بعدی ذخیره شوند این شما ایده آل می باشد چون داده ها در یک محل مرکزی برای دسترسی دائمی ذخیره می شوند. با این حال، ظرفیت انتقال به ازای هر نود در شبکه سنسور که به صورت تعداد بسته هایی که سنسور می تواند در هر واحد زمانی به سینک منتقل کند تعریف می شود، محدود می باشد. حجم زیادی از داده نمی تواند به صورت موثر از شبکه سنسور به سینک منتقل شود علاوه بر اینها انتقال داده از شبکه سنسور به سینک ممکن است انرژی زیادی مصرف کند و این باعث مصرف انرژی باطری شود.

بخصوص سنسورهای اطراف سینک به طور وسیع مورد استفاده قرار می گیرند وممکن است سریع خراب شوند و این باعث پارتیشن شدن شبکه می شود. این امکان وجود دارد که با افزایش هزینه برخی از نودها با ظرفیت حافظه بیشتر و قدرت باطری بیشتر در شبکه های سنسور استفاده شود این سنسور ها از اطلاعات موجود در سنسورهای نزدیک Backup می گیرند و به Query ها جواب می دهند. داده جمع آوری شده در هر نود می تواند به صورت پریودیک توسط رباتها به Data ware house منتقل شود چون نودهای ذخیره داده را فقط از نودهای همسایه جمع آوری می کنند و از طریق فیزیکی منتقل می کنند، مشکل ظرفیت محدود حافظه، ظرفیت انتقال و باطری تا حدودی بهبود می یابد.

دانلود مقاله All-to-all data dissemination with network coding in dynamic MANETs - انتشار 2014

اختصاصی از حامی فایل دانلود مقاله All-to-all data dissemination with network coding in dynamic MANETs - انتشار 2014 دانلود با لینک مستقیم و پر سرعت .

Contents lists available at ScienceDirect
Computer Networks

Péter Vingelmann a,b
, Janus Heide b
, Morten Videbæk Pedersen b
, Qi Zhang c
,
Frank H.P. Fitzek b

a b s t r a c t
This paper investigates the problem of efficient data dissemination in Mobile Ad hoc NETwork
(MANETs). A testbed is presented; which provides a realistic degree of mobility in
experiments. The testbed consists of ten autonomous robots with mobile phones mounted
on them. The mobile phones form an IEEE 802.11g ad hoc network to communicate with
each other. A dynamic network topology is assumed, where the mobile devices form a
cooperative cluster in order to communicate directly with each other. In the investigated
scenario, the initial state is that each device carries a unique fragment of the full data
set, and the goal is to exchange this data set among all devices. Several alternative strategies
are presented that use UDP broadcast transmissions and Random Linear Network Coding
(RLNC) to facilitate the efficient exchange of information in the wireless network. An
application is introduced; which implements these strategies on Nokia phones. Results collected
during an extensive measurement campaign are presented, and the performance of
several strategies is compared using numerous metrics. We observe that network coding
can substantially reduce the completion time in our scenario, which also leads to significant
energy savings.

Analyzing Flowing Production Data with Standard Pressure Transient Methods

اختصاصی از حامی فایل Analyzing Flowing Production Data with Standard Pressure Transient Methods دانلود با لینک مستقیم و پر سرعت .

مقاله SPE شماره 71033

Compendium of Material Composition Data for Radiation Transport Modeling

اختصاصی از حامی فایل Compendium of Material Composition Data for Radiation Transport Modeling دانلود با لینک مستقیم و پر سرعت .

در این کتاب ترکیبات مختلف مورد استفاده در کد mcnp بشکل جدید و به تفکیک ذکر شده و توضیحات کامل در مورد انها ارائه شده است

دانلود پایان نامه DATA MING

اختصاصی از حامی فایل دانلود پایان نامه DATA MING دانلود با لینک مستقیم و پر سرعت .

دانشکده فنی مهندسی علوم پایه

گروه کامپیوتر

پروژه پایانی کارشناسی ناپیوسته کامپیوتر- نرم ­افزار

تحت عنوان : Data Mining

چکیده:

در دو دهه قبل توانایی­های فنی بشر برای تولید و جمع­آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب­و­کار، علوم، خدمات­ دولتی و پیشرفت در وسائل جمع­آوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره­ای، در این تغییرات نقش مهمی دارند.

          بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی­های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده­کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی داده­کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی می­کنند، که این دانش به صورت ضمنی در پایگاه داده­های عظیم، انباره­داده[1] و دیگر مخازن بزرگ اطلاعات، ذخیره شده است.

            به لحاظ اینکه در چند سال اخیر مبحث داده­کاوی و اکتشاف دانش موضوع بسیاری از مقالات و کنفرانسها قرار گرفته و نرم­افزار­های آن در بازار به شدت مورد توجه قرار گرفته، از اینرو در مقاله سعی بر آن شده تا گذری بر آن داشته باشیم.

            در این مقاله درفصل مروری بر داده­کاوی خواهیم داشت . که به طور عمده به تاریخچه ، تعاریف، کاربردها وارتباط آن با انبار داده و OLAP خواهیم پرداخت. در پایان فصل مراحل فرایند کشف دانش از پایگاه داده­ها را ذکر کردیم که داده­کاوی یکی از مراحل آن است.

            در فصل 2 یکی از شیوه­های داده­کاوی که از سبد خرید گرفته شده­ است توضیح داده شده است . در این فصل به شرح قوانین ارتباطی خواهیم پرداخت که در آن بعد از دسته­بندی الگوریتمها ، الگوریتم Apriori ( که یک الگوریتم پایه در این زمینه است ) و الگوریتم FP-Growth ( یک الگوریتم جدید میباشد) را با شرح یک مثال توضیح می­دهیم و در آخر آن دو را با هم مقایسه می­کنیم .

            در فصل 3 مباحث وب­کاوی و متن­کاوی را که در بسیاری از مراجع جزء کاربردهای داده­کاوی به حساب می­آید شرح داده خواهد شد.

فهرست مطالبعنوان                                                                                                                                                                صفحهفهرست اشکال     ……………………………………………………………………………………………………………………………..10فهرست جداول     …………………………………………………………………………………………………………………………….11فصل1: مقدمه­ای بر داده­کاوی ………………………………………………………………….131-1 تعریف داده­کاوی     …………………………………………………………………………………………………………………..152-1 تاریخچه داده­کاوی     ………………………………………………………………………………………………………………..163-1 چه چیزی سبب پیدایش داده­کاوی شده است؟     …………………………………………………………………………….174-1 اجزای سیستم داده­کاوی     ………………………………………………………………………………………………………….195-1 جایگاه داده­کاوی در میان علوم مختلف     ……………………………………………………………………………………..216-1 قابلیتهای داده­کاوی     …………………………………………………………………………………………………………………227-1 چرا به داده­کاوی نیاز داریم؟     …………………………………………………………………………………………………….238-1 داده­کاوی چه کارهایی نمی­تواند انجام دهد؟     ………………………………………………………………………………259-1 کاربردهای داده­کاوی     ……………………………………………………………………………………………………………..251-9-1 کاربردهای پیش­بینی­کننده     ………………………………………………………………………………………272-9-1 کاربردهای توصیف­کننده     ……………………………………………………………………………………….2710-1 ابزارهای تجاری داده­کاوی     …………………………………………………………………………………………………….2811-1 داده­کاوی و انبار­داده­ها   ………………………………………………………………………………………………………….291-11-1 تعاریف انبار­داده     ………………………………………………………………………………………………….292-11-1 چهار خصوصیت اصلی انبار­داده     ……………………………………………………………………………..303-11-1 موارد تفاوت انبار­داده و پایگاه­ داده     …………………………………………………………………………3112-1 داده­کاوی و OLAP     ……………………………………………………………………………………………………………331-12-1 OLAP     ……………………………………………………………………………………………………………332-12-1 انواع OLAP     …………………………………………………………………………………………………….3413-1 مراحل فرایند کشف دانش از پایگاه داده­ها     ……………………………………………………………………………….341-13-1 انبارش داده­ها     ……………………………………………………………………………………………………..352-13-1 انتخاب داده­ها     ……………………………………………………………………………………………………..363-13-1 پاکسازی- پیش­پردازش- آماده­سازی     ……………………………………………………………………..364-13-1 تبدیل داده­ها   ……………………………………………………………………………………………………….365-13-1 کاوش در داده­ها (Data Mining)     ………………………………………………………………………376-13-1 تفسیر نتیجه   …………………………………………………………………………………………………………38فصل 2: قوانین ارتباطی   …………………………………………………………………391-2 قوانین ارتباطی   ……………………………………………………………………………………………………………………….402-2 اصول پایه     ……………………………………………………………………………………………………………………………..411-2-2 شرح مشکل جدی     …………………………………………………………………………………………………412-2-2 پیمایش فضای جستجو     ……………………………………………………………………………………………433-2-2 مشخص کردن درجه حمایت مجموعه اقلام     ……………………………………………………………….453-2 الگوریتمهای عمومی     ………………………………………………………………………………………………………………451-3-2 دسته­بندی     …………………………………………………………………………………………………………….452-3-2 BFS و شمارش رویداد­ها   ………………………………………………………………………………………463-3-2 BFS و دونیم­سازی TID-list     ……………………………………………………………………………….474-3-2 DFS و شمارش رویداد   …………………………………………………………………………………………475-3-2 DFS و دو نیم­سازی TID-list ………………………………………………………………………………484-2 الگوریتم Apriori   ………………………………………………………………………………………………………………..481-4-2 مفاهیم کلیدی     ………………………………………………………………………………………………………482-4-2 پیاده­سازی الگوریتم Apriori     ………………………………………………………………………………..493-4-2 معایب Apriori و رفع آنها     …………………………………………………………………………………….545-2 الگوریتم رشد الگوی تکرارشونده     …………………………………………………………………………………………….551-5-2 چرا رشد الگوی تکرار سریع است؟     ………………………………………………………………………….586-2 مقایسه دو الگوریتم Apriori و FP-growth     …………………………………………………………………………..597-2 تحلیل ارتباطات     ……………………………………………………………………………………………………………………..63فصل 3: وب­کاوی و متن­کاوی   ………………………………………………………..651-3 وب­کاوی     ……………………………………………………………………………………………………………………………..661-1-3 الگوریتمهای هیتس و لاگسام     …………………………………………………………………………………..692-1-3 کاوش الگوهای پیمایش مسیر     ………………………………………………………………………………….762-3 متن­کاوی     ……………………………………………………………………………………………………………………………..801-2-3 کاربردهای متن­کاوی     ……………………………………………………………………………………………..821-1-2-3 جستجو و بازیابی     ………………………………………………………………………………….832-1-2-3 گروه­بندی و طبقه­بندی     …………………………………………………………………………..833-1-2-3 خلاصه­سازی     ……………………………………………………………………………………….844-1-2-3 روابط میان مفاهیم     …………………………………………………………………………………845-1-2-3 یافتن و تحلیل گرایشات     …………………………………………………………………………846-1-2-3 برچسب زدن نحوی (pos)     …………………………………………………………………….857-1-2-3 ایجاد Thesaurus و آنتولوژی به صورت اتوماتیک     …………………………………..852-2-3 فرایند متن­کاوی   …………………………………………………………………………………………………….863-2-3 روشهای متن­کاوی     …………………………………………………………………………………………………87مراجع   ………………………………………………………………………………………..89فهرست اشکالعنوان                                                                                                                                                              صفحه1-1 مراحل فرایند کشف دانش     ……………………………………………………………………………………………………….172-1 سیر تکاملی صنعت پایگاه داده   ………………………………………………………………………………………………….193-1 معماری یک نمونه سیستم داده­کاوی     ………………………………………………………………………………………….204-1 نرخ رشد اطلاعات     …………………………………………………………………………………………………………………245-1 کاربرد پیش­بینی کننده     …………………………………………………………………………………………………………….276-1 داده­ها از انبار­داده­ها استخراج می­گردند     ……………………………………………………………………………………..327-1 داده­ها از از چند پایگاه داده­ استخراج می­گردند   …………………………………………………………………………..321-2 شبکه‌ای برای    …………………………………………………………………………………………………..432-2 درخت    …………………………………………………………………………………………………………..443-2 دسته­بندی الگوریتمها     ………………………………………………………………………………………………………………464-2 پایان الگوریتم Apriori     …………………………………………………………………………………………………………525-2 درخت الگوی تکرار   ………………………………………………………………………………………………………………576-2 اندازه­گیری کارکرد درجه حمایت برای پایگاه داده D1 40K     ……………………………………………………..617-2 اندازه­گیری Apriori با درجه حمایت/تراکنش     ………………………………………………………………………….628-2 اندازه­گیری FP-growth با درجه حمایت/تراکنش     ……………………………………………………………………621-3 مقداردهی اولیه الگوریتم HITS     ………………………………………………………………………………………………722-3 مثالی از الگوهای پیمایش     ………………………………………………………………………………………………………..803-3 فرایند متن­کاوی     …………………………………………………………………………………………………………………….864-3 مثال یافتن روابط   …………………………………………………………………………………………………………………….88فهرست جداولعنوان                                                                                                                                                                صفحه1-2 کاوش FP-tree با ایجاد پایگاه­های الگوشرطی     ………………………………………………………………………….582-2 پارامترها     ……………………………………………………………………………………………………………………………….593-2 نتایج برای فاکتور درجه حمایت 5%     …………………………………………………………………………………………..604-2 نتایج برای D1 150K با درجه حمایت     …………………………………………………………………………………….611-3 تراکنش­های توصیف شده توسط مجموعه­ای از URLها     ……………………………………………………………..752-3 نمایش URLها به عنوان بردارهایی از فعالیت گروه تراکنش     …………………………………………………………753-3 یک SOM مرسوم که توسط توصیف URLها تولید شده است     ……………………………………………………76

[1] Data warehouses

متن کامل را می توانید دانلود کنید چون فقط تکه هایی از متن این پایان نامه در این صفحه درج شده است(به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم با فرمت ورد که قابل ویرایش و کپی کردن می باشند

موجود است