Совместное обнаружение и классификация объектов при комплексировании решений, выносимых сенсорами в беспроводных сенсорных сетях

Мұқаба

Дәйексөз келтіру

Толық мәтін

Ашық рұқсат Ашық рұқсат
Рұқсат жабық Рұқсат берілді
Рұқсат жабық Рұқсат ақылы немесе тек жазылушылар үшін

Аннотация

Разработан оптимальный комплексный алгоритм совместного обнаружения и классификации объектов при радиальной структуре беспроводных сенсорных сетей. В основе этого алгоритма лежит обработка решений о принадлежности объекта тому или иному классу отдельными сенсорами со своим весом, зависящим от характеристик сенсора. Выбор количества и типов используемых сенсоров может быть осуществлен на основе решения оптимизационной задачи, представленной в работе.

Авторлар туралы

В. Парфенов

Воронежский государственный университет

Хат алмасуға жауапты Автор.
Email: vip@phys.vsu.ru
Российская Федерация, 394018, Воронеж, Университетская пл., 1

А. Калининский

Воронежский государственный университет

Email: vip@phys.vsu.ru
Российская Федерация, 394018, Воронеж, Университетская пл., 1

Әдебиет тізімі

  1. Yaraly A. Wireless Sensor Networks (WSN): Technology and Applications. N.Y.: Nova Sci. Publ. Inc., 2021.
  2. Лихтциндер Б.Я., Киричек Р.В., Федотов Е.Д. и др. Беспроводные сенсорные сети. М.: Горячая Линия-Телеком, 2020.
  3. Sreeja B.P., Jakyakumar L., Devi G.S. // Intern. J. Pure Appl. Mathem. 2018. V. 118. № 11. P. 385.
  4. Arampatzis Th., Lygeros J., Manesis S. // Proc. 13th Mediterranean Conf. on Control and Automation Intelligent Control. Limassol. 27–29 Jun. N.Y.: IEEE. 2005. P. 27. https://doi.org/10.1109/.2005.1467103
  5. Logambal M., Thiagarasu Dr. V. // Intern. J. of Engineering Sciences & Research Technology. 2017. V. 6. № 3. P. 35. https://doi.org/10.5281/zenodo.345688
  6. Chair Z., Varshney P.K. // IEEE Trans. 1986. V. TAES-31. № 1. P. 98. https://doi.org/10.1109/TAES.1986.310699
  7. Sriranga N., Nagananda K.G., Blum R.S. et al. // Proc. 21st Int. Conf. Inf. Fusion. Cambridge. 10–13 Jul. N.Y.: IEEE, 2018. P. 1541. https://doi.org/10.23919/ICIF.2018.8454976
  8. Аггарвал Ч. Нейронные сети и глубокое обучение. М.: Диалектика, 2020.
  9. Wu X., Kumar V., Ross Q.J. et al. // Knowledge Inform. Systems. 2008. V. 14. № 1. P. 1. https://doi.org/10.1007/s10115-007-0114-2
  10. Eibe F., Witter I. Data Mining. Practical Machine Learning Tools and Techniques. Waltham: Morgan Kaufmann Publ., 2005.
  11. Калан Р. Основные концепции нейронных сетей. М.: ИД “Вильямс”, 2003.
  12. Фу К. Последовательные методы в распознавании образов и обучение машин. М.: Наука, 1971.
  13. Kitter J., Hatef M., Duin R.P.W., Matas J. // IEEE Trans. 1998. V. PAMI-20. № 3. P. 226. https://doi.org/10.1109/34.667881
  14. Wang T-Y., Han Y.S., Chen B., Varshney P.K. // IEEE Trans. 2006. V. WC-5. № 7. P. 1695. https://doi.org/10.1109/TWC.2006.1673081
  15. Gok J., Yazici A., Cosar A., George R. // IEEE World Congress on Computational Intelligence. Barcelona, Spain. 18–23 Jul. 2010. https://doi.org/10.1109/FUZZY.2010.5583956
  16. Gutta S., Cheng Qi. // 15th Intern. Conf. on Information Fusion. Singapore. 9–12 Jul. 2012. P. 1519.
  17. Javaid A., Javaid N., Wadud Z. et al. // Sensors. 2019. V. 19. № 6. P. 1334. https://doi.org/10.3390/s19061334
  18. Скляр Б. Цифровая связь: Теоретические основы и практическое применение. М.: ИД “Вильямс”, 2003.
  19. Левин Б.Р. Теоретические основы статистической радиотехники. М.: Сов. радио, 1975. Кн. 2.
  20. Парфенов В.И., Ле В.Д. // Физика волновых процессов и радиотехнические системы. 2020. Т. 23. № 2. С. 49. https://doi.org/10.18469/1810-3189.2020.23.2.49-54
  21. Парфенов В.И., Ле В.Д. // Компьютерная оптика. 2021. Т. 45. № 3. С. 364. https://doi.org/10.18287/2412-6179-CO-788
  22. Parfenov V.I., Le V.D. // Int. J. Sensor Networks. 2022. V. 38. № 2. P. 71. https://doi.org/10.1504/IJSNET.2022.121157

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу
2.

Жүктеу (83KB)
Метадеректер
3.

Жүктеу (77KB)
Метадеректер
4.

Жүктеу (83KB)
Метадеректер
5.

Жүктеу (73KB)
Метадеректер

© В.И. Парфенов, А.А. Калининский, 2023