فایل ورد کامل مدل پیش بینی با سرریز کم و دقت بالا برای جستجوی حسگر مبتنی بر محتوا در اینترنت اشیاء

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

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مدل پیش بینی با سرریز کم و دقت بالا برای جستجوی حسگر مبتنی بر محتوا در اینترنت اشیاء،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۰ صفحه

افزایش تعداد حسگرهای متصل به اینترنت ، آینده ی سرویس جستجوی حسگر را ارتقا داده است. برای دسترسی به تمام اشیاء موجود برای یافتن نتایج حسگر در سرریز بزرگ مخابراتی، یک مدل پیش بینی با سرریز کم و با دقت بالا(LHPM) برای افزایش دادن راندمان جستجو حسگر پیشنهاد شده است. ما روشی تقریبی برای کاهش دادن هزینه انرژی مربوطه طراحی می کنیم. سپس یک روش پیش بینی چند مرحله ای برای برآورد صحیح حالت حسگر پیشنهاد شده است. علاوه بر این، یک روش رتبه بندی حسگر برای ارزیابی احتمالات تطبیق حسگر پیشنهاد شده است تا اینکه سرریز مخابراتی فرایند جستجو کاهش یابد. نتایج شبیه سازی ، تاییدیه مدل پیش بینی پیشنهادی در زمینه جستجو حسگر مبتنی بر محتوا را اثبات می کند.

کلمات کلیدی: اینترنت اشیاء | جست و جوی حسگر | مدل پیش بینی | رتبه بندی حسگر

عنوان انگلیسی:

Low-overhead and high-precision prediction model for content-based sensor search in the Internet of Things

~~en~~ writers :

Puning Zhang, Yuanan Liu, Fan Wu, Suyan Liu, and Bihua Tang

A growing number of Internet-connected sensors
have already promoted the advance of sensor search service.
Accessing all available objects to find the sought sensor results
in huge communication overhead, thus a low-overhead and highprecision prediction model (LHPM) is proposed to improve the
sensor search efficiency. We design the approximation method to
lower the reporting energy cost. Then a multi-step prediction
method is proposed to accurately estimate the sensor state.
Furthermore, a sensor ranking method is presented to assess
the matching probabilities of sensors, so as to effectively reduce
the communication overhead of the search process. Simulation
results demonstrate the validity of the proposed prediction model
in the area of content-based sensor search.

Index Terms: Internet of Things | sensor search | prediction model | sensor ranking

$$en!!