استفاده از عامل های متحرک در دسته بندی داده های توزیع شده با الگوریتم EM

در این مقاله، عامل های متحرک مسئله تخمین چگالی و دسته بندی داده ها را در شبکه سنسوری چند حلقه ای مورد بررسی قرار می دهند. با این فرض که اندازه گیری سنسورها در تمامی حلقه ها بصورت آماری در یک مدل ترکیبی گوسی مدلسازی شود. در اینجا، در هر حلقه یک عامل متحرک برای اجراء الگوریتم EM در جهت تخمین پارامترهای این مدل استفاده می شود. در مرحله E از این الگوریتم، عامل متحرک با رفتن به هر گره، مقادیر چکیده آماری محلی را با استفاده از اندازه گیری های محلی خود آن گره محاسبه می کند. در مرحله M، عامل متحرک با استفاده از مقادیر چکیده آماری کلی، پارامترهای مدل گوسی را به روز میکند. سپس عامل های متحرک در مرکز پردازش با ترکیب اطلاعات یکدیگر پارامترهای مدل ترکیبی گوسی را تخمین زده و داده ها را دسته بندی می کند.