مقایسه ی سه رویکرد ترکیبی مبتنی بر تئوری مجموعه ی ناهموار، شبکه ی پس انتشار خطا، الگوریتم پرسپترون، ژنتیک و GAPSO، برای همجوشی اطلاعات دراینترنت اشیا

در این مقاله، سه مدل ترکیبی برای همجوشی اطلاعات در اینترنت اشیا پیشنهاد میشود. اینن مندلهنا عبارتنند ا : 1) مدل ترکیبیالگوریتم تئوری مجموعه ی ناهموار و الگوریتم پرسپترون. 2) مدل ترکیبی الگوریتم ژنتیک و الگوریتم پس انتشار خطا. 3) مدل ترکیبی الگوریتم تئوری مجموعه ی ناهموار و الگوریتم GAPSO. همه ی مدلها شامل سه مرحله میباشند: 1) کاهش ابعاد داده های ورودی و شناسایی موثرترین مجموعه های ویژگی، براساس همبستگی داده ها. 2) آموزش الگوریتم های دسته بندی. 3) پیش بینی داده های جدید طبق الگوریتم های دسته بندی آمو ش دیده. مدل ترکیبی الگوریتم تئوری مجموعه ی ناهموار و الگوریتم پرسپترون در تجزیه و تحلیل اطلاعات مبهم و غیردقیق کارایی دارد اما تنها قادر به جداسازی کلاس های خطی است و برای مسائل غیرخطی ضعیف عمل می کند. مدل ترکیبی الگوریتم ژنتیک و الگوریتم پس انتشار خطا، یک روش wrapper است و می تواند برای ار یابی یرمجموعه های انتخابی از الگوریتم یادگیری ماشین استفاده کند. البته این مدل برخلاف روش ترکیبی تئوری مجموعه ی ناهموار و پرسپترون، برای پیش بیننی داده های جدید از دقت بالاتری برخوردار است. تنها ضعف این مدل، هزینه محاسباتی زیاد است. در میان همه ی مدلها، مدل ترکیبی الگوریتم تئوری مجموعه ی ناهموار و GAPSO، از نظر پیش بینی داده های جدید مدلی دقیقتر است، هزینه ی محاسباتی کمتری دارد و به دلیل استفاده از الگوریتم ژنتیک، در بهینه های محلی متوقف نم یشود. در بخش نتایج و مقایسات، مدلهای ترکیبی پیشنهادی براساس پارامترهای شبکه های حسگر بیسیم از جمله: دقت، کیفیت همجوشی اطلاعات، کیفیت آموزش و ظرفیت ذخیره سازی بررسی و مقایسه می شوند. طبق نتایج ، روش ترکیبی الگوریتم تئوری مجموعه ی ناهموار و GAPSO، نسبت به بقیه ی روشها از نظر پیش بیننی داده های جدید دقیقتر است و همجوشی اطلاعات را با کیفیت بهتری انجا می دهد.

کلیدواژه ها:

شبکه عصبی پس انتشار خطا ، الگوریتم تئوری مجموعه ی ناهموار ، الگوریتم پرسپترون ، الگنوریتم GAPSO ، شبکه های حسگر بیسیم ، اینترنت اشیا