تشخیص حملات تقلید از کاربر اولیه در شبکه های رادیو شناختی با خوشه بندی مبتنی بر الگوریتم بهینه سازی گرگ خاکستری

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 701

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SETCO01_121

تاریخ نمایه سازی: 13 مهر 1397

چکیده مقاله:

هدف اصلی این پژوهش تشخیص حملات تقلید از کاربر اولیه در شبکه های رادیو شناختی می باشد کهبا رویکرد مبتنی بر خوشه بندی انجام گرفته است. خوشه بند پیشنهادی مقاله K-means مبتنی برالگوریتم بهینه سازی گرگ خاکستری می باشد. بررسی یافته های پژوهش نشان می دهد که روشپیشنهادی در معیار ارزیابی مینکوفسکی نسبت به روش K-means به مقدار 0/13 و نسبت به روش K-MPSO به مقدار 0/06 بهبود داشته است.

کلیدواژه ها:

شبکه های رادیو شناختی ، کاربران اولیه ، حملات تقلید از کاربر اولیه ، خوشه بندی

نویسندگان

شهاب طلوعی خطیبی

کارشناس ارشد مهندسی معماری کامپیوتر

آرش هدایتی

دانش آموخته مهندسی هوش مصنوعی

مهدی مشیری

دانشجوی کارشناسی ارشد دانشگاه صنعتی شریف