АЛГОРИТМЫ КЛАССИФИКАЦИИ ОБЪЕКТОВ СЕТЕЙ «ИНТЕРНЕТА ВЕЩЕЙ» НА ОСНОВЕ ЖАДНЫХ АЛГОРИТМОВ

13.00.00 Педагогические науки

АЛГОРИТМЫ КЛАССИФИКАЦИИ ОБЪЕКТОВ СЕТЕЙ «ИНТЕРНЕТА ВЕЩЕЙ» НА ОСНОВЕ ЖАДНЫХ АЛГОРИТМОВ

Печать

Создано: 14.01.2021, 11:34

Козлов А.С., Дудник С.В., Култазин Н.М.

Email: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Козлов Александр Сергеевич - старший системный администратор,

филиал

Корпорация "Алайн Текнолоджи Ресерч энд Девелопмент, Инк";

Дудник Сергей Викторович - ведущий эксперт,

департамент инфраструктурных решений,

Сбербанк,

г. Москва;

Култазин Нурлан Муратович - инженер инфраструктуры,

Астанинская международная биржа, г. Нур-Султан, Республика Казахстан

Аннотация: рассмотрены особенности работы с сенсорными сетями сервисов Интернета вещей как инфраструктуры мониторинга непрерывных объектов. Указаны базовые подходы, которые позволяют улучшить показатели точности и энергоэффективности систем данного типа. Предложена методика оптимизации алгоритмов, которые используются для определения границ непрерывных объектов в сети «Интернета вещей». На основе соотнесения граничных узлов разработан подход по классификации области вокруг граничного узла и подобласти с нисходящей вероятностью возникновения события. Показано, что оптимизация жадного алгоритма может быть применена для выборочной активации определенного числа соседних узлов сети «Интернета вещей» в рамках соответствующих подобластей. Соответственно, данный поход позволяет уточнить границы объектов в соответствии с данными датчиков активированных узлов сети «Интернета вещей». Построена математическая модель, которая позволяет достичь лучшей точности обнаружения объектов, при меньшей нагрузке на аппаратную платформу.

Ключевые слова: Интернет вещей, сенсорные сети, обнаружение границ, жадные алгоритмы, непрерывный объект диагностирования, ресурсоемкость.

CLASSIFICATION ALGORITHMS FOR THE INTERNET OF THINGS NETWORK OBJECTS BASED ON GREEDY ALGORITHMS

Kozlov A.S., Dudnik S.V., Kultazin N.M.

Kozlov Aleksandr Sergeevich - Senior. System Administrator,

EMEA RUSSIAN REGION

"ALIGN TECHNOLOGY RESEARCH AND DEVELOPMENT INCORPORATED";

Dudnik Sergei Victorovich - Leading Expert,

DEPARTMENT OF INFRASTRUCTURE SOLUTIONS,

SBERBANK,

MOSCOW;

Kultazin Nurlan Muratovich - Infrastructure Engineer,

ASTANA INTERNATIONAL EXCHANGE, NUR-SULTAN, REPUBLIC OF KAZAKHSTAN

Abstract: the peculiarities of the sensor networks of the Internet of Things service processing as an infrastructure for monitoring continuous objects are considered. Basic approaches that improve the accuracy and energy efficiency of this type of systems are indicated. A technique for optimizing the algorithms that are used to determine the boundaries of continuous objects in the Internet of Things network is proposed. Based on the correlation of the boundary nodes, an approach has been developed to classify the area around the boundary node and subregion with a downward probability of the occurrence of an event. It is shown that greedy algorithms optimization can be applied to selectively activate a certain number of neighboring nodes of the Internet of Things network within the corresponding subdomains. Accordingly, this method allows clarifying the boundaries of objects in accordance with the sensor data of the activated nodes of the Internet of Things network. Developed mathematical model allows achieving better accuracy of object detection, with less load on the hardware platform.

Keywords: Internet of things, sensor networks, boundary detection, greedy algorithms, continuous objects, resource consumption.

Список литературы / References

Kavitha B.C., Vallikannu R. IoT based intelligent industry monitoring system. In: 2019 6th International Conference on Signal Processing and Integrated Networks (SPIN), 2019. Р 63–65.
Diao J., Zhao D., Tang J., Cheng Z., Zhou Z., Continuous Objects Detection Based on Optimized Greedy Algorithm in IoT Sensing Networks. Security, Privacy, and Anonymity in Computation, Communication, and Storage Lecture Notes in Computer Science, 265–278. doi: 10.1007/978-3-030-24900-7_22.
Xiong S., Ni Q., Wang X., Su Y. A connectivity enhancement scheme based on link transformation in IoT sensing networks. IEEE Internet Things J., 2017. 4(6), 2297–2308.
Yates D.J., Xu J., 2010. Sensor Field Resource Management for Sensor Network Data Mining. Intelligent Techniques for Warehousing and Mining Sensor Network Data, 280–304. doi: 10.4018/978-1-60566-328-9.CH013.
Wu Y., Rowe A., Logic-Based Programming for Wireless Sensor-Activator Networks, 2011 IEEE/ACM Second International Conference on Cyber-Physical Systems. doi: 10.1109/ICCPS.2011.31.
Ahmadi H., Bouallegue R., Comparative study of learning-based localization algorithms for Wireless Sensor Networks: Support Vector regression, Neural Network and Naïve Bayes. 2015 International Wireless Communications and Mobile Computing Conference (IWCMC). doi: 10.1109/IWCMC.2015.7289314.
Qihua W., Ge G., Lijie C., Xufeng X., Scheduling strategy for Hidden Markov Model in wireless sensor network. 2015 34th Chinese Control Conference (CCC). doi: 10.1109/CHICCc.2015.7260879.
Ni J., Li Z., Xie S., Jia C., Toxic Gas Leak Monitoring Alarm System Based on Wireless Sensor Network. 2018 37th Chinese Control Conference (CCC). doi: 10.23919/CHICC.2018.8483568.
Chao C., Jiao S., Zhang S., Liu W., Feng L., Wang Y. TripImputor: realtime imputing taxi trip purpose leveraging multi-sourced urban data. IEEE Trans. Intell. Transp. Syst., 2018. 99, 1–13.
Nguyen D., Phung P.H., 2017. A Reliable and Efficient Wireless Sensor Network System for Water Quality Monitoring. 2017 International Conference on Intelligent Environments (IE). doi: 10.1109/IE.2017.34.
Shu L., Chen Y., Sun Z., Tong F., Mukherjee M. Detecting the dangerous area of toxic gases with wireless sensor networks. IEEE Trans. Emerg. Top. Comput.,
Lei F., Yao L., Zhao D., Duan Y. Energy-efficient abnormal nodes detection and handlings in wireless sensor networks. IEEE Access 5, 2017. 3393–3409.
Diao J., Zhao D., Tang J., Cheng Z., Zhou Z., 2019. Continuous Objects Detection Based on Optimized Greedy Algorithm in IoT Sensing Networks. Security, Privacy, and Anonymity in Computation, Communication, and Storage Lecture Notes in Computer Science, 265–278. doi: 10.1007/978-3-030-24900-7_22.
Heinzelman W.B., Chandrakasan A.P., Balakrishnan An application specific protocol architecture for wireless microsensor networks. IEEE Trans. Wirel. Commun., 2002. 1 (4), 660–670.

Ссылка для цитирования данной статьи

		Тип лицензии на данную статью – CC BY 4.0. Это значит, что Вы можете свободно цитировать данную статью на любом носителе и в любом формате при указании авторства.
Козлов А.С., Дудник С.В., Култазин Н.М. АЛГОРИТМЫ КЛАССИФИКАЦИИ ОБЪЕКТОВ СЕТЕЙ «ИНТЕРНЕТА ВЕЩЕЙ» НА ОСНОВЕ ЖАДНЫХ АЛГОРИТМОВ // Проблемы современной науки и образования № 1 (158), 2021. - С. {см. журнал}.