مقالةآشنایی با انواع سنسورها وکاربردهای سنسورهای حسگر هوشمند در شبکه های data

مقالةآشنایی با انواع سنسورها وکاربردهای سنسورهای حسگر هوشمند در شبکه های data

فهرست:

سنسور چیست؟

سنسورهای بدون تماس

کاربرد سنسورها

مزایای سنسورهای بدون تماس

سنسورهای القائی

اساس کار و ساختمان سنسورهای القائی

سنسورهای التراسونیک و کاربرد این سنسورها

سنسورهای صنعتی

سنسور دمای هوا (ATS)

سنسور دمای آب (CTS )

سنسور فشار هوای منیفولد ( MAP)

ادوات ورودی سنسورها ، ترانسدیوسرها و ترانسمیترها

شبکه های سنسور

آشنایی با دو نوع سنسور

استراتژی شناسایی ( Exploration )

هزینه جواب دادن به Query

انتخاب Data Storage

======================

سنسور چیست؟

سنسور المان حس کننده ای است که کمیتهای فیزیکی مانند فشار، حرارت، رطوبت، دما، و ... را به کمیتهای الکتریکی پیوسته (آنالوگ) یا غیرپیوسته (دیجیتال) تبدیل می کند. این سنسورها در انواع دستگاههای اندازه گیری، سیستمهای کنترل آنالوگ و دیجیتال مانند PLC مورد استفاده قرار می گیرند. عملکرد سنسورها و قابلیت اتصال آنها به دستگاههای مختلف از جمله PLC باعث شده است که سنسور بخشی از اجزای جدا نشدنی دستگاه کنترل اتوماتیک باشد. سنسورها اطلاعات مختلف از وضعیت اجزای متحرک سیستم را به واحد کنترل ارسال نموده و باعث تغییر وضعیت عملکرد دستگاهها می شوند.

سنسورهای بدون تماس

سنسورهای بدون تماس سنسورهائی هستند که با نزدیک شدن یک قطعه وجود آنرا حس کرده و فعال می شوند. این عمل به نحوی که در شکل زیر نشان داده شده است می تواند باعث جذب یک رله، کنتاکتور و یا ارسال سیگنال الکتریکی به طبقه ورودی یک سیستم گردد.

کاربرد سنسورها

1-شمارش تولید: سنسورهای القائی، خازنی و نوری

2-کنترل حرکت پارچه و ...: سنسور نوری و خازنی

3-کنترل سطح مخازن: سنسور نوری و خازنی و خازنی کنترل سطح

4-تشخیص پارگی ورق: سنسور نوری

5-کنترل انحراف پارچه: سنسور نوری و خازنی

6-کنترل تردد: سنسور نوری

7-اندازه گیری سرعت: سنسور القائی و خازنی

8-اندازه گیری فاصله قطعه: سنسور القائی آنالوگ

...

شبکه های سنسور

شبکه های سنسور بی سیم شامل نودهای کوچکی با توانایی حس کردن، محاسبه و ارتباط به زودی در همه جا خود را می گسترانند. چنین شبکه هایی محدودیت منابع روی ارتباطات، محاسبه و مصرف انرژی دارند. اول اینکه پهنای باند لینکهایی که گرههای سنسور را به هم متصل می کنند محدود می باشد و شبکه های بیسیم ای که سنسورها را به هم متصل می کنند کیفیت سرویس محدودی دارند و میزان بسته های گم شده در این شبکه ها بسیار متغیر می باشد. دوم اینکه گره های سنسور قدرت محاسبه محدودی دارند و اندازه حافظه کم نوع الگوریتمهای پردازش داده ای که می تواند استفاده شود را محدود می کند. سوم اینکه سنسورهای بی سیم باطری کمی دارند و تبدیل انرژی یکی از مسائل عمده در طراحی سیستم می باشد.

...

خرید فایل

پایان نامه Data Mining

پایان نامه Data Mining

چکیده:

در دو دهه قبل توانایی­های فنی بشربرای تولید و جمع­آوری داده‌ها به سرعت افزایش یافته است. عواملی نظیر استفاده گسترده از بارکد برای تولیدات تجاری، به خدمت گرفتن کامپیوتر در کسب­و­کار، علوم، خدمات­ دولتی و پیشرفت در وسائل جمع­آوری داده، از اسکن کردن متون و تصاویر تا سیستمهای سنجش از دور ماهواره­ای، در این تغییرات نقش مهمی دارند.

بطور کلی استفاده همگانی از وب و اینترنت به عنوان یک سیستم اطلاع رسانی جهانی ما را مواجه با حجم زیادی از داده و اطلاعات می‌کند. این رشد انفجاری در داده‌های ذخیره شده، نیاز مبرم وجود تکنولوژی­های جدید و ابزارهای خودکاری را ایجاد کرده که به صورت هوشمند به انسان یاری رسانند تا این حجم زیاد داده را به اطلاعات و دانش تبدیل کند. داده­کاوی به عنوان یک راه حل برای این مسائل مطرح می باشد. در یک تعریف غیر رسمی داده­کاوی فرآیندی است، خودکار برای استخراج الگوهایی که دانش را بازنمایی می­کنند، که این دانش به صورت ضمنی در پایگاه داده­های عظیم، انباره­داده[1] و دیگر مخازن بزرگ اطلاعات، ذخیره شده است.

به لحاظ اینکه در چند سال اخیر مبحث داده­کاوی و اکتشاف دانش موضوع بسیاری از مقالات و کنفرانسها قرار گرفته و نرم­افزار­های آن در بازار به شدت مورد توجه قرار گرفته، از اینرو در مقاله سعی بر آن شده تا گذری بر آن داشته باشیم.

---

[1] Data warehouses

مقدمه

امروزه با گسترش سیستم‌های پایگاهی و حجم بالای داده‌های ذخیره شده در این سیستم‌ها، نیاز به ابزاری است تا بتوان داده‌های ذخیره شده را پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد.

با استفاده از پرسش‌های ساده در SQL و ابزارهای گوناگون گزارش‌گیری معمولی، می‌توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه‌گیری در مورد داده‌ها و روابط منطقی میان آنها بپردازند. امّا وقتی که حجم داده‌ها بالا باشد، کاربران هرچند زبر­دست و با­تجربه باشند نمی‌توانند الگوها مفید را در میان حجم انبوه داده‌ها تشخیص دهند و یا اگر قادر به این کار هم باشند، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است. از سوی دیگر، کاربران معمولاً فرضیه‌ای را مطرح می‌کنند و سپس بر­اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می‌پردازند، در حالی که امروزه نیاز به روشهایی است که اصطلاحاً به کشف دانش [1] بپردازند یعنی با کمترین دخالت کاربر و بصورت خودکار الگوها و رابطه‌های منطقی را بیان نمایند.

تعریف داده ­کاوی:

اصطلاح Data Mining همانطور که از ترجمه آن به داده­کاوی مشخص می­شود، به مفهوم استخراج اطلاعات نهان و یا الگوها و روابط مشخص در حجم زیادی از داده‌های یک یا چند بانک اطلاعاتی بزرگ است. اطلاعات استخراج شده در تعریف Data Mining بطور ضمنی به معنی اطلاعاتی است که بر اساس آن بتوان به نتایجی دست یافت که بطور معمول ملموس نیستند. در این تعریف بر بزرگ بودن بانکهای اطلاعاتی و یا حجم زیاد داده‌های مورد پردازش تاکید می‌شود. علت این است که از نظر آماری و تئوری اطلاعات، تجزیه و تحلیل داده‌ها و یا آنطور که در این اصطلاح تعبیر می‌شود، کاوش در حجم کم داده­های یک بانک به نتایج قابل قبولی منجر نمی‌شود. به کمک ابزارهای Data Mining می‌توان مقادیر متغیرهای را پیش­بینی و توصیف نمود. این ابزارها در فرایندهای تصمیم‌گیری متکی بر اطلاعات و دانش [1] کاربر فراوان دارند و فعالیت­های تجاری نوین و مدرن امروزه به شدت بر آن متکی است. فرایند Data Mining را نباید با روش‌های متداول آنالیز داده و اطلاعات و سیستم­های تصمیم‌گیری معمولی یکی دانست. به کمک روش‌های Data Mining می‌توان به پرسش­هایی (عمدتاً تجاری) پاسخ گفت که بطور سنتی عملاً امکان وجود ندارد.

داده­کاوی چه کارهایی نمی‌تواند انجام دهد؟

داده­کاوی فقط یک ابزار است و نه یک عصای جادویی. داده­کاوی به این معنی نیست که شما راحت به کناری بنشیند و ابزارهای داده­کاوی همه کار را انجام دهد.

داده­کاوی نیاز به شناخت داده‌ها و ابزارهای تحلیل و افراد خبره در این زمینه‌ها را از بین نمی‌برد. داده­کاوی فقط به تحلیلگران برای پیدا کردن الگوها و روابط بین داده‌‌ها کمک می‌کند و در این مورد نیز روابطی که یافته می‌شود باید بوسیله داده‌های واقعی دوباره بررسی و تست گردد.

کاربردهای داده­کاوی

داده­کاوی بخاطر کمک‌های اساسی آن به سرعت در حال محبوبیت است.

سازمانهای زیادی در حال استفاده از داده­کاوی برای کمک به مدیریت تمام فازهای ارتباط با مشتری شامل بدست آوردن مشتریان جدید، افزایش سود از طریق مشتریان موجود و حفظ مشتریان خوب هستند. با تعیین مشخصات یک مشتری خوب یک شرکت می‌تواند با همان مشخصات اهداف آینده خویش را پیش­بینی کند. با پرونده­سازی برای مشتری که یک محصول خاص را خرید می‌نماید این شرکت می‌تواند توجه خود را به مشتریان مشابهی که از این محصول خرید نکرده‌اند معطوف دارد. با پرونده­سازی برای مشتریانی که این سازمان را ترک کرده‌اند یک شرکت می‌تواند مشتریانی را که خطر رفتن آنها وجود دارد را نگه دارد؛ چرا که نگهداری یک مشتری موجود بسیار کم هزینه­تر از بدست آوردن یک مشتری جدید است.

---

فهرست مطالب
فهرست اشکال ...............................................................................................................................................	10
فهرست جداول ..............................................................................................................................................	11
فصل1: مقدمه­ای بر داده­کاوی ............................................................................	13
1-1تعریف داده­کاوی ...................................................................................................................................	15
2-1تاریخچه داده­کاوی ................................................................................................................................	16
3-1چه چیزی سبب پیدایش داده­کاوی شده است؟ ........................................................................................	17
4-1اجزای سیستم داده­کاوی .........................................................................................................................	19
5-1جایگاه داده­کاوی در میان علوم مختلف ..................................................................................................	21
6-1قابلیتهای داده­کاوی .................................................................................................................................	22
7-1چرا به داده­کاوی نیاز داریم؟ ...................................................................................................................	23
8-1داده­کاوی چه کارهایی نمی­تواند انجام دهد؟ ..........................................................................................	25
9-1کاربردهای داده­کاوی .............................................................................................................................	25
1-9-1 کاربردهای پیش­بینی­کننده ...................................................................................................	27
2-9-1 کاربردهای توصیف­کننده ....................................................................................................	27
10-1ابزارهای تجاری داده­کاوی ...................................................................................................................	28
11-1داده­کاوی و انبار­داده­ها .........................................................................................................................	29
1-11-1 تعاریف انبار­داده ................................................................................................................	29
2-11-1 چهار خصوصیت اصلی انبار­داده .........................................................................................	30
3-11-1 موارد تفاوت انبار­داده و پایگاه­ داده ....................................................................................	31
12-1داده­کاوی و OLAP ...........................................................................................................................	33
1-12-1 OLAP ...........................................................................................................................	33
2-12-1 انواع OLAP ...................................................................................................................	34
13-1مراحل فرایند کشف دانش از پایگاه داده­ها ...........................................................................................	34
1-13-1انبارش داده­ها ....................................................................................................................	35
2-13-1انتخاب داده­ها ....................................................................................................................	36
3-13-1 پاکسازی- پیش­پردازش- آماده­سازی ................................................................................	36
4-13-1تبدیل داده­ها ......................................................................................................................	36
5-13-1 کاوش در داده­ها (Data Mining) .................................................................................	37
6-13-1تفسیر نتیجه ........................................................................................................................	38
فصل 2: قوانین ارتباطی ...........................................................................	39
1-2قوانین ارتباطی ........................................................................................................................................	40
2-2اصول پایه ...............................................................................................................................................	41
1-2-2شرح مشکل جدی ...............................................................................................................	41
2-2-2 پیمایش فضای جستجو .........................................................................................................	43
3-2-2 مشخص کردن درجه حمایت مجموعه اقلام .........................................................................	45
3-2الگوریتمهای عمومی ..............................................................................................................................	45
1-3-2دسته­ بندی ............................................................................................................................	45
2-3-2 BFS و شمارش رویداد­ها ...................................................................................................	46
3-3-2 BFS و دونیم­سازی TID-list ...........................................................................................	47
4-3-2 DFS و شمارش رویداد ......................................................................................................	47
5-3-2 DFS و دو نیم­سازی TID-list ..........................................................................................	48
4-2الگوریتمApriori ................................................................................................................................	48
1-4-2 مفاهیم کلیدی .....................................................................................................................	48
2-4-2 پیاده­سازی الگوریتم Apriori ............................................................................................	49
3-4-2 معایب Apriori و رفع آنها .................................................................................................	54
5-2 الگوریتم رشد الگوی تکرارشونده ..........................................................................................................	55
1-5-2 چرا رشد الگوی تکرار سریع است؟ .....................................................................................	58
6-2 مقایسه دو الگوریتم Apriori و FP-growth ......................................................................................	59
7-2تحلیل ارتباطات ......................................................................................................................................	63
فصل 3: وب­کاوی و متن­کاوی .................................................................	65
1-3وب­کاوی ...............................................................................................................................................	66
1-1-3 الگوریتمهای هیتس و لاگسام ...............................................................................................	69
2-1-3 کاوش الگوهای پیمایش مسیر ..............................................................................................	76
2-3متن­کاوی ...............................................................................................................................................	80
1-2-3 کاربردهای متن­کاوی ...........................................................................................................	82
1-1-2-3 جستجو و بازیابی ..............................................................................................	83
2-1-2-3 گروه­بندی و طبقه­بندی ......................................................................................	83
3-1-2-3 خلاصه­سازی ....................................................................................................	84
4-1-2-3 روابط میان مفاهیم .............................................................................................	84
5-1-2-3 یافتن و تحلیل گرایشات ....................................................................................	84
6-1-2-3 برچسب زدن نحوی (pos) ...............................................................................	85
7-1-2-3 ایجاد Thesaurus و آنتولوژی به صورت اتوماتیک .........................................	85
2-2-3فرایند متن­کاوی ...................................................................................................................	86
3-2-3 روشهای متن­کاوی ...............................................................................................................	87
مراجع .....................................................................................................	89

خرید فایل

ISOIEC 19794-5:2014-Information technology — Biometric data interchange formats — Part 5: Face image data

ISO/IEC 19794-5:2014-Information technology — Biometric data interchange formats — Part 5: Face image data AMENDMENT 1: Conformance testing methodology and clarification of defects ...

ISOIEC 19794-7:2014-Information technology — Biometric data interchange formats — Part 7: Signaturesign time series data

ISO/IEC 19794-7:2014-Information technology — Biometric data interchange formats — Part 7: Signature/sign time series data ...

ANSITIA-942-2005-Telecommunications Infrastructure Standard for Data Centers

148 صفحه ANSI/TIA-942-2005-Telecommunications Infrastructure Standard for Data Centers ...

پاورپوینت بررسی و ارزیابی انبار داده یا Data Warehousing

فرمت فایل : power point  (قابل ویرایش) تعداد اسلاید  : 31 اسلاید             انبار داده (Data Warehouse) چیست انـبـار داده بـه مجـموعـه ای از داده هــا گفـتـه می شود که از منابع مختلف اطلاعاتی سازمان جمع آوری ، دسته بندی و ذخیره می شود. در واقع یک انبار داده مخزن اصلی کلیه داده های حال و گذشته یک سازمان می باشد که برای همیشه جهت انجام عملیات گزارش گیری و آنالیز در دسترس مدیران می باشد.     انبار داده (Data Warehouse):   تکنولوژی انبار داده‌ها شامل مجموعه‌ای مفاهیم و ابزارهای جدیدی است که با فراهم آوردن اطلاعات از دانشگران (افراد اجرایی، مدیر و تحلیلگر) در تصمیم گیری پشتیبانی می‌نماید. دلیل اصلی ساخت انبار داده ها، بهبود کیفیت اطلاعات در سازمان است، در واقع دسترسی به داده‌ها از هر جا درون سازمان داده‌ ...

دانلود مقاله بررسی نحوه انتخاب Data Storage در شبکه های حسگر

لینک و پرداخت دانلود * پایین مطلب *   فرمت فایل : word ( قابل ویرایش )   تعداد صفحه :  12       مقدمه شبکه های سنسور بی سیم شامل نودهای کوچکی با توانایی حس کردن، محاسبه و ارتباط به زودی در همه جا خود را می گسترانند. چنین شبکه هایی محدودیت منابع روی ارتباطات، محاسبه و مصرف انرژی دارند. اول اینکه پهنای باند لینکهایی که گرههای سنسور را به هم متصل می کنند محدود می باشد و شبکه های بیسیم ای که سنسورها را به هم متصل می کنند کیفیت سرویس محدودی دارند و میزان بسته های گم شده در این شبکه ها بسیار متغیر می باشد. دوم اینکه گره های سنسور قدرت محاسبه محدودی دارند و اندازه حافظه کم نوع الگوریتمهای پردازش داده ای که می تواند استفاده شود را محدود می کند. سوم اینکه سنسورهای بی سیم باطری کمی دارند و تبدیل انرژی یکی از مسائل عمده در طراحی سیستم می باشد.   ...

تحقیق آماده: مفاهیم و روشهای تشخیص و نمونه گیری و کاربردها و آینده data minning داده کاوی - 26 صفحه فایل ورد

                  مقدمه معرفی داده ‌ کاوی و دلایل پیدایش آن تعاریف داده کاوی جایگاه داده ‌ کاوی در علوم کامپیوتر   طبقه بندی روش های داده کاوی داده کاوی توصیفی یا توصیف کننده داده کاوی پیشگویانه مراحل و اجزای یک فرآیند داده ‌ کاوی بیان مسئله و فرموله کردن فرضیه انتخاب و جمع آوری داده ها تبدیل و پیش پردازش داده ها برآورد مدل یا کاوش در داده ها تفسیر نتیجه یا تفسیر مدل و رسیدن به نتایج آماده سازی داده ها مدل استاندارد داده ها دو وظیفه اصلی در آماده سازی داده ها تبدیل و تغییر وضعیت داده های خام نرمال سازی      1-1 مقیاس دهی اعشاری      2-1 نرمال سازی حداقل - حداکثر      3-1 نرمال سازی انحراف معیار یکنواخت سازی داده ها تفاضل ...

شبیه سازی الگوریتم ردیابی احتمالاتی یا به انگلیسی Probabilistic Data Association Filter Tracking Algorithm

فایل زیر شبیه سازی در زمینه شبیه سازی الگوریتم ردیابی احتمالاتی یا به انگلیسی Probabilistic Data Association Filter Tracking Algorithm  می باشد شبیه سازی در مطلب انجام شده و خروجی برای یک نمونه نشان داده شده است.  ...

بررسی داده های عظیم ( Big Data ) در شبکه های اجتماعی

امروزه چالش اصلی همه حوزه های شبکه و پایگاه داده یک موضوع است . داده های عظیم "Big Data" داده های عظیم مفهومی است که به تازگی مطرح شده است و به طور کلی به افزایش حجم اطلاعات غیر ساختارمند و یکپارچه در کنار ذخیره سازی و پردازش آن ها می پردازد .  داده های عظیم اکنون چالش اصلی شبکه های گسترده و شرکت های بزرگ است و انواع راهکارهای ابر، مجازی سازی، محاسبات موبایل، مراکز داده و حتی سیستم های نظارت و تصویری و بی سیم را به خود مشغول کرده است . در ابتدا این مفهوم و چالش را بررسی می کنیم و بعد به سراغ بررسی آن در شبکه های اجتماعی خواهیم رفت . ...