1 / 12

K- najbli ži sused Algoritam

Data Mining. K- najbli ži sused Algoritam. u bežičnim senzorskim mrežama. Student : Filip Petrović. Profesor : Veljko Milutinovi ć. 1/12. Bežične senzorske mreže :. Šta čini jednu BSM ? Skup be žičnih senzora postavljenih u odredjenoj oblasti

elga
Download Presentation

K- najbli ži sused Algoritam

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Data Mining K-najbliži susedAlgoritam u bežičnim senzorskim mrežama Student: Filip Petrović Profesor: VeljkoMilutinović 1/12

  2. Bežične senzorske mreže: • Šta čini jednu BSM? • Skup bežičnih senzora postavljenih u odredjenoj oblasti u cilju posmatranja, ispitivanja i prikljupljanja podataka od važnosti. 2/12 Slika br.1 – Primer bežične senzorske mreže

  3. Primena BSM-a: • Sprečavanje šumskih požara • Merenje temperature, vlažnosti vazduha... Procena rizika • Praćenje zagadjenja vazduha • Zastupljeno u Londonu i Stokholmu • Prirodne nepogode i klizišta • Preventivno dejstvo, praćenje raznih parametara • Kvalitetvode • Postavlja se nareke, jezera, moraiokeane • Zdravstvo • praćenje raznih parametara, puls, otkucajisrca… 3/12

  4. Zajednički problem: • Gubljenje podataka jednog ili više senzora • Usled raznih uzroka • Mogući uzroci gubljenja podataka: • Preprekeširenju signala (planine, gradjevine...) • Prirodne nepogode (grom, kiša, oluja) • Nestanak napajanja (mogu da nestanu i keširani podaci) • Fizička oštećenja • Zaključak: • Gubljenjepodataka je neizbežno 4/12

  5. Rešenje problema? • Aproksimiranjeizgubljenihpodataka • Izgubljenipodaci se ne smejuzanemariti • Izboralgoritmazaaproksimiranje • Neki se oslanjaju na vremensku a neki na prostornu korelaciju • K – najbliži sused algoritam • Pored vremenske, oslanja se i na prostornu korelaciju 5/12

  6. K – najbliži sused Ni – Izgubljeni senzorski podaci senzora i. m –broj senzora. Nb(i) = {N1, N2 … Nm-1, Nm} –Skupsvihsusedasenzorai. ∀ Nj ∈ Nb(i), Ni iNjsuprostornorelativnoblizu(imaće sličan odziv) Šta ova činjenica omogućava? - primena modela linearne regresije Slika br.2 – Primer odzivadvasenzora 6/12

  7. Model linearne regresije Koristi se za predikciju nepoznate, zavisne varijable (kada je poznata varijabla sa kojom je nepoznata varijabla u linearnoj vezi) Yit = α + β*Yjt + μjt Yit - podacisenzora Ni u trenutku t Yjt - podacisenzora Nj u trenutku t α,β– koeficijenti modela μjt– slučajna greška u trenutku t U skladu sa modelom linearne regresije, uzimamo podatke poznatih senzora, kako bismo izračunali približne koeficijente α’ iβ’. 7/12

  8. Model linearne regresije Tražena formula postaje: Yit’ = α’ + β’*Yjt Yit’ – procenjenavrednostpodatakasenzora Kako bi rezultat bio što precizniji, Za sve susede senzora Ni iz skupa Nb(i) možemo izračunati Yit’ , zatimizračunati njihovu srednju ponderisanu vrednost. Wj– Potrebno je još odrediti težinski koeficijent 8/12

  9. Težinski koeficijent • Zašto težinski koeficijent? • Preciznijeutvrdjenavrednost senzora • mora imati veći uticaj na rezultat. U tu svrhu se uvodi Koeficijent determinacije R2 - R2 (0 <= R2 <= 1) - veća vrednost, bolja procena. Prema pomenutom modelu linearne regresije, traženi težinski koeficijent postaje: Čime su ispunjeni svi uslovi za procenu izgubljenih podataka senzora Ni. Metoda K–najbliži sused je u praksi pokazala izuzetno dobre rezultate. 9/12

  10. Nepotpunipodaci Potpunipodaci Potpunipodaci Izgubljenisenzorskipodaci Rešenje? K-najbliži sused algoritam 10/12

  11. Slika br.3 – Primer bežične senzorske mreže 11/12

  12. Student: Filip Petrović br. indeksa: 3029/2013 e-mail: 62filip@gmail.com 12/12

More Related