الگوريتم Evidential EM توزيع شده جهت دسته بندي در شبكه هاي داراي داده هاي همراه با نايقيني

در اين مقاله مسئله دسته بندي داده ها در شبكه هاي حسگر توزيع شده با اندازه گيري هاي داراي نايقيني مورد بررسي قرار گرفته است. اندازه گيري حسگرها در شبكه هاي حسگر را مي توان با استفاده از يك مدل تركيبي گوسي ارائه كرد. در اين مقاله نيز ابتدا داده ها توسط تركيبي از مولفه هاي گوسي توليد شده و سپس نايقيني به آنها اضافه شده است. پس از يك الگوريتم توزيع شده نوين به نام الگوريتم (Evidential EM( Expectation Maximization براي تخمين مولفه هاي گوسي در مدل تركيبي استفاده شده است. الگوريتم پيشنهادي در واقع نسخه توسعه يافته اي از الگوريتم EM براي تخمين و دسته بندي داده هاي داراي نايقيني است كه از دو بخش ميانگين گيري و بيشينه سازي تشكيل شده است. در پايان، كارايي الگوريتم پيشنهادي توسط يك مثال شبيه سازي شده نشان داده شده است.