Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: Fuzzy C-Means

Sortuj według:

Ogranicz wyniki do:

Node Localization based on Anchor Placement using Fuzzy C-Means in a Wireless Sensor Network

Irid Sidi Mohammed Hadj, Hadjila Mourad, Hachemi Mohammed Hicham, Souiki Sihem, Mosteghanemi Reda, Mostefai Chaima

International Journal of Electronics and Telecommunications

2023

Vol. 69, No. 1

99--104

Localization is one of the oldest mathematical and technical problems that have been at the forefront of research and development for decades. In a wireless sensor network (WSN), nodes are not able to recognize their position. To solve this problem, studies have been done on algorithms to achieve accurate estimation of nodes in WSNs. In this paper, we present an improvement of a localization algorithm namely Gaussian mixture semi-definite programming (GM-SDP-2). GMSDP is based on the received signal strength (RSS) to achieve a maximum likelihood location estimator. The improvement lies in the placement of anchors through the Fuzzy C-Means clustering method where the cluster centers represent the anchors’ positions. The simulation of the algorithm is done in Matlab and is based on two evaluation metrics, namely normalized root-mean-squared error (RMSE) and cumulative distribution function (CDF). Simulation results show that our improved algorithm achieves better performance compared to those using a predetermined placement of anchors.

Rozmyta analiza skupień Punktów pomiarowych pobranej mocy biernej

Bielecki S.

Rynek Energii

2012

Nr 4

13--18

Analiza skupień wartości pobranej mocy w kolejnych odcinkach czasu może dostarczyć informacji zarówno o charakterystycznych wycinkach profili poboru mocy, jak i ilości typów całych profili. W artykule przedstawione zostały rezultaty działania zaimplementowanego algorytmu grupowania wektorów danych. Analizie poddano dane pomiarowe pobranej w 15-minutowych odcinkach czasu mocy biernej przez pojedynczych odbiorców w ciągu roku, grupując zarówno całe profile dobowe, jak i poszczególne punkty czasowe poboru mocy w ciągu doby. W przypadku grupowania całych profili, najlepsze podziały uzyskano dla liczby grup z zakresu od 2 do 6, większy rozrzut liczby klas uzyskano przy grupowaniu punktów w obrębie doby. Opracowany algorytm opierał się na rozmytej metodzie klasteryzacji c-średnich z dodatkowymi elementami poprawiającymi jego funkcjonalność. Zadanie polegało na takim podziale zbioru obserwacji z wielowymiarowej przestrzeni, aby dane przyporządkowane do jednej grupy były w większym stopniu podobne do siebie niż do jakiejkolwiek innej. Rozmyte podejście umożliwia częściową przynależność poszczególnych elementów do wielu grup. W pracy przebadano różne rodzaje wskaźników oceny jakości grupowania. Wyniki przeprowadzonych badań pozwalają stwierdzić, że najbardziej przydatne okazują się wskaźniki jakości Fukuyamy-Sugeno oraz wskaźnik rozmytych rozproszeń.

A cluster analysis of data of power consumption in terms can inform about the characteristic points in power consumption profiles as well as a number of models of profiles. In this paper are presented the results of cluster algorithm application. By the analysis have been dealt with measurements data of reactive power consumption by single customers and clustering day-profile as well as individual term consumption have been executed. The best results of clustering have been obtained by clustering of profiles for the number of clusters between 2 and 6, more dispersed range has been observed by clustering of term consumption. In the adapted algorithm has been used Fuzzy C-Means with addition elements improving functionality. In the paper the test results of various indexes of cluster validity have been presented. The experiments have shown that Fukuyama-Sugeno index and Fuzzy Dispersion index are more useful.