توضیحات کامل :

ترجمه مقاله داده کاوی و تکنیکهای همجوشی  برای WSNs به عنوان یک منبع بیگ دیتادر 10 صفحه فارسی ورد قابل ویرایش با فرمت doc به همراه اصل مقاله انگلیسی



عنوان فارسی :

داده کاوی و تکنیکهای همجوشی  برای WSNs به عنوان یک منبع بیگ دیتا

عنوان انگلیسی :

Data Mining and Fusion Techniques for WSNs as a Source of the Big Data

تعداد صفحات فارسی : 10 صفحه ورد قابل ویرایش

سطح ترجمه : متوسط

شناسه کالا : y2100

دانلود رایگان مقاله انگلیسی : http://ofmas.ir/dlpaper/y2100.pdf

دانلود ترجمه فارسی مقاله : بلافاصله پس از پرداخت آنلاین 14 هزار تومان قادر به دانلود خواهید بود .


بخشی از ترجمه :


چکیده
پذیرش وسیع برنامه های کاربردی شبکه های سنسور وایرلس (WSNs) در جای جای دنیا،  میزان داده های سنسوری را که در پیچیدگی بیگ دیتا دخیل هستند را افزایش داده است. این امر سبب پیدایش نیاز به استفاده از تکنیک های پردازش دیتای درون شبکه شده است که برای موفقیت چارچوب بیگ دیتا،  بسیار بحرانی است. این مقاله نقد و بررسی و بحث پیرامون تکنولوژی جدید داده کاوی و تکنیک های همجوشی  دیتای طراحی شده برایWSNs را ارائه میدهد. بحث میکند چطور این تکنیکها میتوانند دیتای سنسور داخل شبکه (درون شبکه) را قبل از هر پردازش بیشتری به صورت بیگ دیتا،  آماده کنند. این امر هم برای WSNs و هم چارچوب بیگ دیتا بسیار مهم است. برای WSNs،  تکنیک های پیش پردازش درون شبکه میتواند منجر به صرفه جویی محدود شان شود.
برای سمت بیگ دیتا،  دریافت یک دیتای مرتبط و غیر زائد پاک،  حجم دیتای بیش از حد را کاهش خواهد داد،  بنابراین کاهش بار اضافی در پایگاه های پردازش بیگ دیتا کسب خواهد شد و کشف ارزشها از این داده ها،  تسریع خواهد شد.








Abstract

The wide adoption of the Wireless Senor Networks (WSNs) applications around the world has increased the amount of the sensor datawhichcontributetothecomplexityofBigData.Thishasemergedtheneedtotheuseofin-networkdataprocessingtechniques which are verycrucial for the success of the big data framework. This article givesoverviewand discussion about the state-of-the- art of the data mining and data fusion techniques designed for the WSNs. It discusses how these techniques can prepare the sensor data inside the network (in-network) before any further processing as big data. This is very important for both of the WSNs and the big data framework. For the WSNs, the in-network pre-processing techniques could lead to saving in their limited resources. Forthe big data side, receivinga clean, non-redundant and relevant data would reduce the excessive data volume, thus an overload reduction will be obtained at the big data processing platforms and the discovery of values from these data will be accelerated.