تخمین و دسته بندی داده ها در شبکه های سنسوری با استفاده از عامل های متحرک

در این پایان نامه، از چندین الگوریتم توزیع شده در جهت تخمین متغیرهای حالت یک سیستم خطی و دسته بندی داده ها در یک شبکه سنسوری با چندین حلقه استفاده شده است. در اینجا، دو روش جدید mabdkf1 و mabdkf2 جهت رسیدن به تخمینی بهینه از حالتهای یک سیستم خطی با وجود خطا در سنسورها پیشنهاد می شود. در الگوریتم های پیشنهادی، عامل های متحرک نقش اصلی و اساسی را بازی می کنند بطوریکه آنها الگوریتم فیلتر کالمن خطی را بر روی یک سیستم خطی اجراء کرده تا به تخمینی خوب از متغیرهای حالت سیستم برسند. همچنین به کمک دو الگوریتم دیگر با نام های mabdem1و mabdem2، پارامترهای یک تابع چگالی احتمال گوسی تخمین زده شده و داده های موجود در یک شبکه سنسوری با چندین حلقه دسته بندی می شود. در این دو الگوریتم نیز از عاملهای متحرک در جهت اجراء الگوریتم em توزیع شده استفاده می شود. در ادامه همگرایی این دو الگوریتم مورد بررسی قرار خواهد گرفت. در پایان، عملکرد خوب این الگوریتم ها با استفاده از داده های شبیه سازی شده نشان داده خواهد شد.