Park Jong Sou (12 results)

Condition: New.

paperback. Condition: New. NEW. SHIPS FROM MULTIPLE LOCATIONS. book.

Condition: New.

paperback. Condition: New. NEW. SHIPS FROM MULTIPLE LOCATIONS. book.

Condition: New.

Condition: New.

Condition: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Azim Muhammad AnwarulMuhammad Anwarul Azim is an Associate Professor in Computer Science & Engineering Department, University of Chittagong, Chittagong-4331, Bangladesh. His B.Sc (Engg.) degree is from Computer Science & Engineering . …

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - The increasing prominence of Wireless Sensor Network (WSN) is stimulating greater interest in developing many application areas. WSNs promise viable solutions aiming at many monitoring problems despite energy, communication, computation & storage constraints. The security issues, data privacy, confidentiality and integrity become vital when the sensors are deployed in a hostile environment. Support Vector Machines (SVM) classification is one of the most widely used classifications having advantage of accuracy and sparse representation that SVMs provide for decision boundaries. It is important to achieve energy efficient data mining in WSN while preserving privacy of data. In this thesis we introduce SVM classification for WSN consisting energy efficiency advantage by distributed incremental learning for the training and construction of global SVM classification model without disclosing the data to others. We show security analysis and energy estimation for preserving privacy and energy efficiency in WSN using SVM.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - L'importance croissante des réseaux de capteurs sans fil (WSN) suscite un intérêt accru pour le développement de nombreux domaines d'application. Les WSN promettent des solutions viables visant à résoudre de nombreux problèmes de surveillance malgré les contraintes d'énergie, de communication, de calcul et de stockage. Les questions de sécurité, de confidentialité et d'intégrité des données deviennent vitales lorsque les capteurs sont déployés dans un environnement hostile. La classification par machines à vecteurs de support (SVM) est l'une des classifications les plus largement utilisées. Elle présente l'avantage de la précision et de la représentation éparse que les SVM fournissent pour les frontières de décision. Il est important de réaliser une exploration de données économe en énergie dans les WSN tout en préservant la confidentialité des données. Dans cette thèse, nous introduisons la classification SVM pour les WSN, en tenant compte de l'avantage de l'efficacité énergétique par l'apprentissage incrémental distribué pour la formation et la construction d'un modèle de classification SVM global sans divulguer les données aux autres. Nous montrons l'analyse de sécurité et l'estimation de l'énergie pour préserver la confidentialité et l'efficacité énergétique dans les WSN en utilisant le SVM.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Die zunehmende Bedeutung von drahtlosen Sensornetzwerken (WSN) weckt ein größeres Interesse an der Entwicklung vieler Anwendungsbereiche. WSNs versprechen praktikable Lösungen für viele Überwachungsprobleme trotz der Einschränkungen in Bezug auf Energie, Kommunikation, Berechnung und Speicherung. Sicherheitsfragen, Datenschutz, Vertraulichkeit und Integrität sind von entscheidender Bedeutung, wenn die Sensoren in einer feindlichen Umgebung eingesetzt werden. Die Klassifizierung mit Hilfe von Support Vector Machines (SVM) ist eine der am weitesten verbreiteten Klassifizierungen, die den Vorteil der Genauigkeit und der spärlichen Darstellung hat, die SVMs für Entscheidungsgrenzen bieten. Es ist wichtig, energieeffizientes Data Mining in WSN zu erreichen und gleichzeitig die Privatsphäre der Daten zu bewahren. In dieser Arbeit stellen wir eine SVM-Klassifikation für WSN vor, die den Vorteil der Energieeffizienz durch verteiltes inkrementelles Lernen für das Training und die Konstruktion eines globalen SVM-Klassifikationsmodells bietet, ohne die Daten anderen zugänglich zu machen. Wir zeigen Sicherheitsanalysen und Energieabschätzungen zur Wahrung der Privatsphäre und Energieeffizienz in WSN mit SVM.…

Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - A crescente proeminência da Rede de Sensores Sem Fios (WSN) está a estimular um maior interesse no desenvolvimento de muitas áreas de aplicação. As RSSFs prometem soluções viáveis visando muitos problemas de monitorização, apesar das restrições de energia, comunicação, computação e armazenamento. As questões de segurança, privacidade dos dados, confidencialidade e integridade tornam-se vitais quando os sensores são implantados num ambiente hostil. A classificação das Máquinas Vectoriais de Apoio (SVM) é uma das classificações mais amplamente utilizadas, tendo a vantagem da precisão e da representação esparsa que as SVM proporcionam para os limites de decisão. É importante conseguir uma extracção de dados energeticamente eficiente na RMS, preservando ao mesmo tempo a privacidade dos dados. Nesta tese introduzimos a classificação SVM para RSSF que consiste na vantagem da eficiência energética através da aprendizagem incremental distribuída para a formação e construção de um modelo de classificação global de SVM sem revelar os dados a outros. Mostramos análise de segurança e estimativa de energia para preservar a privacidade e eficiência energética nas RSSF utilizando a SVM.…

Condition: New. Dieser Artikel ist ein Print on Demand Artikel und wird nach Ihrer Bestellung fuer Sie gedruckt. Autor/Autorin: Azim Muhammad AnwarulMuhammad Anwarul Azim ist ausserordentlicher Professor am Fachbereich Informatik und Ingenieurwesen der Universitaet Chittagong, Chittagong-4331, Bangladesch. Er hat einen Bachelor-Abschluss in Informatik und Ingen. …