چکیده فارسی :

شبکه های حسگر بی سیم (WSNها) نشان دهنده حوزه ای عادی هستند که در آن سکانس های موقت و پیچیده وقایع روی می دهد. در این مقاله نوعی چارچوب منطقی را برای مدلسازی و تحلیل داده های مشاهده شده توسط گره های سنسوری یک شبکه حسگر وایرلس پیشنهاد می کنیم. در کل ما درصدد یافتن الگوریتم استخراج منطقی با مقاصد عمومی برای فائق آمدن بر روابط موقتی و مبتنی بر وقفه حساب می باشیم. دسته های زمانی مقادیر واقعی به توالی های فرعی مشابه اختصاص داده شده و با استفاده از یک زبان ارتباطی توصیف می شوند. نتایج حاصل از آزمایش های مقدماتی قابلیت کاربردی چارچوب یادگیری ارتباطی را در داده های موقت دنیای واقعی و پیچیده ثابت می کنند.

کلید واژه ها: شبکه های حسگر بی سیم، استخراج توالی ارتباطی، الگوهای موقت

چکیده انگلیسی‌ :

Wireless sensor networks (WSNs) represent a typical domain where there are complex temporal sequences of events. In this paper we propose a relational framework to model and analyse the data observed by sensor nodes of a wireless sensor network. In particular, we extend a general purpose relational sequence mining algorithm to tackle into account temporal interval-based relations. Real-valued time series are discretized into similar subsequences and described by using a relational language. Preliminary experimental results prove the applicability of the relational learning framework to complex real world temporal data.
Keywords: Wireless Sensor Networks, Relational Sequence Mining, Temporal Patterns