عناصر مشابهة
Anomaly Detection in Wireless Sensor Networks (WSNs) by using Machine Learning Techniques
| العنوان بلغة أخرى: | الكشف عن الشذوذ فى شبكات الاستشعار اللاسلكية باستخدام تقنيات التعلم الآلى |
|---|---|
| الناشر: |
الكرك
|
| المؤلف الرئيسي: | |
| مؤلفين آخرين: | |
| التاريخ الميلادي: | 2015 |
| الصفحات: | 1 - 59 |
| رقم MD: | 783833 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | English |
| قواعد المعلومات: | Dissertations |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة مؤتة |
| الكلية: | عمادة الدراسات العليا |
| مواضيع: | |
| رابط المحتوى: |
| المستخلص: | في هذه الأطروحة قمنا بأنشاء قاعدتين من قواعد البيانات الأساسية: الأولى على أساس نموذج الشجرة، والثانية على أساس نموذج النجمة. وتم تقييمها من خلال ثلاث خوارزميات تعلم الاله: Bayesian Network, Random Forest, MIP . قمنا بتصنيف قاعدتي البيانات المنشئة إلى مصنفين رئيسيين هما (Normal and Attack Classes) لكلا قاعدتي البيانات. تم أنشاء قاعدتي البيانات من خلال المراحل التالية: تنفيذ الشبكة على أساس النموذجين، جمع البيانات، معالجة البيانات وتصنيفها. تحتوي قاعدتي البيانات التي تم أنشائها على بيانات غير حقيقية من خلال أداة محاكاه تدعى Network Simulation 2 (NS2) في كلا قاعدتي البيانات حققت خوارزميةBayesian Network (BayesNet) أعلى مستوى دقة بين المصنفات الأخرى بنتيجة: 95.46% و98.87% على التوالي. بالإضافة أنها استغرقت أقل وقت بين المصنفات الأخرى لبناء نموذج التدريب لكلا قاعدتي البيانات. حققت MLP أقل مستوى دقه بين المصنفات الأخرى بنتيجة: 90.98% tree topology و92.55 star topology. حققتRandom Forest القيمة الوسطية بالنسبة للدقة بين المصنفات الأخرى بنتيجة: 93.72% tree topology و 95.7004% star topology. |
|---|
