Εξελιγμένες τεχνικές πρόβλεψης θέσης στον κινητό υπολογισμό

Περίληψη

Η επίγνωση-πλαισίου εμφανίζεται ως μία από τις πιο σημαντικές πτυχές στο αναδυόμενο περιβάλλον του διάχυτου υπολογισμού. Απαιτούνται κινητές εφαρμογές επίγνωσης πλαισίου για την αίσθηση και την αντίδραση σε συνθήκες μεταβαλλόμενου περιβάλλοντος. Τέτοιες εφαρμογές, συχνά, χρειάζεται να αναγνωρίζουν, να ταξινομούν και να προβλέπουν το πλαίσιο με σκοπό να δρουν αποδοτικά, εκ των προτέρων, προς όφελος του χρήστη. Πρώτον, προτείνουμε έναν αποδοτικό ταξινομητή χωρικού πλαισίου και έναν βραχείας-μνήμης προγνώστη για την μελλοντική θέση ενός κινητού χρήστη σε κυψελωτά δίκτυα. Εισάγουμε διαφορετικές παραλλαγές του προτεινόμενου προγνώστη θέσης που χρησιμοποιούν θέση (κυψέλη) και κατεύθυνση. Η ταξινόμηση συμβολικής θέσης αντιμετωπίζεται ως ένα πρόβλημα εποπτευόμενης μάθησης. Αξιολογούμε την απόδοση πρόβλεψης και την ακρίβεια των προτεινόμενων προγνωστών μέσω συνθετικών και πραγματικών ιχνών.Δεύτερον, προτείνουμε έναν καινοτόμο προσαρμοστικό αλγόριθμο, ο οποίος χειρίζεται το πλαίσιο αναπαράστασης ...
περισσότερα

Περίληψη σε άλλη γλώσσα

CONTEXT-AWARENESS IS VIEWED AS ONE OF THE MOST IMPORTANT ASPECTS IN THE EMERGING PERVASIVE COMPUTING PARADIGM. MOBILE CONTEXT-AWARE APPLICATIONS ARE REQUIRED TO SENSE AND REACT TO CHANGING ENVIRONMENT CONDITIONS. SUCH APPLICATIONS, USUALLY, NEED TO RECOGNIZE, CLASSIFY AND PREDICT CONTEXT IN ORDER TO ACT EFFICIENTLY, BEFOREHAND, FOR THE BENEFIT OF THE USER. FIRSTLY, WE PROPOSE AN EFFICIENT SPATIAL CONTEXT CLASSIFIER AND A SHORT-TERM PREDICTOR FOR THE FUTURE LOCATION OF A MOBILE USER IN CELLULAR NETWORKS. WE INTRODUCE DIFFERENT VARIANTS OF THE CONSIDERED LOCATION PREDICTOR DEALING WITH LOCATION (CELL) IDENTIFIERS AND DIRECTIONS. SYMBOLIC LOCATION CLASSIFICATION IS TREATED AS A SUPERVISED LEARNING PROBLEM. WE EVALUATE THE PREDICTION EFFICIENCY AND ACCURACY OF THE PROPOSED PREDICTORS THROUGH SYNTHETIC AND REAL-WORLD TRACES. SECONDLY, WE PROPOSE A NOVEL ADAPTIVE MOBILITY PREDICTION ALGORITHM, WHICH DEALS WITH LOCATION CONTEXT REPRESENTATION AND TRAJECTORY PREDICTION OF MOVING USERS. MACHINE ...
περισσότερα

Όλα τα τεκμήρια στο ΕΑΔΔ προστατεύονται από πνευματικά δικαιώματα.

DOI
10.12681/eadd/29168
Διεύθυνση Handle
http://hdl.handle.net/10442/hedi/29168
ND
29168
Εναλλακτικός τίτλος
Advanced location prediction techniques in mobile computing
Συγγραφέας
Αναγνωστόπουλος, Θεόδωρος (Πατρώνυμο: Βασίλειος)
Ημερομηνία
2012
Ίδρυμα
Εθνικό και Καποδιστριακό Πανεπιστήμιο Αθηνών (ΕΚΠΑ). Σχολή Θετικών Επιστημών. Τμήμα Πληροφορικής και Τηλεπικοινωνιών
Εξεταστική επιτροπή
Μεράκος Λάζαρος
Βαζιργιάννης Μιχαήλ
Χατζηευθυμιάδης Ευστάθιος
Βαρουτάς Δημήτριος
Ζέρβας Ευάγγελος
Ξυλωμένος Γεώργιος
Αλωνιστιώτη Αθανασία
Επιστημονικό πεδίο
Φυσικές ΕπιστήμεςΕπιστήμη Ηλεκτρονικών Υπολογιστών και Πληροφορική
Λέξεις-κλειδιά
Αλγόριθμοι μηχανικής μάθησης; Θεωρία προσαρμωστικού συντονισμού; Ασαφής έλεγχος; Θεωρία βέλτιστης παύσης
Χώρα
Ελλάδα
Γλώσσα
Ελληνικά
Άλλα στοιχεία
137 σ., πιν., σχημ., ευρ.
Στατιστικά χρήσης
ΠΡΟΒΟΛΕΣ
Αφορά στις μοναδικές επισκέψεις της διδακτορικής διατριβής για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΞΕΦΥΛΛΙΣΜΑΤΑ
Αφορά στο άνοιγμα του online αναγνώστη για την χρονική περίοδο 07/2018 - 07/2023.
Πηγή: Google Analytics.
ΜΕΤΑΦΟΡΤΩΣΕΙΣ
Αφορά στο σύνολο των μεταφορτώσων του αρχείου της διδακτορικής διατριβής.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
ΧΡΗΣΤΕΣ
Αφορά στους συνδεδεμένους στο σύστημα χρήστες οι οποίοι έχουν αλληλεπιδράσει με τη διδακτορική διατριβή. Ως επί το πλείστον, αφορά τις μεταφορτώσεις.
Πηγή: Εθνικό Αρχείο Διδακτορικών Διατριβών.
Σχετικές εγγραφές (με βάση τις επισκέψεις των χρηστών)