Resumen

Se han aplicado varias técnicas de minería de datos al diagnóstico de fallos en sensores inalámbricos debido a la ventaja que supone descubrir conocimientos útiles a partir de grandes conjuntos de datos. Con el fin de mejorar la precisión del diagnóstico de los sensores inalámbricos, en este artículo se propone un nuevo método de diagnóstico de fallos para la tecnología de sensores inalámbricos mediante una máquina de vectores de soporte gemelos (TSVM). La SVM gemela es un clasificador binario que realiza la clasificación utilizando dos hiperplanos no paralelos en lugar del hiperplano único utilizado en la SVM clásica. Sin embargo, la configuración de los parámetros en el procedimiento de entrenamiento de TSVM influye significativamente en la precisión de la clasificación. Así, este estudio introduce PSO como técnica de optimización para optimizar simultáneamente el parámetro de entrenamiento de TSVM. Los resultados experimentales indican que los resultados de diagnóstico para sensores inalámbricos de la máquina de vectores de soporte gemela son mejores que los de SVM, ANN.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:máquina de vectores soporte gemela, sensor inalámbrico, diversas técnicas de minería de datos, parámetro de entrenamiento tsvm, procedimiento de entrenamiento tsvm, grandes conjuntos de datos, diagnóstico de fallos novedoso, tecnología de sensores inalámbricos, diagnóstico, svm gemela
• Keywords:twin support vector machine, wireless sensor, various data mining techniques, tsvm training parameter, tsvm training procedure, large data sets, novel fault diagnosis, wireless sensor technology, diagnosis, twin svm