KI-Beratung Beta
Vor Ort
Merkzettel Warenkorb
  • Produktbild: Artificial Intelligence Techniques in IoT Sensor Networks
  • Produktbild: Artificial Intelligence Techniques in IoT Sensor Networks

Artificial Intelligence Techniques in IoT Sensor Networks

Aus der Reihe Chapman & Hall/CRC Distributed Sensing and Intelligent Systems Series

72,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.08.2022

Abbildungen

98 SW-Abb., 27 Tabellen

Herausgeber

Mohamed Elhoseny + weitere

Verlag

Taylor & Francis

Seitenzahl

232

Maße (L/B/H)

25,4/17,8/1,3 cm

Gewicht

445 g

Sprache

Englisch

ISBN

978-0-367-68145-6

Beschreibung

Produktdetails

Einband

Taschenbuch

Erscheinungsdatum

01.08.2022

Abbildungen

98 SW-Abb., 27 Tabellen

Herausgeber

Verlag

Taylor & Francis

Seitenzahl

232

Maße (L/B/H)

25,4/17,8/1,3 cm

Gewicht

445 g

Sprache

Englisch

ISBN

978-0-367-68145-6

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Ein neues Kapitel für Ihre Bücher

Ein neues Kapitel für Ihre Bücher

Schenken Sie Ihren alten Schätzen ein zweites Leben und erhalten Sie dafür eine Thalia Geschenkkarte.

Jetzt verkaufen
Jetzt verkaufen

Noch keine Bewertungen vorhanden

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.

Kundinnen und Kunden meinen

Bewertungen (0)
Die Leseprobe wird geladen.
  • Produktbild: Artificial Intelligence Techniques in IoT Sensor Networks
  • Produktbild: Artificial Intelligence Techniques in IoT Sensor Networks

  • Preface

    Chapter 1

    Adaptive Regularized Gaussian Kernel FCM for the Segmentation of Medical Images - An Artificial Intelligence Based IoT Implementation for Teleradiology Network

    1.1 Introduction

    1.2 Proposed Methodology

    1.2.1 Fuzzy C Means Clustering

    1.3 Results and Discussion

    1.4 Conclusion

    References

    Chapter 2

    Artificial Intelligence Based Fuzzy Logic with Modified Particle Swarm Optimization Algorithm for Internet of Things Enabled Logistic Transportation Planning

    2.1. Introduction

    2.2. Related works

    2.3. Proposed Method

    2.3.1. Package Partitioning

    2.3.2. Planning of delivery path using HFMPSO algorithm

    2.3.3. Inserting Pickup Packages

    2.4. Experimental Validation

    2.4.1. Performance analysis under varying package count

    2.4.2. Performance analysis under varying vehicle capacities

    2.4.3. Computation Time (CT) analysis

    2.5. Conclusion

    References

    Chapter 3

    Butterfly Optimization based Feature Selection with Gradient Boosting Tree for Big Data Analytics in Social Internet of Things

    3.1. Introduction

    3.2. Related works

    3.3. The Proposed Method

    3.3.1. Hadoop Ecosystem

    3.3.2. BOA based FS process

    3.3.3. GBT based Classification

    3.4. Experimental Analysis

    3.4.1. FS Results analysis

    3.4.2. Classification Results Analysis

    3.4.3. Energy Consumption Analysis

    3.4.4. Throughput Analysis

    3.5. Conclusion

    References

    Chapter 4

    An Energy Efficient Fuzzy Logic based Clustering with Data Aggregation Protocol for WSN assisted IoT system

    4. 1. Introduction

    4. 2. Background Information

    4. 2.1. Clustering objective

    4. 2. 2. Clustering characteristics

    4. 3. Proposed Fuzzy based Clustering and Data Aggregation (FC-DR) protocol

    4. 3. 1. Fuzzy based Clustering process

    4. 3. 2. Data aggregation process

    4. 4. Performance Validation

    4. 5. Conclusion

    References

    Chapter 5

    Analysis of Smart Home Recommendation system from Natural Language Processing Services with Clustering Technique

    5. 1. Introduction

    5. 2. Review of Literatures

    5. 3. Smart Home- Cloud Backend Services

    5. 3.1 Internet of Things (IoT)

    5. 4. Our Proposed Approach

    5. 4.1 Natural Language Processing Services (NLPS)

    5. 4. 2 Pipeline Structure for NLPS

    5. 4. 3 Clustering Model

    5. 5. Results and analysis

    5. 6. Conclusion

    References

    Chapter 6

    Metaheuristic based Kernel Extreme Learning Machine Model for Disease Diagnosis in Industrial Internet of Things Sensor Networks

    6. 1. Introduction

    6. 2. Proposed Methodology

    6. 2. 1. Deflate based Compression Model

    6. 2. 2. SMO-KELM based Diagnosis Model

    6. 3. Experimental results and validation

    6. 4. Conclusion

    References

    Chapter 7

    Fuzzy Support Vector Machine with SMOTE for Handling Class Imbalanced Data in IoT Based Cloud Environment&l