一种随机地理时空二分网络以优化GCOOS传感器放置策略
多智能体系统
2024-10-01 v2 计算机视觉与模式识别
摘要
本文提出了适用于空间二分网络模型的两个新度量：覆盖率和覆盖率鲁棒性。二分网络必须由观察节点、可观察节点以及连接观察节点与可观察节点的边组成。覆盖率和覆盖率鲁棒性得分评估观察节点放置的有效性。该度量对随机数据有益，因为它可以与蒙特卡洛模拟结合，以确定新观察节点的最优放置位置。本文在墨西哥湾的随机和动态环境中构建了一个地理时空二分网络。该GSTBN由GCOOS传感器节点和HYCOM感兴趣区域事件节点组成。目标是确定扩展GCOOS的最优放置位置，以改善HYCOM海洋预测模型的预报结果。
引用
@article{arxiv.2404.14357,
title = {A Stochastic Geo-spatiotemporal Bipartite Network to Optimize GCOOS Sensor Placement Strategies},
author = {Ted Edward Holmberg and Elias Ioup and Mahdi Abdelguerfi},
journal= {arXiv preprint arXiv:2404.14357},
year = {2024}
}
备注
7 pages, 6 figures, 2022 IEEE International Conference on Big Data (Big Data)