ذكر له يو تشنغ بو، لي Caihong، Cengliang
(عن بعد معهد اختبار ومراقبة البحوث، جامعة تشونغتشينغ وتشونغتشينغ 400054)
K-وسائل بصمة تحديد المواقع قد تقلل من كمية حساب خوارزمية توطين، وتحسين في الوقت الحقيقي لتحديد المواقع أصبحت موضوعا ساخنا في خوارزمية الموقع الحالي. ومع ذلك أعطى تسبب المواقع العشوائية العنقودية قدر كبير من الشك، الذي يقترح استخدام خوارزمية التجميع من خطوتين الأمثل تلقائيا الحصول على العدد الأمثل من مجموعات وفقا للمعايير AIC، أقرب خوارزمية جار لخطأ موقف عموما، معامل الارتباط يتم تحديد باستخدام أعلى شظايا التشابه، ومن ثم تقدير الموقف النهائي. وقد اظهرت النتائج أن الخوارزمية الأمثل ليس فقط تحسين دقة تحديد المواقع، ولكن أيضا تحسنا كبيرا تحديد المواقع في الوقت الحقيقي والاستقرار.
الموقع بصمة؛-K وسيلة؛ ومعايير AIC، TwoStep، معامل الارتباط
CLC: TN929.5
كود الوثيقة: A
DOI: 10.16157 / j.issn.0258-7998.171767
شكل الاقتباس الصيني: وذكر له يو تشنغ بو، لي Caihong، ومشرق. K-وسائل خوارزمية لتحسين وضعية بصمات الأصابع التكنولوجيا الالكترونية، 2018،44 (2): 70-74.
الإنجليزية شكل الاقتباس: يو Chengbo، لي Caihong، تسنغ ليانغ. خوارزمية الأمثل من K-وسائل بصمة الموقع . تطبيق تقنيات الالكترونية، 2018،44 (2): 70-74.
0 مقدمة
في عصر ذكي محطة سريع التغير، مستوى معيشة الشعب ارتفاع والمكتبات والمتاحف وغيرها من المشاهد الداخلية تحتاج إلى توفير معلومات دقيقة عن الموقع لتوفير الخدمات. تكنولوجيا نظام تحديد المواقع العالمي هي تنضج (نظام تحديد المواقع العالمي، GPS) حققت مجموعة واسعة من التطبيقات، عالية الدقة، وحسن في الوقت الحقيقي لتحديد المواقع في الهواء الطلق ، ولكن تتأثر بعوامل بيئية معقدة في الداخل، فإنه GPS يتم حظر إشارة نظرا ل الاضمحلال السريع، وغير قادرة على تلبية الطلب الناس لتحديد المواقع في الأماكن المغلقة، وبالتالي أنجبت الكثير من تكنولوجيا تحديد المواقع في الأماكن المغلقة. حيث تقنية أي بيكون مزودة بتقنية بلوتوث بسبب استهلاكها المنخفض للطاقة، وانخفاض التكلفة، وقد اجتذب الكفاءة العالية الناس من جميع الأعمار.
تقنية أي بيكون تحقيق لتحديد المواقع على أساس استقبالا قوة الإشارة مؤشر (حصل على قوة الإشارة إشارة، آر إس إس آي) من موقف بصمات الأصابع، أي قياس RSSI من محطة قاعدة بيانات البصمات بناء موقع الذكية على أساس الفرق بين نقاط أخذ العينات من آر إس إس آي ، ثم باستخدام خوارزمية المواقع مطابقة أساسا من خلال النتائج لتحديد المواقع. ومع ذلك، عند وضع المعلومات الموضعية أكثر مساحة واسعة، والبصمات المخزنة في المكتبة، مما أدى إلى عملية المفرطة ودقة تحديد المواقع. في هذا الصدد، والأدب باستخدام K-وسائل تجميع خوارزمية لتحليل قاعدة بيانات البصمات، مختارة المكتبات الفرعية أعلى تشابه مطابقة الموقع. طريقة لا يمكن أن تقلل فقط من الحمل واستهلاك الطاقة الحسابية، ولكن أيضا على نحو فعال تحسين الاستهداف في الوقت الحقيقي. ولكن في الغالب اختيار تجريبيا عدد من الكتل، تجميع مزايا لا يمكن وصفها، ويحدد الفئة من خلال كونتيننتال تجميع ومركز مجموعة نقاط لفحصها، لا تعتبر العلاقة بين المتغيرات منها الجنس.
للمشاكل المذكورة أعلاه، اقترح خوارزميات التحسين: من خطوتين تجميع خوارزمية تحديد تلقائيا تجميع الأمثل ووفقا معيار AIC، تم الحصول عليها باستخدام طريقة معامل الارتباط الأكثر مماثلة إلى شظايا نقطة الهدف، وأخيرا طريقة جارة باستخدام K شارد حصول على نتائج مطابقة لتحديد المواقع.
1-وسائل K بصمة المواقع
يتم وضع K-الوسائل في الأصلي بصمة المواقع الخوارزمية، أولا تجميع تحليل المكتبة بصمات الأصابع، ثم يتم قياس خوارزمية مواقف نقطة المقدرة من قبل خوارزمية مطابقة. هذا هو حاليا المرحلة، وقاعدة بيانات البصمات التي شيدت من قبل K-وسائل تجميع قاعدة بيانات بصمات الأصابع وفقا لمعايير مميزة ينقسم إلى ك المكتبات الفرعية؛ مرحلة المطابقة، لأول مرة مقارنة درجة التشابه من كل نقطة الاختبار من المراكز العنقودية، الكتلة أقصر مسافة المختارة يقيم مركز البنوك الفرعية، ثم نقطة الهدف الذي يقدر لتتناسب مع الإحداثيات النهائية. تدفق عملية مفصلة مبين في الشكل.
1.1 سائل K التجميع
قاعدة بيانات البصمات ط عشر نقطة مرجعية يشار (المرجع نقطة، RP) تلقي نقطة الوصول (نقطة وصول، AP) ب آر إس إس آي إشارة RSSIi = ، J = 1، ...، n، حيث أن الرقم هو عدد RP م، AP هو ن. RSSI بناء قاعدة بيانات البصمات لها = T، ط = 1، ...، م. K غير معروف عدد الكتل وتقدم (ك م)، في قاعدة بيانات البصمة آر إس إس آي آر إس إس آي الطبقة ك = تم اختيارها عشوائيا ناقلات ك مثل مراكز المجموعة الاولى، وبعد المسافة الإقليدية كمعيار تشابه أقرب توزيع بيانات بصمات الأصابع، ومراكز كتلة التكرار تحديثها باستمرار حتى التقارب أو الحد الأقصى لعدد مرات التكرار. عندما يعتقد مجموع الحد الأدنى المشترك بين الطبقة مبعثر التقارب، وهي:
الصيغة، ك هو عدد المجموعات، Centert ر لمراكز المجموعة الأولى. تدفق خوارزمية التفصيلية هي على النحو التالي.
K-وسائل عملية خوارزمية:
الإدخال: ناقلات ك تم اختيارها عشوائيا كمراكز المجموعة الاولى من قاعدة بيانات البصمات من آر إس إس آي.
إخراج: نتائج التجميع النهائي.
لأني = 1: ك
(1) يتم احتساب لكل عينة من كل مجموعة إلى مركز بصمة وبصمة المخصصة لفئات مختلفة وفقا لمبدأ القرب.
(2) بعد الاستغناء عن المراكز مجموعة بصمة إعادة حساب ك عينة.
(3) احتساب مجموع مبعثر الطبقة كيركراده
إذا كيركراده الحد الأدنى، أن CONVERGES خوارزمية
كسر؛ // للخروج من حلقة، ونهاية عملية تكرارية
نهاية
نهاية
1.2 مطابقة خوارزمية
الخوارزمية الموضحة في هذا القسم، وكبير دون تحديد أعلى قاعدة بيانات تشابه بصمات الأصابع، وتقدير الموقع النهائي من النقطة التي سيتم قياسها.
1.2.1 أقرب جار
أقرب جار (أقرب الجوار، NN) هو أبسط وأبسط الخوارزمية بحساب المسافة بين النقطة الأولى قياس آر إس إس آي آر إس إس آي وكل بصمة في قاعدة البيانات بصمات الأصابع، وحدد أقصر مسافة حيث بلغت قيمة بصمات نقطة اختبار تنسيق الموقع المقدرة. الذي صيغة المسافة:
حيث، دي يدل على المسافة من نقطة الهدف من أنا وال RP، SJ يمثل قوة إشارة وردت نقطة من ي-ال AP قياس، RSSIij RP يمثل ط ال قوة إشارة وردت من ي-AP عشر. عندما س = 1 هي المسافة المطلقة، ف = 2 عندما تكون المسافة الإقليدية هي، وصيغة المسافة لتحديد تحليل الوضع المناسب.
1.2.2 K الجار
الجيران K (K أقرب الجوار، KNN) يمثل تحسنا على أقرب طريقة الجيران، والفرق الرئيسي أن الطريقة ليست المجاور مباشرة K أقصر مسافة المحدد إلى تقدير موقف من بصمات الأصابع، ولكن قبل اختيار أقصر مسافة K (K2 ) بصمة وبصمة المتوسط تنسيق K كآخر موقع المقدرة. التي يتم الحصول عليها بواسطة الصيغة (2) من موقف بعد ترتيب تصاعدي، تحديد الإحداثيات الأولى K بصمات الأصابع، (3) يعني تحسب على أساس الصيغة والنتيجة النهائية الإحداثيات الانتاج.
في الصيغة، (الحادي عشر، يي) يمثل قيمة تنسيق للبصمة اختيار فرز أول K ط عشر بصمات الأصابع.
1.2.3 معامل الارتباط
معامل الارتباط عن طريق حساب درجة التشابه بين كائنين ، والذي يحدد الحجم النسبي للمسافة. تجدر الإشارة إلى القانون الأول من الجغرافيا ما بين أي كائنين متشابهة، ولكن درجة من التشابه في حجم مختلف، ودرجة التشابه والمسافة تزيد باطراد.
ضمن نطاق المواقع، يفترض A، B موقف قريب جدا المكاني من نقطتين لفحصها، والتي تلقى آر إس إس آي لAP ما يشار إليها باسم RSSIA = وRSSIB = الصيغة (4) حساب معامل الارتباط بين نقطتين:
حيث، (A، B) هو معامل الارتباط بين النقطتين، (الحادي عشر، يي) هو تنسيق القيم K بصمات الأصابع ط عشر اتخاذها.
يتضح من التحليل السابق، K-وسائل تجميع يتطلب عدد معين من مجموعات محددة مسبقا، التي يتم اختيارها في الغالب تجريبيا تقييم جودة ودقة تحديد المواقع من خلال المجموعات. وهناك العديد من العوامل التي تؤثر في دقة تحديد المواقع في الممارسة العملية، لذلك تحتاج معيارا لتقييم نتائج المجموعات. تجمع هو أسلوب من خطوتين لاستكشاف المجموعات، يتم إنشاء نموذج الكتلة من خلال تحليل البيانات بين هيكل فئة، وعدد من مجموعات وفقا لتفضيلي تحديد معايير تقييم الجودة تجميع AIC.
موقف بصمة بعد 2 الأمثل
2.1 المبادئ التوجيهية AIC
المعيار AIC هو اليابان الإحصائيين Akaike وجهات النظر الكلي عن النموذج الإحصائي المقترحة لقياس مستوى جيد، وذلك أساسا إلى إيجاد توازن بين تعقيد النموذج وعدد من المعلمات لتحديد أفضل نموذج. يتم تعريفه على النحو التالي:
حيث ك هو عدد المعلمات، L هو الحد الأقصى وظيفة احتمال على مجموعة من العينات. لتحسين نوبة من الزيادة في عدد من الحجج، ولكن أن تكون حذرا لتجنب الإفراط في تركيب. معطى مجموعة من المعلمات النموذج، لإعطاء الأولوية لأدنى نموذج القيمة AIC، لأنه يحتوي على الحد الأدنى من عدد من المعلمات لتحقيق أقصى قدر من النماذج تخفيض والبيانات.
وثيقة تحليل وفقا لمعايير معينة لاختيار معين نظرية AIC نموذج أقرب العنقودية، وجد تحليل: عدد الطبقة ك الزيادات خطأ مجموعات بدلا أصغر، والتعاقد والعملية للنظر في نموذج العنقودية، حدد أصغر قيمة AIC من طراز العنقودية، يمكنك الحصول على أفضل تصنيف.
2.2 TwoStep
تجمع يقع على بعد خطوتين طريقة تجميع استكشافية، وهناك مرحلتين أساسيتين، الإجراء تحديدا هو مبين في الشكل 2.
(1) مرحلة ما قبل التجميع: بناء شجرة ميزة تجميع (تجميع ميزة شجرة، وتمويل الإرهاب)، وتنقسم المكتبة بصمة في العديد من المكتبات الفرعية.
أولا، يتم وضع عقدة الجذر في ملاحظة وتسجيل المعلومات المتغير ذات الصلة، كأساس لالتشابه، يتم تحديد التشابه بالتتابع مع قياسات أخرى من عقدة موجودة من صيغة معينة، وتصنيفها، إذا لم يكن هناك عقدة مماثلة، ثم إنشاء عقدة جديدة. بعد كل تصنيف RP، وفقا لمعيار AIC، وتحديد عدد من قبل المجموعات.
(2) مرحلة الرسمية للتجمع: تجميع الاندماج، نظرا لعدد من مجموعات الأمثل النهائي.
ولما كان عدد من إدخال البيانات تجميع قبل، واستخدام المجموعات الهرمية يكون باستمرار نعيد تجميع جنبا إلى جنب-التقليم قبل نتائج تجميع وتقييم نوعية التصنيف التقليدي عن طريق معيار AIC، وإعطاء التصنيف النهائي مخططات تلبي المعايير.
2.3 الأمثل
K-وسائل تجميع عدد اختيارهم عشوائيا من مراكز العنقودية وجلب عدم الاستقرار الكبير، ونحن نستخدم هذا من خطوتين تجميع خوارزمية لتحديد العدد الأمثل للتجمعات وتصنيفها. وثيقة تم تحليل البيانات وجدت التجريبية: آر إس إس آي علاقة المطابقة في الوقت الحقيقي لتحديد المواقع بدقة ولكن مباراة NN أدنى. من أجل تحسين دقة تحديد المواقع، في الوقت الحقيقي تحسين الأداء، كما المستخدمة هنا، والارتباط اختيار معامل قاعدة البيانات الفرعية للبصمة، وذلك باستخدام KNN خوارزمية لتقدير الموقف من نقطة الهدف. عملية محددة كما هو مبين في الشكل.
3 انشاء وتحليل النتائج التجريبية
3.1 بيئة تجريبية
وقد أجريت هذه التجربة في 8 م 14 م في بيئة مكتب نموذجي، فإن الوضع التصميم الداخلي كما هو مبين، وضعت منارة موحدة إلى حد كبير AP 4، يتم وضع المنطقة AP 12. تم العثور على الاختبار، والحصول على البيانات RSSI أقل نطاق تذبذب 1 مجموعة م، حيث يمكن تقسيم المنطقة موقع إلى 1 م مجالات 1 م صغيرة، والبيانات قمة المكتسبة في كل منطقة، للقضاء على الخطأ الناتج عن الأتجاه، أخذ العينات في كل اتجاه RP مختلفة. وضع كائن يتأثر بالوضع، تم جمع 438 مجموعات من البيانات في نهاية المطاف. مسار الحركة (المسار في FIG 4)، 107 مجموعات من البيانات التي حصل عليها.
3.2 تحليل تجريبي
لتسهيل مناقشة تأثير تحديد المواقع، والمعلمات المناسبة التي سيتم اختيارها بالمؤشر توجيهات. إلى حد ما، الخطأ تحديد المواقع من متوسط الخوارزمية قد يعكس التأثير الكلي، الخطأ المعياري للفرق ويمكن تفسير دقة تحديد المواقع من الاتساق المواقع من ؛ وقت الحساب يمكن أن تعكس خوارزمية في الوقت الحقيقي. هذه المقالة من النظر في الدقة وخوارزمية بداية حقيقية، والتي تستخدم الانحراف المعياري والمتوسط الخطأ تحديد المواقع حساب الوقت، الخطأ تحديد المواقع لتحديد أثر الخوارزمية.
تناقش هذه الورقة تأثير المواقع نتيجة للخوارزمية التجميع، للقضاء على تأثير العوامل الأخرى، صيغة المسافة بصمة المواقع التقليدية أولا لتحديد القيمة المثلى من K، والنتائج التجريبية هو مبين في الشكل. ينظر في FIG 5 (أ) يمكن العثور عليها. عند استخدام خوارزمية المواقع NN، تأثير المسافة المطلقة من المسافة الإقليدية، في حين باستخدام KNN خوارزمية، وتأثير المسافة الإقليدية هو أكثر أهمية؛ مما المسافة صيغة بغض النظر عن اختيار، وذلك باستخدام KNN خوارزمية المواقع تأثير على NN خوارزمية متفوقة، في FIG 5 (ب) أيضا إلى هذا الاستنتاج. وفقا لذلك، يتم حساب المسافة المطلقة باستخدام خوارزمية يحدد NN قشرة ذات الصلة؛ KNN خوارزمية باستخدام إحداثيات موقف النهائية المقدرة، والسماح ك = 5 تحقيق تأثير تحديد المواقع الجيدة.
برنامج SPSS مريحة وقوية، والسرعة، وذلك باستخدام البرنامج مباشرة على التحليل العنقودي قاعدة بيانات آر إس إس آي بصمة في خطوتين، للحصول على العدد الأمثل للتجمعات وتلقائيا تجميع معيار AIC وفقا للتوزيع. استبعاد تأثير عدد من المجموعات التي أنشئت على النتائج، يتم تعيين الحد الأقصى لعدد المجموعات إلى 100، أظهرت نتائج التجميع التلقائي في الشكل. FIG 6 (أ) يبين تغيير قيمة AIC عملية التجميع التلقائي: جودة تجميع النتائج لا تزيد مع عدد من الكتل تنمو إلى أجل غير مسمى، ولكن أظهرت منحنى مقعر أصغر والعدد الأمثل للمجموعات . FIG 6 (ب) يبين الحالة التي يكون فيها مجموعات المفضلة: عدد الكتل هو 9، والصورة الظلية بمعدل 0.6، ونوعية جيدة من كل نوع من عدد الكتلة هو موحد. FIG 6 (ج) عرض خاص تنسيق القيم لكل فئة من فئات التصنيف: عدد وافر من البيانات قد يكون نفس الموقع إلى فئات، ولكن أيضا للتحقق من الحاجة إلى البيانات جمع في نفس الموقف تعدد الاتجاهات.
في هذه الورقة، اقترح بحث خوارزمية له تأثير تحسين دقة تحديد المواقع في الوقت الحقيقي والجوانب، والتي تستخدم المعلمات تحديد المواقع أفضل لتحليلها. أي عدد من الكتل هو 9، وذلك باستخدام NN مكتبة بصمة الفرعية ذات الصلة المطلقة تحديد المسافة الخوارزمية، ك = KNN خوارزمية 5 باستخدام حساب المسافة الإقليدية تقدر موقف نهائي تنسيق. واقترح KNN خوارزمية طريقة، K-سيلة لتحديد المواقع ومقارنة البصمات، وتظهر النتائج التجريبية في الجدول 1.
تحليل البيانات في الجدول 1 يمكن العثور عليها (1) وبالمقارنة مع المواقع البصمات التقليدية، ودقة تحديد المواقع من المجموعات، على الرغم من مجرد تحسن طفيف في السعة، ولكن الوقت حساب تقصير 37.84 ~ 46.32، أي يجوز معالجة تجمع تحسن إلى حد كبير في الوقت الحقيقي لتحديد المواقع. (2) تحديد عدد من المجموعات، ما إذا كانت البيانات مع K-وسائل تجميع عملية أو خطوتين المجموعات، ودقة تحديد المواقع النهائية في الوقت الحقيقي وهي نفسها تقريبا، أي يمكن تعلمها قبل الأمثل التجميع التجميع العدد. (3) الطريقة المقترحة مقارنة إلى وسائل K بصمة المكان: على الرغم من زيادة طفيفة في حساب الوقت، ولكن تحسن طفيف في دقة تحديد المواقع، وK-وسائل بصمة المواقع عشوائي كبير الفرق ومستقر، الخوارزمية المقترحة باستخدام اثنين الطبقة Buju بناء على معايير على أساس الجدارة AIC الحصول على عدد من المجموعات، إلى حد كبير تحسين استقرار الخوارزمية. وخلاصة القول، واقترح خوارزمية الخوارزميات الموجودة حاليا من حيث دقة تحديد المواقع والتوقيت والاستقرار مقارنة لبعض التحسن.
4 موجز
في هذه الورقة، والحصول على البيانات عبر تقنية Bluetooth، لانخفاض دقة تحديد المواقع للوسائل K خوارزمية، في الوقت الحقيقي لتحديد المواقع الفقراء، مما أدى إلى استقرار الفقراء من عشوائية عنقودية يقترح استخدام خطوتين التلقائي تجمع يفضل عدد من المجموعات التي تم الحصول عليها وفقا المعيار AIC، و حدد أعلى تشابه قاعدة البيانات الفرعية للبصمة لتحسينه باستخدام طريقة معامل الارتباط. وأظهرت النتائج أن: طريقة معامل الارتباط يمكن تحسين دقة تحديد المواقع من الخوارزمية، TwoStep عدد المفضل للمجموعات التي تم الحصول عليها، والتي يمكن أن تحسن بشكل فعال على استقرار وخوارزمية في الوقت الحقيقي. وعموما، فإن الخوارزمية المقترحة من حيث دقة تحديد المواقع والتوقيت والاستقرار لديهم تحسن جيد. ولكن هذه المادة لا تزال تستحق من التحسن، مثل حالة العدد المعروف من مجموعات، يستند الخوارزمية المقترحة على الوقت على حساب تحسين دقة تحديد المواقع والاستقرار، والعمل القادمة، والحاجة إلى مواصلة تحسين الأمثل لها.
مراجع
Tianlin تشينغ، ذكر له يو تشنغ بو، وهونغ هينغ يصل، وما إلى ذلك، وتصميم النظام القائم على دفع تنفيذ بلوتوث الحواسيب الصغيرة والتطبيق، 2016،35 (20): 61-64.
تشن فارغة، معاملات كلمات Chunlei، وما إلى ذلك لتحسين وضع WKNN الداخلية خوارزمية لتحديد المواقع على أساس بصمة عندما الملاحة والتوقيت، 2016،3 (4): 58-64.
CRAMARIUC A، HUTTUNEN H، فوائد وهان E S.Clustering في تحديد المواقع واي فاي مركزية المحمول في المباني المتعددة الطوابق مؤتمر .International على توطين وGnss.IEEE، 2016.
كوي Y، وآلية VOYLES R M.A لاتخاذ القرارات في الوقت الحقيقي وصيانة النظام لموارد مقيدة أنظمة روبوتية من خلال تحديث .Autonomous الروبوتات، 2015،39 (4): 487-502.
يتينين E، E وهان S.On اختيار معيار الوصول اختيار نقطة وغيرها من الخصائص تقدير موقف لتحديد المواقع في الأماكن المغلقة أساس WLAN- .Sensors، 2016،16 (5): 737.
جي، تشو لينغ، وقال تشو يون ياو محسنة K-وسائل تجميع وتطبيق خوارزمية التكنولوجيا الالكترونية، 2015،41 (1): 125-128.
يو روي، جنوب الأرض. الموقع تكنولوجيا البصمات لتحديد المواقع على أساس K-وسائل تجميع خوارزمية تقنية المعلومات، 2015،39 (10): 185-188،191.
وانغ يان يانغ رومين، ذكر له يو تشنغ بو، الخ تحديد المواقع في الأماكن المغلقة بصمات ارتباط مطابقة بلوتوث منارة قاعدة بيانات الموقع هندسة الاتصالات السلكية واللاسلكية، 2017،57 (2): 145-150.
TOBLER W R.A فيلم الكمبيوتر محاكاة النمو الحضري في منطقة ديترويت الاقتصادية .: الجغرافيا، 1970،46 (الملحق 1): 234-240.
ليتش بصمة آر إس إس آي التكنولوجيا الموقع بناء على طريقة معامل الارتباط قوانغدونغ تكنولوجيا الاتصالات، 2013،33 (3): 29-32.
AKAIKE H.Autoregressive النموذج المناسب للسيطرة .Annals من معهد الرياضيات الإحصائية، 1971،23 (1): 163-180.
Qinxuan يون. أقرب جار تجميع نموذج خوارزمية التحسين بناء على معايير AIC هندسة النظم والإلكترونيات، 2005،27 (2): 257-259.
شي يان، طباعة أوي، وتشن شي بناءا التحجيم متعددة الأبعاد موقع في الأماكن المغلقة خوارزمية آر إس إس آي مجلة من صك العلمي، 2014،35 (2): 261-268.
