Key points are not available for this paper at this time.
تدريب اللياقة البدنية، وهو وسيلة هامة لتحسين اللياقة البدنية، هو الضمان الأساسي لتكوين فعالية قتالية. في الوقت الحاضر، تُجرى أغلب أنواع تقييم تدريب اللياقة البدنية يدويًا. ويوجد بها مشكلات مثل انخفاض الكفاءة، والاستهلاك العالي للموارد البشرية والمادية، وعوامل ذاتية تؤثر على نتائج التقييم. لقد وسَّع مفهوم "الإنترنت+" الشبكة التقليدية بشكل كبير من منظور تقارب التكنولوجيا وأهداف التغطية الشبكية. وقد سرَّع وعزز التطور السريع لتقنية إنترنت الأشياء وتطبيقاتها. يُظهر إنترنت الأشياء، الذي يحتوي على العديد من عقد الحساسات، خصائص مثل زائدة في جمع المعلومات، وحساسية طاقة العقد، وانفتاح توزيع الشبكة، وموثوقية طلب البيانات، وغيرها. لذا، فإن البحث في طريقة دمج أمان بيانات إنترنت الأشياء له أهمية نظرية كبيرة وآفاق تطبيقية. لضمان أصالة وموثوقية نتائج الدمج لبيانات تدريب اللياقة البدنية، تم تحليل خصائص وأداء أمان إنترنت الأشياء، وتحديد المتطلبات الأساسية لدمج أمان بيانات الحساسات في إنترنت الأشياء. تم اقتراح نموذج دمج بيانات مُحسن قائم على التجمعات لمعالجة قصور نموذج دمج البيانات القائم على التجمعات، ودُرست طريقة دمج بيانات تدريب اللياقة البدنية بأمان. وأخيرًا، أجرت هذه المقالة عددًا كبيرًا من التجارب المحاكاة. أظهرت نتائج التجارب أن نموذج الدمج المحسن القائم على التجمعات يتمتع بأداء أفضل، مما يعزز أمان دمج بيانات تدريب اللياقة البدنية اعتمادًا على إنترنت الأشياء. أخيرًا، توفر المقالة تحليلًا لأداء الأمان.
Building similarity graph...
Analyzing shared references across papers
Loading...
BIN ZHOU
TURKISH JOURNAL OF ELECTRICAL ENGINEERING & COMPUTER SCIENCES
Harbin University
Building similarity graph...
Analyzing shared references across papers
Loading...
درس BIN ZHOU (Mon,) هذا السؤال.
www.synapsesocial.com/papers/68e694aeb6db64358761af2c — DOI: https://doi.org/10.55730/1300-0632.4079