آماده سازی داده برای فرایندکاوی

•   آرشیو : نسخه پاییز 1398
•   نوع مقاله : پژوهشی
•   کد پذیرش : 1347
• نویسنده/گان : فریدون شمس علیئی، لیلا حیدری، محمود نشاطی
•   چکیده :
  با ظهور کامپیوتر و بکارگیری آن در امور جاری کسب و کارها، حجم بزرگی از داده‌ها ایجاد شد. این داده‌ها که با اهداف مختلفی جمع‌آوری می‌شدند، به مرور مورد توجه دانشمندان قرار گرفتند. آنها به فکر افتادند تا با پردازش این انباره‌های عظیم داده، روابط پنهان میانشان را کشف نموده و از دانش حاصله در آینده کسب و کارها استفاده نمایند. امروزه انواع تکنیک‎های پردازش داده وجود دارد. یکی ازآنها فرایندکاوی است. اما داده‌های موجود در انباره‌های داده خام هستند و برای پردازش نیاز به آماده‌سازی دارند. مقالات مختلفی در این خصوص موجود است که هر یک روالی را برای آماده‎سازی داده به منظوری خاص، ارائه نموده است. این مقاله پس از بررسی مراحل اصلی آماده‌سازی داده که لازم است در تمام پردازش‌های مبتنی بر داده انجام شود؛ چرخه‌ آماده‎سازی داده برای فرایندکاوی را با توجه به چالش‌های موجود در این زمینه، پیشنهاد می‌کند. سپس چرخه پیشنهادی، با انجام یک مطالعه موردی بر روی داده‌های موجود از فرایند کنترل کیفیت درخواست‌های کارت هوشمند ملی ایران، ارزیابی شده است. شبکه‌های اینترنت اشیاء می‌توانند برای کاربردهای بسیاری در حوزه‌های مختلف صنعتی از جمله نظارت بر زیرساخت، خدمات شهری، کاربردهای نظارتی و امنیتی و غیره مورد استفاده قرار گیرند. با این حال، جمع‌آوری مقادیر زیادی از داده‌ها از چنین شبکه‌هایی که شامل تصاویر و ویدئوها هستند، اغلب باعث تراکم ترافیک در ناحیه شبکه مرکزی می‌شود. به منظور حل این مشکل، فناوری مسیریابی محتوا محوری ارائه شده که مسیریابی توسط محتوا تعیین می‌شود. به وسیله‌ی مسیریابی داده‌های به هم مرتبط به گره‌های میانی برای پردازش، تجمیع داده‌ها با سرعت بالاتری می‌تواند به دست آید، از این رو ترافیک در شبکه به طور موثری کاهش می‌یابد. در نتیجه، کاهش قابل توجهی را در زمان تاخیر می‌توان به دست آورد. علاوه بر این، انتقال داده‌های تکراری پس از تجمیع داده‌ها می‌تواند حذف شود که عمدتاً انرژی صرف شده بر روی ارتباطات بی‌سیم را کاهش داده و در نتیجه در مصرف باتری صرفه‌جویی می شود.
•   کلید واژه : اینترنت اشیاء، مسیریابی، محتوا محور، جمع‌آوری داده‌ها، پیاده‌سازی
•   مراجع :
  [1] D. Datla, X. Chen, T. Tsou, S. Raghunandan, S. Hasan, J. Reed, C. Dietrich, T. Bose, B. Fette, J. Kim (2012), Wireless distributed computing: a survey of research challenges, IEEE Commun. Mag. 50 (1), 144–152, doi: 10.1109/MCOM. 2012.6122545 .
  [2] J. Yick, B. Mukherjee, D. Ghosal (2008), Wireless sensor network survey, Comput. Netw. 52 (12), 2292–2330.
  [3] E. Fasolo, M. Rossi, J. Widmer, M. Zorzi (2007), In-network aggregation techniques for wireless sensor networks: a survey, IEEE Wirel. Commun. 14 (2), 70–87, doi: 10.1109/MWC.2007.358967.
  [4] Y. Jin, P. Kulkarni, S. Gormus, M. Sooriyabandara (2012), Content centric and load-balancing aware dynamic data aggregation in multihop wireless networks, in:Proceedings of the IEEE 8th International Conference on Wireless and Mobile Computing, Networking and Communications (WiMob).
  [5] D.S.J. De Couto, D. Aguayo, J. Bicket, R. Morris (2003), A high-throughput path metric for multi-hop wireless routing, in: Proceedings of the 9th Annual International Conference on Mobile Computing and Networking (MobiCom ’03), ACM, New York, NY, USA, pp. 134–146.
  [6] T. Winter, P. Thubert, etal (2012), Rpl: Ipv6 Routing Protocol for Low-power and Lossy Networks, (rfc 6550), http://www.ietf.org/rfc/rfc6550.txt.
  [7] Y. Wu, Z. Mao, S. Fahmy, N. Shroff (2010), Constructing maximum-lifetime data-gathering forests in sensor networks, IEEE/ACM Trans. Netw. 18 (5), 1571–1584, doi: 10.1109/TNET.2010.2045896.
  [8] N. Tsiftes, A. Dunkels (2011), A database in every sensor, in: Proceedings of the 9th ACM Conference on Embedded Networked Sensor Systems (SenSys ’11), ACM, New York, NY, USA, pp. 316–332, doi: 10.1145/2070942.2070974.
  [9] S. Nath (2009), Energy efficient sensor data logging with amnesic flash storage, in: Proceedings of the International Conference on Information Processing in Sensor Networks (IPSN ’09), IEEE Computer Society, Washington, DC, USA, pp. 157–168.
•  صفحات : 23-35
•   دانلود فایل ( 667.50 KB )