Ανασκόπηση τεχνικών ομαδοποίησης για την εξόρυξη δεδομένων από το Διαδίκτυο των Πραγμάτων

Αντωνίου, Αλόη Αφροδίτη; Antoniou, Aloi Afroditi

dc.contributor.author	Αντωνίου, Αλόη Αφροδίτη	el
dc.contributor.author	Antoniou, Aloi Afroditi	en
dc.date.accessioned	2016-06-21T10:56:50Z
dc.date.available	2016-06-21T10:56:50Z
dc.date.issued	2016-06-21
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/42779
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.11833
dc.rights	Αναφορά Δημιουργού-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nd/3.0/gr/	*
dc.subject	Διαδίκτυο των Πραγμάτων	el
dc.subject	Ομαδοποίηση	el
dc.subject	Αλγόριθμοι	el
dc.subject	Εξόρυξη δεδομένων	el
dc.subject	Μεγάλα δεδομένα	el
dc.subject	Internet of Things (IoT)	en
dc.subject	Algorithms	en
dc.subject	Data mining	en
dc.subject	Big data	en
dc.title	Ανασκόπηση τεχνικών ομαδοποίησης για την εξόρυξη δεδομένων από το Διαδίκτυο των Πραγμάτων	el
heal.type	bachelorThesis
heal.classification	Εξόρυση δεδομένων	el
heal.classificationURI	http://data.seab.gr/concepts/0f0670698e94133323eface3389eba3b6b1f304c
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2016-03-28
heal.abstract	Το Διαδίκτυο των Πραγμάτων (ΔτΠ), ως αναδυόμενη γενική ιδέα, αναφέρεται σε ένα κατανεμημένο δίκτυο το οποίο συνδέει όλα τα «πράγματα» – αντικείμενα ή συσκευές – μέσω ασύρματων ετικετών και αισθητήρων με πρωτόκολλα δικτύων παρόμοια με εκείνα που χρησιμοποιούνται στο Διαδίκτυο. Τα «πράγματα» μπορούν να αναγνωριστούν αυτόματα, να επικοινωνήσουν μεταξύ τους, ακόμα και να λάβουν αποφάσεις από μόνα τους. Ειδικοί εκτιμούν ότι το ΔτΠ θα αποτελείται από 50-100 δισεκατομμύρια συσκευές έως το 2020. Λόγω του αυξανόμενου αριθμού διαθέσιμων αισθητήρων και της μεγάλης ποσότητας δεδομένων που παράγεται με πολύ μεγάλη ταχύτητα από το ΔτΠ, η ανάγκη για αποτελεσματικές και αποδοτικές μεθόδους για την διαχείριση αυτών των δεδομένων είναι αδιαμφισβήτητη. Συνεπώς, η εξόρυξη δεδομένων παίζει αποφασιστικής σημασίας ρόλο στο να γίνει το σύστημα αρκετά «έξυπνο» ώστε να μπορεί να παρέχει καταλληλότερες υπηρεσίες. Η ομαδοποίηση είναι μία από τις βασικές εργασίες της εξόρυξης δεδομένων και ένα ισχυρό εργαλείο ανάλυσης δεδομένων. Πρόκειται για μια διαδικασία η οποία στοχεύει στην οργάνωση ενός συνόλου δεδομένων εισόδου σε ένα σύνολο σημασιολογικά σύμφωνων ομάδων (ή συστάδων) με βάση ορισμένα μέτρα ομοιότητας, χωρίς καμία προηγούμενη γνώση, ώστε να εξάγει πολύτιμες πληροφορίες ανάλογα με τον στόχο της εκάστοτε εφαρμογής. Η παρούσα διπλωματική εργασία παρουσιάζει μια σύντομη επισκόπηση μερικών state-of the-art αλγορίθμων ομαδοποίησης και κάνει ανασκόπηση της έρευνας που διεξήχθη σε αυτό το πεδίο από το 2010 έως και το 2015. Κατά τη διάρκεια αυτού του διαστήματος, το ΔτΠ προσέλκυσε το ενδιαφέρον των ερευνητών και δημοσιεύτηκαν πολυάριθμα επιστημονικά άρθρα σχετικά με την βελτίωση της απόδοσης και της ποιότητας, την μείωση της υπολογιστικής πολυπλοκότητας, καθώς και την ελαχιστοποίηση της κατανάλωσης ενέργειας στα Ασύρματα Δίκτυα Αισθητήρων (ΑΔΑ). Ωστόσο, δεδομένου ότι η τεχνολογία εξελίσσεται συνεχώς, είναι ξεκάθαρο ότι υπάρχουν περιθώρια βελτίωσης προς την βελτιστοποίηση των υφιστάμενων μεθόδων ή για ανάπτυξη νέων τεχνικών που μπορούν να εφαρμοστούν στο ΔτΠ.	el
heal.abstract	The Internet of Things (IoT), as an emerging concept, refers to a distributed network connecting a ll “things” – objects or devices –through wireless tags and sensors over network protocols similar to those used in the Internet. Things can be identified automatically, communicate with each other and even make decisions by themselves. Experts estimate that the IoT will consist of 50-100 billion devices by 2020 . Due to the increasing number of sensors available and huge amount of data generated at very high velocity by the IoT, there is an undeniable need for effective and efficient methods that are capable of handling these data. Therefore, data mining plays a critical role in making this kind of system smart enough to provide more convenient services. Clustering is one of the main tasks of data mining and a powerful data analysis tool. It is a process which aims to organize an input dataset into a set of semantically consistent groups, called clusters, with respect to some similarity measures, without any prior knowledge, in order to extract valuable information depending on each application’s objective. The present diploma thesis displays a quick overview of some state -of - the - art clustering algorithms and reviews research conducted in this field between 2010 and 2015. The IoT has attracted much research attention during this period and numerous scientific papers have been published regarding performance and quality improvement, reduction of computational complexity, as well as minimization of energy consumption in Wireless Sensor Networks (WSNs). However, since technology is constantly evolving, it is clear that there is room for improvement towards optimization of the existing methods or for deployment of new techniques that can be applied to the IoT.	en
heal.advisorName	Κουτσούρης, Διονύσιος-Δημήτριος	el
heal.committeeMemberName	Νικήτα, Κωνσταντίνα	el
heal.committeeMemberName	Ματσόπουλος, Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Συστημάτων Μετάδοσης Πληροφορίας και Τεχνολογίας Υλικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	101 σ.
heal.fullTextAvailability	true