Nesnelerin internetinde sık geçen desen analizi
Frequent pattern analysis in the internet of things
- Tez No: 656344
- Danışmanlar: PROF. DR. SUAT ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 91
Özet
Nesnelerin İnterneti (Nİ), geleceğin teknolojileri arasında önemini sürekli yükseltmektedir. Ağ üzerinden verilerin aktarılmasını sağlayarak sensörler kullanılarak nesneler arasında iletişimin yanı sıra cihazlar arasında bağ kurulmaktadır. Sağlık, akıllı şehirler, ticaret, üretim ve taşımada geliştirilen Nİ'nin akıllı sistemlerinin birçok uygulaması veri akış madenciliği gibi zorluklarla uğraşmaktadır. Karmaşık büyük verinin (Big Data) daha kolay toplanması ve analiz işlemlerinin yapılması için Nİ yapay zeka (AI) ve makine öğrenimi (ML) ile işbirliği yapabilmektedir. AI ve ML, verilerin derinlemesinin anlaşılması ve performans verimliliğinin geliştirilmesi konusunda birçok Nİ uygulamasına destek vermektedir. Ayrıca üretilen veri sayısı hızla artan orana sahiptir, karmaşık hale geldiğinde ise analizleri kolaylaştıracak veri akış yazılımlara ihtiyaç duymaktadır. Bu çalışmanın amacı, gerçek dünyadaki bir Nİ veri akışı test yatağından eşsiz bir veri setinin Nİ veri akışlarını kullanarak sık geçen desen (FP) analizi yapmaktır. Bu çalışma, FP madenciliğine odaklanıp gerçek hayat problemlerinin çözümlenmesini amaçlayan çevre koşullarını ölçen sensörlerden 6 farklı veri değeri kullanmıştır. FP-akış ve ağırlıklı kayan pencere madenciliği (WMFP-SW) algoritmaları, tezin amacına ulaşmak için kullanılan modellerdir. En büyük katkı, karşılaştırmalı performans değerlendirmesi ile Apache Flink veri akış yazılımı kullanılarak başarı ile elde edilen FP'lardan gelmektedir. Elde edilen sonuçlar FP-akış algoritmanın WMFP-SW algoritmasından daha iyi performans kaydettiğini ve daha fazla sık desen elde ettiğini göstermiştir.
Özet (Çeviri)
The Internet of Things (IoT), constantly raises its importance among the top technologies of the future. It connects devices and makes things talk to each other using sensors to transfer data over a network. Many applications of various intelligent IoT systems being developed in healthcare, smart cities, retail, manufacturing, transport deal with the challenge of mining data streams. The IoT can cooperate with artificial intelligence (AI) and machine learning (ML) for an easier complex (Big Data) collection and analysis operations. AI and ML aid many IoT applications in a deep understanding of data and improvement of performance efficiency. Furthermore, the number of producing data has a rapidly increasing rate, it becomes complex and requires real-time streaming tools for easier analysis. The goal of this work is to do frequent pattern (FP) analysis using the IoT data streams of a unique dataset from a real-world IoT testbed. This work focuses on FP mining using 6 different data values from sensors that measure environmental conditions aimed to provide real-life problem solutions. FP-stream algorithm and Weighted Mining Frequent Pattern over Sliding Window (WMFP-SW) algorithm are the models used to achieve the objectives of this study. The major contribution is the performance comparative evaluation and successfully mining FPs using Apache Flink real-time data analysis tool. The results showed that the FP-stream outperforms the WMFP-SW algorithm and mines more FPs in comparison to the WMFP-SW model.
Benzer Tezler
- Endüstriyel nesnelerin internetinde hızlı ve güvenli veri iletimi
Fast and secure data transmission in industrial internet of things
MUSTAFA KARA
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİskenderun Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MURAT FURAT
- Sensory cues in retail industry and revisit intention: A field study on third generation coffee shops
Perakende sektöründeki duyusal işaretler ile müşterilerin yeniden ziyaret niyetleri arasındaki ilişki: Üçüncü nesil kafeler üzerine bir alan çalışması
GİZEM HARİTAOĞLU
Yüksek Lisans
İngilizce
2021
İşletmeİstanbul Teknik Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. ŞEBNEM BURNAZ
- Web sayfaları için anlamsal erişim sistemi
A semantic retrieval system for Web pages
EBRU SEZER
Doktora
Türkçe
2006
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF.DR. ADNAN YAZICI
PROF.DR. ÜNAL YARIMAĞAN
- IoT teknolojisini kullanan pratik ve güvenilir akıllı kapı kilidi tasarımı
Practical and reliable smart door lock design using IoT technology
AYŞEGÜL KALYONCU
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Ticaret ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METİN TURAN
- Development of a new machine learning-based method to detect threats and prevent attacks on the internet of things and simulation with Cooja
Nesnelerin internetinde tehditleri algılamak ve saldırıları önlemek için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi ve Cooja ile benzetimi
ALI HAMID AHMED SALEH FAREA
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEREM KÜÇÜK