Geri Dön

A new data management system in IOT system

IOT sisteminde yeni bir veri yönetimi

  1. Tez No: 859488
  2. Yazar: ADHAM MADROOJ KHALEEFAH AL-OBAIDI
  3. Danışmanlar: Assist. Prof. Dr. TUĞBAY BURÇİN GÜMÜŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: İstanbul Gedik Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Mühendislik Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
  13. Sayfa Sayısı: 95

Özet

Nesnelerin İnterneti (IOT) cihazlarının yaygınlaşması, verilerde benzeri görülmemiş bir büyümeye yol açarak etkili veri yönetimi ve sınıflandırma stratejilerini zorunlu kılmaktadır. Bu araştırma, özellikle IoT cihazlarının sınıflandırılmasına odaklanarak, makine öğrenme teknikleri kullanımında IoT veri yönetimine yeni bir yaklaşım sunmaktadır. Birden fazla özelliğe sahip büyük veri kümelerinin işlenmesinde doğruluğu ve verimliliği ile tanınan Rastgele Orman Sınıflandırıcısını kullanan bir sistem geliştirilmiştir. IoT ekosisteminde yaygın olan dengesiz veri kümeleri sorununu çözmek için Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE) Rastgele Orman algoritmasıyla entegre edilmiştir. Bu entegrasyonda, bazı cihaz türleri veri kümesinde yeterince temsil edilmese bile, sınıflandırıcının çeşitli türdeki IoT cihazlarını doğru bir şekilde tanımlama ve kategorilere ayırma yeteneği geliştirilmiştir. Metodolojimiz, IoT verilerinin kapsamlı bir analizini, ön işleme adımlarını, veri dengeleme için SMOTE uygulamasını ve ardından Rastgele Orman Sınıflandırıcısını kullanarak cihaz gruplamasını içermektedir. Sonuçlar, IoT cihazları tarafından oluşturulan veri çeşitliliğini ve hacmini yönetmek için ölçeklenebilir bir çözüm sunmaktadır. Bu çalışma sadece IoT veri yönetimi alanına katkıda bulunmakla kalmamakta, aynı zamanda makine öğrenimi tekniklerinin benzer bağlamlarda uygulanması için bir çerçevesağlamaktadır."

Özet (Çeviri)

The proliferation of Internet of Things (IOT) devices has led to an unprecedented growth in data, necessitating effective management and classification strategies. This thesis presents a novel approach to IoT data management by utilizing machine learning techniques, specifically focusing on the classification of IoT devices. We developed a system that employs a Random Forest classifier, renowned for its accuracy and efficiency in handling large datasets with multiple features. To address the challenge of imbalanced datasets, which is common in IoT environments, we integrated Synthetic Minority Over-sampling Technique (SMOTE) with the Random Forest algorithm. This integration enhances the classifier's ability to accurately identify and categorize various types of IoT devices, even when some device types are underrepresented in the dataset. Our methodology involves a thorough analysis of IoT data, preprocessing steps, and the application of SMOTE for data balancing, followed by device classification using the Random Forest classifier. The results demonstrate significant improvements in classification accuracy and provide a scalable solution for managing the diversity and volume of data generated by IoT devices. This study not only contributes to the field of IoT data management but also provides a framework for applying machine learning techniques in similar contexts

Benzer Tezler

  1. Intelligent power management grids based on IoT

    IoT'e dayalı akıllı güç yönetim sistemleri

    SAIF ALI GAEED GAEED

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SEMRA GÜNDÜÇ

  2. Distributed anomaly-based intrusion detection system for IoT environment using Blockchain technology

    Dağıtılmış anomali tabanlı saldırı tespit sistemi Blockchain teknolojisi kullanılan IoT ortamı için

    NOUHA HEJAZI

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgi ve Belge Yönetimiİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    DOÇ. DR. ENVER ÖZDEMİR

  3. Nesnelerin internetinde derin öğrenmeye dayalı veri analizi ve bilgi çıkarımı

    Deep learning based data analysis and information extraction in the internet of things

    İBRAHİM KÖK

    Doktora

    Türkçe

    Türkçe

    2020

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. SUAT ÖZDEMİR

  4. Yazılım tanımlı ağlar ve nesnelerin interneti temelli akıllı şebekelerde anomali tespiti

    Anomaly detection in smart grids based on software-defined networks and the internet of things

    HİLAL YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSA BALTA

  5. Short term electricity load forecasting with deep learning

    Derin öğrenme ile kısa dönemli elektrik yük talep tahmini

    İBRAHİM YAZICI

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA