یاسر حسینی - دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد میاندوآب، میاندوآب، ایران،
سیدیاسر هاشمی - استادیار گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد میاندوآب، میاندوآب، ایران،

محاسبات لبه ای به عنوان یک الگوی جدید با تمرکز بر رسیدگی و پردازش داده ها در نزدیکی منابع برای حل نیازهای اینترنت اشیاء و محلیسازی نیازهای محاسبات، افزایش توان برای زمان پاسخ اضطراری، افزایش مقیاس پذیری و کاهش هزینه انرژی و کنترل حریم خصوصی و محافظت از داده ها ارایه شده است. در استفاده از محاسبات لبه ای، یکی از چالش های اساسی کیفیت داده هایی است که از چندین منبع بدست می آید. منابع مختلف موجود در محیط گسترده و ناهمگن اینترنت اشیاء با درجه اعتبار متفاوت داده های ناسازگار و متعارض را از پدیده ای یکسان دریافت و ارسال میکنند. این امر نیاز شدید به شناسایی و تصحیح داده های جمع آوری شده را ایجاد میکند. در این پژوهش رویکردی دومرحله ای برای شناسایی و تصحیح داده های هر منبع و سپس شناسایی تعارضات بین داده های منابع مختلف دادهای و همجوشی منابع و تصحیح نهایی داده ها ارائه شده است. در مرحله اول، شناسایی و اصلاح اطلاعات معیوب براساس فاصله اطمینان و داده های تخمینی اجرا میشود. مرحله دوم اندازهگیری تعارض و همجوشی داده ها ست که برای محاسبه میزان تضاد در منابع مختلف داده بر اساس اقدامات فازی و محاسبه درجه اعتبار هر منبع داده ایجاد شده است. رویکرد ارائه شده بر روی انواع تعارضات دادهای نتایج مناسبی را ارائه میکند. بر اساس نتایج شبیه سازی با معیارهای دقت، حساسیت و فیشر، رویکرد پیشنهادی کارایی مناسبی دارد و با دقت بیش از ۷۵ درصد تعرضات را تشخیص میدهد.

اینترنت اشیاء، تشخیص تعارض داده، تصحیح تعارض داده، تعارضات داده، محاسبات لبه ای