صادق رحمانی بلداجی - دانشگاه شیخ بهایی
پدرام کرم بخش - دانشگاه شیخ بهایی
محمدرضا دژکام - دانشگاه شیخ بهایی

الگوهای پرتکرار دوره ای به عنوان مجموعه ای از اقلام که اغلب در فواصل منظم و به طور مکرر در مجموعه داده رخ میدهند، شناخته میشوند. داده های تولیدشده توسط حسگرهاعموما0 داده های خام و پردازش نشده هستند. به مجموعه ای از اقلام که در فواصل منظم و به طور مکرر در مجموعه داده رخداده اند، الگوی پرتکرار دورهای گفته میشود. جهت کاوش الگوهای پرتکرار و دورهای از داده های BSN، میتوان از روشهای الگو کاوی مبتنی بر رشد با ساختارهای درختی استفاده کرد. در استفاده از ساختار درخت و با توجه به اینکه الگوهای پرتکرار و منظم با کاوش درخت شناسایی میشوند، هرچه تعداد دفعات اسکن و بازبینی درخت کمتر باشد، سرعت عملیات کاوش الگوهای پرتکرار و منظم نیز افزایش می یابد. در این پژوهش سعی شده تا زمان اجرای عملیات ساخت درخت و کاوش الگوهای منظم و پرتکرار تولیدشده از داده های شبکه های حسگر بدنی از طریق کاهش عملیات بازبینی و پیمایش مجدد درخت بهبود یابد. نتایج این تحقیق با روش SDR Tree از کارهای اخیر مقایسه شده است که زمان اجرای روش پیشنهادی نسبت به روش مذکور بهبودیافته است.

الگوی پرتکرار دوره ای، داده کاوی جریانی، شبکه حسگر بدنی