تشخیص فعالیت با تکیه بر کاهش حافظه در خانه های هوشمند مبتنی بر کلان داده

Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 423

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

SMARTCITYC01_043

تاریخ نمایه سازی: 11 اسفند 1398

Abstract:

وسیله های هوشمند در دسته ای کلی به نام اینترنت اشیاء قرار می گیرند که در حال ارتباط با یکدیگر هستند. اینترنت اشیاء در واقع به ارتباط اشیای مختلف از طریق اینترنت و برقراری ارتباط آنها با یکدیگر گفته می شود، که هدف آن فراهم کردن تجربه کاراتر و هوشمندتراست.خانه هوشمند اصطلاحی است که به خانه های مدرن اشاره دارد که لوازم , نورپردازی و یا وسایل الکترونیکی دارند که می توانند از راه دور توسط مالک کنترل شوند . دستگاه های هوشمند خانه هوشمند نیز می توانند در ارتباط با سایر دستگاه ها در خانه عمل کنند و اطلاعات را به دیگر دستگاه های هوشمند از طریق اینترنت اشیا منتقل کنند. از این رو در خانه های هوشمند کلان داده در بهبود روش های داده محور در تشخیص فعالیت های انبام شده نقش مهمی دارند.برخورد با حافظه و محدودیت های زمانی، در هنگام یادگیری از جریان داده ها با حب بسیار زیادی از داده ها، چالش های کنونی هستند. بسیاری از الگوریتم ها برای کنترل این مشکلات پیشنهاد شده اند، که در بین آن ها الگوریتم بسیار سریع درخت تصمیم گیری است. برای کاهش هزینه حافظه، با نگه داشتن عملکرد پیش بینی کننده، + VFDT را پیشنهاد می کنیم که یک الگوریتم جدید براساس VFDT است. الگوریتم + VFDT رشد درخت غیر ضروری را کاهش می دهد، به طور قابل توجهی استفاده از حافظه را کاهش داده و عملکرد پیشگویانه رقابتی را حفظ می کند. علاوه بر این، از آنجایی که بیش از VFDT درخت سطحی ایجاد می کند، + VFDT می تواند به زمان پردازش بهتری دست یابد.

Authors

رویا زارع فرخادی

عضو هیئت علمی، گروه مهندسی کامپیوتر، موسسه آموزش عالی و غیرانتفاعی رشدیه تبریز.

علی درخشانی هفتدران

دانشجوی کارشناسی ارشد مهندسی نرم افزار موسسه آموزش عالی و غیرانتفاعی رشدیه تبریز.