Detecção e identificação de outliers em redes de sensores sem fio de larga escala

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: André, Patrícia Bordignon
Orientador(a): Montez, Carlos Barros
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Não Informado pela instituição
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Link de acesso: https://repositorio.ufsc.br/handle/123456789/186678
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2017.
id UFSC_be07e38dc9290a49c718c1674d7db56e
oai_identifier_str oai:repositorio.ufsc.br:123456789/186678
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str
spelling Universidade Federal de Santa CatarinaAndré, Patrícia BordignonMontez, Carlos BarrosMoraes, Ricardo Alexandre Reinaldo de2018-06-03T04:04:18Z2018-06-03T04:04:18Z2017351439https://repositorio.ufsc.br/handle/123456789/186678Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2017.Redes de Sensores Sem Fio (RSSFs) são utilizadas em diversas áreas para rastreamento e monitoramento de ambientes. A facilidade de implantação dessas redes, associada ao baixo custo dos nodos, incentivam a sua utilização para fins comerciais, militares e industriais. Entretanto, as RSSFs de larga escala, por possuírem uma grande quantidade de nodos implantados, geram uma grande quantidade de dados brutos. Além disso, em virtude da própria natureza dessas redes, dados anômalos (outliers) podem ser gerados, comprometendo a confiabilidade dos dados. De forma geral, a utilização de técnicas para detecção e identificação (classificação) de outliers é essencial para manter a confiabilidade dos dados para que futuras tomadas de decisões sejam realizadas. Devido às restrições de hardware dos nodos, as técnicas tradicionais de detecção e identificação de outliers geralmente não são aplicáveis às RSSFs. Sendo assim, a aplicação de técnicas de baixo custo computacional é uma das únicas soluções viáveis. O objetivo desse trabalho de mestrado é analisar e aplicar técnicas de detecção e identificação de outliers, de baixo custo computacional, para RSSFs de larga escala. A abordagem proposta é dividida em duas etapas: a primeira para detecção de outliers, através da aplicação de técnicas baseadas em estatísticas. A segunda etapa é dedicada à identificação de outliers, por meio da combinação de correlações espaciais e limites pré-definidos. Para avaliação da proposta é utilizado o simulador OMNeT++/Castalia. Os resultados obtidos através das simulações mostraram que é viável a utilização de técnicas baseadas em estatísticas com baixo custo computacional, para a detecção e identificação de outliers em RSSF de larga escala.Abstract : Wireless Sensor Networks (WSNs) are used in many areas for tracking and monitoring environments. The ease of deployment of these networks, coupled with the low cost of nodes, encourages their use for commercial, military and industrial purposes. However, the large-scale WSNs have a large number of implanted nodes, consequently generate a large amount of raw data. Moreover, due to the nature of these networks, outliers can be generated, compromising data reliability. In general, the use of techniques for detection and identification (classification) of outliers to maintain the reliability of data for future detainees is vital. Due to the hardware constraints of the nodes, traditional outliers detection and identification techniques are generally applicable to WSNs. Thus, an application of techniques of low computational cost is one of the only solution viable. The objective of this masters dissertation is to analyze and apply low-computational outliers detection and identification techniques for large-scale WSNs. The proposed approach is divided into two steps: the first one to detect outliers, through the application of statistical techniques. The second step is dedicated to the identification of outliers, through the combination of spatial correlations and predefined boundaries. To evaluate the proposal, the OMNeT ++/Castalia simulator is used. The results obtained through the simulations showed that it is feasible to use techniques based on statistics with low computational cost for the detection and identification of outliers in large-scale WSN.115 p.| il., gráfs.porEngenharia de sistemasAutomaçãoRedes de sensores sem fioValores estranhosDetecção e identificação de outliers em redes de sensores sem fio de larga escalainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPEAS0261-D.pdfPEAS0261-D.pdfapplication/pdf1220251https://repositorio.ufsc.br/bitstream/123456789/186678/-1/PEAS0261-D.pdf08cca4ca3d4eb750dcf44546eee479c3MD5-1123456789/1866782018-06-03 01:04:18.788oai:repositorio.ufsc.br:123456789/186678Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestsandra.sobrera@ufsc.bropendoar:23732018-06-03T04:04:18Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Detecção e identificação de outliers em redes de sensores sem fio de larga escala
title Detecção e identificação de outliers em redes de sensores sem fio de larga escala
spellingShingle Detecção e identificação de outliers em redes de sensores sem fio de larga escala
André, Patrícia Bordignon
Engenharia de sistemas
Automação
Redes de sensores sem fio
Valores estranhos
title_short Detecção e identificação de outliers em redes de sensores sem fio de larga escala
title_full Detecção e identificação de outliers em redes de sensores sem fio de larga escala
title_fullStr Detecção e identificação de outliers em redes de sensores sem fio de larga escala
title_full_unstemmed Detecção e identificação de outliers em redes de sensores sem fio de larga escala
title_sort Detecção e identificação de outliers em redes de sensores sem fio de larga escala
author André, Patrícia Bordignon
author_facet André, Patrícia Bordignon
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv André, Patrícia Bordignon
dc.contributor.advisor1.fl_str_mv Montez, Carlos Barros
dc.contributor.advisor-co1.fl_str_mv Moraes, Ricardo Alexandre Reinaldo de
contributor_str_mv Montez, Carlos Barros
Moraes, Ricardo Alexandre Reinaldo de
dc.subject.classification.none.fl_str_mv Engenharia de sistemas
Automação
Redes de sensores sem fio
Valores estranhos
topic Engenharia de sistemas
Automação
Redes de sensores sem fio
Valores estranhos
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Engenharia de Automação e Sistemas, Florianópolis, 2017.
publishDate 2017
dc.date.issued.fl_str_mv 2017
dc.date.accessioned.fl_str_mv 2018-06-03T04:04:18Z
dc.date.available.fl_str_mv 2018-06-03T04:04:18Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/186678
dc.identifier.other.none.fl_str_mv 351439
identifier_str_mv 351439
url https://repositorio.ufsc.br/handle/123456789/186678
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 115 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/186678/-1/PEAS0261-D.pdf
bitstream.checksum.fl_str_mv 08cca4ca3d4eb750dcf44546eee479c3
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv sandra.sobrera@ufsc.br
_version_ 1851758876262662144

Registros relacionados