文献

J-GLOBAL ID：201802287485679383   整理番号：18A1346281

モノ環境センサ監視のインターネットにおけるビッグデータストリームマイニングのための自己適応前処理方法論【JST・京大機械翻訳】

Self-Adaptive Pre-Processing Methodology for Big Data Stream Mining in Internet of Things Environmental Sensor Monitoring

著者 (5件)： Lan Kun (Department of Computer and Information Science, University of Macau, Taipa 999078, Macau) ,  Fong Simon (Department of Computer and Information Science, University of Macau, Taipa 999078, Macau) ,  Song Wei (School of Computer Science, North China University of Technology, Beijing 100144, China) ,  Vasilakos Athanasios V. (Department of Computer Science, Electrical and Space Engineering, Lulea University of Technology, SE-97187 Lulea, Sweden) ,  Millham Richard C. (Department of Information Technology, Durban University of Technology, Ritson Campus, Durban P.O. BOX 1334, South Africa)
資料名： Symmetry (Web)  (Symmetry (Web))
巻： 9  号： 10  ページ： 244  発行年： 2017年 
JST資料番号： U7282A  ISSN： 2073-8994  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 近年,高度IT技術は,急速に,連続的に,そして,主に,データストリームマイニング(DSM)という新しい研究と応用ブランチに関連する,新しい世代の発生と収集データの出現を容易にした。DSMのそれらの複数シナリオの中で,インターネットのインターネット(IoT)は,大きなデータの強とで挑戦的な計算事例の典型的意味で,重要な役割を果たす。本論文では,データストリーム分類の前処理ステップへの自己適応アプローチを記述した。提案したアルゴリズムは,入力ストリーム上の全スライディングウィンドウ下のサブウィンドウの可変数と長さの両方により異なる分割を可能にし,クラスタリングベースの粒子群最適化(CPSO)を,そのストリームセグメンテーションが効果的で,それ自身に適応可能であることを保証するための主なメタヒューリスティック探索法として採用した。より豊富な探索空間を生成するために,統計的特徴抽出(SFX)を全スライディングウィンドウの可変分割後に適用した。いくつかのIoT環境センサ監視データセットに従って,他の時間的方法による著者らのアルゴリズムの努力を検証し試験した。実験は有望な結果をもたらし,組み込まれたクラスタ化技術の長所による有意な適切なバリアントサブウィンドウセグメンテーションを発見的に抽出することは,これらを他のものより良く実行することを可能にする。Copyright 2018 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  セグメンテーション ,  *前処理 ,  クラスタ化 ,  高速度 ,  *センサ ,  *インターネット ,  情報技術
準シソーラス用語： 探索空間 ,  *自己適応 ,  粒子群最適化 ,  *データストリーム ,  スライディングウィンドウ ,  モノのインターネット ,  *ビッグデータ , 【Automatic Indexing@JST】

著者キーワード (4件)： データストリーム前処理 ,  自己適応セグメンテーション ,  クラスタ化に基づく粒子群最適化(CPSO) ,  モノ(iot)データセットのインターネット

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (32件)：

• Gil, D.; Ferrández, A.; Mora-Mora, H.; Peral, J. Internet of things: A review of surveys based on context aware intelligent services. Sensors 2016, 16, 1069.
• Ducange, P.; Pecori, R.; Sarti, L.; Vecchio, M. Educational big data mining: How to enhance virtual learning environments. In International Joint Conference Soco’16-Cisis’16-Iceute’16: San Sebastián, Spain, October 19th-21st, 2016 Proceedings; Graña, M., López-Guede, J.M., Etxaniz, O., Herrero, Á., Quintián, H., Corchado, E., Eds.; Springer International Publishing: Cham, Switzerland, 2017; pp. 681-690.
• Ducange, P.; Pecori, R.; Mezzina, P. A glimpse on big data analytics in the framework of marketing strategies. Soft Comput. 2017, 1-18.
• Nguyen, H.-L.; Woon, Y.-K.; Ng, W.-K. A survey on data stream clustering and classification. Knowl. Inf. Syst. 2015, 45, 535-569.
• Gaber, M.M.; Zaslavsky, A.; Krishnaswamy, S. Mining data streams: A review. ACM Sigmod Rec. 2005, 34, 18-26.

タイトルに関連する用語 (4件)： 環境 ,  インターネット ,  自己適応 ,  処理方法