بهبود سرعت کاوش الگوهای پرتکرار با تشابه دوره ای در داده های شبکه های حسگر بدنی

سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 443

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

MTCB01_067

تاریخ نمایه سازی: 7 خرداد 1398

چکیده مقاله:

تجهیزات پزشکی مانند حسگرهای بدنی (BSN) ها که به بدن انسان امکان اتصال دارند و علائم حیاتی انسان مانند ضربان قلب، فشارخون و دمای بدن را نظارت می کنند، نقش عمده ای در بهبود سلامت ایفا می کنند. جهت کاوش الگوهای پرتکرار و دوره ای با دوره های مشابه از داده های BSN از روش های الگو کاوی مبتنی بر گروس با ساختارهای درختی فشرده استفاده می کنند. باوجود ساختارهای فشرده مانند درخت، بازهم به کارگیری این تکنیک ها با توجه به حجم زیاد داده های پیوسته ورودی منجر به افزایش زمان اجرای عملیات روی کلان داده ها می شود. در این تحقیق سعی شده تا زمان اجرای عملیات کاوش الگوهای پرتکرار و دوره ای با دوره های مشابه تولیدشده از داده های شبکه های حسگر بدنی را از طریق اصلاح عملیات های ریاضی بهبود دهیم. نتایج این تحقیق با الگوریتم PPFP-growth از کارهای اخیر مقایسه شده است که زمان اجرای الگوریتم پیشنهادی نسبت به الگوریتم مذکور بهبود یافته است.

کلیدواژه ها:

کاوش الگوهای پرتکرار ، کاوش الگوهای دوره ای با دوره های مشابه ، شبکه حسگرهای بدنی

نویسندگان

محمدرضا دژکام

دانشجوی کارشناسی ارشد دانشگاه شیخ بهایی

محمود مرتضوی دهکردی

عضو هیات علمی دانشگاه شیخ بهایی