Defesa de Dissertação de Mestrado – Patrícia Bordignon André – 31/07/2017
31/07/2017 17:00
| Defesa de Dissertação de Mestrado | ||
| Aluna | Patrícia Bordignon André | |
| Orientador | Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC | |
| Data | 31/07/2017 (segunda-feira) 09h00
Sala PPGEAS II (piso inferior) |
|
| Banca | Prof. Carlos Barros Montez, Dr. – Presidente – DAS/UFSC;
Prof. Ubirajara Franco Moreno, Dr. – DAS/UFSC; Prof. Werner Kraus Junior, Dr. – DAS/UFSC; Profa. Patrícia Della Méa Plentz, Dra. – INE/UFSC; Prof. Marcelo Ricardo Stemmer, Dr. – DAS/UFSC (suplente). |
|
| Título | Detecção e Identificação de Outliers em Redes de Sensores Sem Fio de Larga Escala | |
| Resumo: 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 implantação e utilização das RSSFs, tanto para fins comercias, militares e industriais. Entretanto, as RSSFs de larga escala, por possuírem uma grande quantidade de nodos implantados, geram, por consequência, 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 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 interessante. 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 baixa complexidade computacional, para a detecção e identificação de outliers em RSSF de larga escala. | ||
