Author(s):
Alencar, M??rcio Andr?? da Costa
Date: 2019
Origin: Oasisbr
Subject(s): Internet das Coisas; An??lise Associativa; Sistemas Distribu??dos; Minera????o Descentralizada; Comportamento de usu??rios; CI??NCIAS EXATAS E DA TERRA; Internet das Coisas; Internet das Coisas; An??lise Associativa; An??lise Associativa; Sistemas Distribu??dos; Sistemas Distribu??dos; Minera????o Descentralizada; Minera????o Descentralizada; Comportamento de usu??rios; Comportamento de usu??rios; CI??NCIAS EXATAS E DA TERRA; CI??NCIAS EXATAS E DA TERRA
Description
Submitted by Marcio Alencar (macalencar@icomp.ufam.edu.br) on 2019-04-10T14:54:26Z No. of bitstreams: 3 DissertacaoMestrado.pdf: 3559389 bytes, checksum: 2f8b9b7beccd66cbea63086ed849751b (MD5) Carta de Autorizac??a??o.pdf: 408136 bytes, checksum: ad43ba667e6a6db316077b542047f86f (MD5) folha_de_aprovacao.pdf: 372440 bytes, checksum: 0d8f6a73071857fcb8f20161f8cfaf7a (MD5)
Approved for entry into archive by Secretaria PPGI (secretariappgi@icomp.ufam.edu.br) on 2019-04-10T16:08:44Z (GMT) No. of bitstreams: 3 DissertacaoMestrado.pdf: 3559389 bytes, checksum: 2f8b9b7beccd66cbea63086ed849751b (MD5) Carta de Autorizac??a??o.pdf: 408136 bytes, checksum: ad43ba667e6a6db316077b542047f86f (MD5) folha_de_aprovacao.pdf: 372440 bytes, checksum: 0d8f6a73071857fcb8f20161f8cfaf7a (MD5)
Approved for entry into archive by Divis??o de Documenta????o/BC Biblioteca Central (ddbc@ufam.edu.br) on 2019-04-12T14:57:12Z (GMT) No. of bitstreams: 3 DissertacaoMestrado.pdf: 3559389 bytes, checksum: 2f8b9b7beccd66cbea63086ed849751b (MD5) Carta de Autorizac??a??o.pdf: 408136 bytes, checksum: ad43ba667e6a6db316077b542047f86f (MD5) folha_de_aprovacao.pdf: 372440 bytes, checksum: 0d8f6a73071857fcb8f20161f8cfaf7a (MD5)
Made available in DSpace on 2019-04-12T14:57:12Z (GMT). No. of bitstreams: 3 DissertacaoMestrado.pdf: 3559389 bytes, checksum: 2f8b9b7beccd66cbea63086ed849751b (MD5) Carta de Autorizac??a??o.pdf: 408136 bytes, checksum: ad43ba667e6a6db316077b542047f86f (MD5) folha_de_aprovacao.pdf: 372440 bytes, checksum: 0d8f6a73071857fcb8f20161f8cfaf7a (MD5) Previous issue date: 2019-03-25
FAPEAM
92 98215-3915
Identifying user behavior patterns is one of the features that can be incorporated into the Internet of Things. Finding standards and using them as knowledge for decision making can provide ease, comfort, practicality and autonomy for the execution of daily activities. Although knowledge extraction is common in centralized intelligent environments, its execution in a decentralized architecture is still a relevant computational challenge onsidering the storage and processing constraints of IoT devices. This dissertation describes a method for mining implicit correlations between IoT device action patterns through embedded associative analysis. Based on the metrics support, confidence and lift, the method identifies the most relevant correlations between a pair of actions from different devices and suggests to the user the integration between them through HTTP requests. Experimental results show that, on average, the most relevant rules for both architectures are the same in 99.75\% of cases. In addition, the proposed method identified relevant correlations that were not identified by the centralized architecture. This research emphasizes that device action pattern analysis is an efficient approach to provide a highly integrated and intelligent environment by circumventing single point failure problems and excessive data storage on IoT devices.
A identifica????o dos padr??es de comportamento do usu??rio ?? um dos recursos que pode ser incorporado ?? Internet das Coisas. Encontrar padr??es e utiliz??-los como conhecimento para a tomada de decis??es pode proporcionar facilidade, conforto, praticidade e autonomia para a execu????o das atividades di??rias. Embora a extra????o de conhecimento seja comum em ambientes inteligentes centralizados, sua execu????o em uma arquitetura descentralizada ainda ?? um desafio computacional relevante considerando as restri????es de armazenamento e processamento dos dispositivos IoT. Esta disserta????o descreve um m??todo para minerar correla????es impl??citas entre os padr??es de a????es de dispositivos de IoT por meio de an??lise associativa embarcada. Com base nas m??tricas support, confidence e lift, o m??todo identifica as correla????es mais relevantes entre um par de a????es de diferentes dispositivos e sugere ao usu??rio a integra????o entre elas por meio de solicita????es HTTP. Resultados experimentais mostram que, em m??dia, as regras mais relevantes para ambas as arquiteturas s??o as mesmas em 99,75% dos casos. Al??m disso, o m??todo proposto identificou correla????es relevantes que n??o foram identificadas pela arquitetura centralizada. Esta pesquisa enfatiza que a an??lise do padr??o de a????es do dispositivo ?? uma abordagem eficiente para fornecer um ambiente altamente integrado e inteligente, contornando os problemas do ponto ??nico de falha e do armazenamento excessivo de dados em dispositivos IoT.
