روشی نوین برای خلاصه سازی وتجمیع داده های تولید شده در یک سیستم ساختمان هوشمند

با توسعه اینترنت اشیا، چالش هایی در مدیریت داده و تاخیر در شبكه به وجود آمده است. بنابراین تکنیک های استخراج دانش مناسب برای کاهش میزان انتقال داده و کمک به ساده سازی روند مدیریت داده ها بسیار ضروری است. با توجه به این که در محاسبات مه، درگاه می تواند تصمیم بگیرد داده های بدست آمده را جمع آوری یا ازبین ببرد یا تجزیه و تحلیل انجام ده د، این شرایط را فراهم می آورد. تشخیص تازگی در این سطح بسیار مهم می باشد. روش های تشخیص تازگی سعی در شناسایی داده هایی دارند که از توزیع داده های عادی متفاوت هستند. در این مقاله، ما سعی کردیم راه حلی برای خلاصه سازی و تجمیع داده ها به منظور اشغال اتاق و حضور افراد در آن ارائه دهیم که موجب صرفه جویی در انرژی و بهینه سازی سیستم می شود. برای این منظور د ر محیط مه به شناسایی و تشخیص تازگی پرداختیم. به این منظور از مجموعه داده های موجود در سایت UCI که داده های مورد استفاده عاری از هر گونه نویز می باشد، استفاده و پیاده سازی آنها با استفاده از زبان پایتون انجام شد. از روش های آماری شامل نمودار جعبه ای و هیستوگرام و الگوریتم های Robust Covarianc ، Empirical Covariance ، OCSVM ، K-means استفاده کردیم و عملكرد آنها را مورد بررسی قرار دادیم که با توجه به نتایج بدست آمده Robust Covarianc ، Empirical Covariance و روش های آماری دارای عملكرد بهتر و نزدیک تر می باشد.