https://repositorio.ufjf.br/jspui/handle/ufjf/11736
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
ualisonrodrigoferreiradias.pdf | PDF/A | 7.36 MB | Adobe PDF | ![]() Visualizar/Abrir |
Clase: | Dissertação |
Título : | Uma abordagem baseada em regras fuzzy auto-organizáveis para classificação de ambientes internos em aplicações de IoT |
Autor(es): | Dias, Ualison Rodrigo Ferreira |
Orientador: | Aguiar, Eduardo Pestana de |
Miembros Examinadores: | Seixas, José Manoel de |
Miembros Examinadores: | Andrade Filho, Luciano Manhães de |
Resumo: | Atualmente, grande parte dos sensores utilizados em Internet das Coisas adota tecnologia sem fio, a fim de facilitar a construção de redes de sensoriamento. Neste sentido, a classificação do tipo de ambiente no qual estes sensores estão localizados exerce um importante papel no desempenho de tais redes de sensoriamento, uma vez que pode ser utilizada na determinação de níveis mais eficientes de consumo de energia dos sensores que as compõe. Assim, neste trabalho é apresentada a proposição de uma versão estendida do modelo classificador Fuzzy Auto-Organizável, que faz a classificação de ambientes internos a partir de medições do sinal de radiofrequência de uma rede de sensoriamento sem fio em um ambiente real. Foi realizada uma comparação do modelo de classificador original com o modelo proposto nesse trabalho, bem como outros métodos de aprendizado de máquina comuns na literatura. Como métricas foram avaliados: Acurácia média, F-Score, coeficiente Kappa e MSE. Os resultados experimentais mostram que a abordagem proposta obteve alto desempenho na solução do problema apresentado. |
Resumen : | Nowadays, a great part of the sensors adopted in IoT use wireless technology to facilitate the construction of sensor networks. In this sense, the classification of the type of environment in which these sensors are located plays an important role in the performance of these sensor networks, since it leads to efficient power consumption when operating the deployed IoT sensors. Thus, this dissertation presents an enhancement in the SelfOrganizing Fuzzy Classifier model, which makes the classification of indoor environments from real-time measurements of the radio-frequency signal of a real wireless sensor network. A comparison between the original classifier model and the model proposed in this dissertation was made, as well as other common machine learning methods literature. The evaluated metrics were Accuracy, F-Score, Kappa coefficient, and MSE. The experimental results show that the proposed approach obtained high performance in solving the presented problem. |
Palabras clave : | Internet das coisas Sensores sem fio Classificador fuzzy auto-organizável inal de radio frequência Internet of things Wireless sensor Self organising fuzzy logic Radio frequency signal |
CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
Idioma: | por |
País: | Brasil |
Editorial : | Universidade Federal de Juiz de Fora (UFJF) |
Sigla de la Instituición: | UFJF |
Departamento: | Faculdade de Engenharia |
Programa: | Programa de Pós-graduação em Engenharia Elétrica |
Clase de Acesso: | Acesso Aberto Attribution 3.0 Brazil |
Licenças Creative Commons: | http://creativecommons.org/licenses/by/3.0/br/ |
URI : | https://repositorio.ufjf.br/jspui/handle/ufjf/11736 |
Fecha de publicación : | 18-dic-2019 |
Aparece en las colecciones: | Mestrado em Engenharia Elétrica (Dissertações) |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons