Grouper les Capteurs Similaires Grace à leurs Données dans le Contexte de Massive IoT - Irisa Access content directly
Conference Papers Year : 2024

Grouper les Capteurs Similaires Grace à leurs Données dans le Contexte de Massive IoT

Abstract

L'expansion de l'Internet des objets, conjointement à la réduction du coût des appareils connectés, a permis le déploiement massif de capteurs. Puisque les capteurs sont présents en grande quantité, ils fournissent souvent des données similaires en raison de leur proximité. Dans cet article, nous cherchons à identifier de telles similitudes entre les capteurs en fonction de leurs données renvoyées, en constituant des groupes de capteurs similaires. Nous considérons un scénario générique où les capteurs sont déployés à différents moments et existent dans l'environnement pour une durée limitée, transmettant des données bruitées et irrégulières au fil du temps, sans synchronisation entre eux. Pour résoudre ce problème, nous introduisons une métrique de distance basée sur des interpolations et une solution de regroupement hiérarchique. À travers des simulations, nous démontrons la supériorité de notre méthode par rapport aux propositions de la littérature.
Fichier principal
Vignette du fichier
Grouping_Similar_Sensors_Based_on_their_Sent_Data-6.pdf (166.41 Ko) Télécharger le fichier
Origin : Files produced by the author(s)

Dates and versions

hal-04549902 , version 1 (17-04-2024)

Identifiers

  • HAL Id : hal-04549902 , version 1

Cite

Gwen Maudet, Mireille Batton-Hubert, Patrick Maillé, Laurent Toutain. Grouper les Capteurs Similaires Grace à leurs Données dans le Contexte de Massive IoT. AlgoTel 2024 – 26èmes Rencontres Francophones sur les Aspects Algorithmiques des Télécommunications, May 2024, Saint-Briac-sur-Mer, France. ⟨hal-04549902⟩
0 View
0 Download

Share

Gmail Facebook X LinkedIn More