Data Mining Techniques in Sensor Networks: Summarization, Interpolation and Surveillance

شبکه‌های حسگر شامل تعدادی حسگر نصب شده در یک شبکه توزیع‌شده مکانی هستند که اطلاعات را جمع‌آوری می‌کنند و به صورت دوره‌ای یک سرور مرکزی را با داده‌های اندازه‌گیری شده تغذیه می‌کنند. سرور داده ها را نظارت می کند، آلارم های احتمالی را صادر می کند و جمع های سریع را محاسبه می کند. از آنجایی که درخواست های تجزیه و تحلیل داده ها ممکن است مربوط به داده های فعلی و گذشته باشد، سرور مجبور است کل جریان را ذخیره کند. اما ظرفیت ذخیره سازی محدود یک سرور ممکن است میزان داده های ذخیره شده روی دیسک را کاهش دهد. یک راه حل این است که خلاصه‌ای از داده‌ها را هنگام رسیدن محاسبه کنیم و از این خلاصه‌ها برای درون‌یابی داده‌های واقعی استفاده کنیم. این کار یک الگوی مکانی-زمانی اخیراً تعریف شده به نام خوشه روند را برای خلاصه کردن، درون یابی و شناسایی ناهنجاری ها در یک شبکه حسگر معرفی می کند. به عنوان مثال، کاربرد کشف خوشه روند برای نظارت بر کارایی نیروگاه های فتوولتائیک مورد بحث قرار می گیرد. کار با اظهاراتی در مورد احتمالات جدید برای نظارت که با پیشرفت‌های اخیر در فناوری سنجش فعال شده است، پایان می‌یابد.

Sensor networks comprise of a number of sensors installed across a spatially distributed network, which gather information and periodically feed a central server with the measured data. The server monitors the data, issues possible alarms and computes fast aggregates. As data analysis requests may concern both present and past data, the server is forced to store the entire stream. But the limited storage capacity of a server may reduce the amount of data stored on the disk. One solution is to compute summaries of the data as it arrives, and to use these summaries to interpolate the real data. This work introduces a recently defined spatio-temporal pattern, called trend cluster, to summarize, interpolate and identify anomalies in a sensor network. As an example, the application of trend cluster discovery to monitor the efficiency of photovoltaic power plants is discussed. The work closes with remarks on new possibilities for surveillance enabled by recent developments in sensing technology.