حفظ اثر بخشی داده ها در کاهش داده های حجیم اینترنت اشیاء مبتنی بر رویکرد خوشه بندی

امروزه در دنیای تکنولوژی و فناوری اطلاعات هر روزه شاهد پیشرفت اینترنت اشیاء می باشیم، مشخصا به علت تعدد بالای اجزای تشکیل دهنده یک شبکه اینترنت اشیاء، داده های تولید شده در شبکه های مذبور دارای حجم بالایی خواهند بود؛ یکی از چالش های مهم در حوزه مطالعاتی اینترنت اشیاء مربوط به حجم بالای داده های تولید شده می باشد. در همین زمینه تا کنون روش های زیادی جهت تجزیه و تحلیل و طبقه بندی داده ها و اطلاعات در اینترنت اشیاء ارائه شده است که یکی از مهمترین تکنیک های مورد استفاده در این حوزه مطالعاتی استفاده از روش های خوشه بندی است. روش خوشه بندی فازی علیرغم نتایج مناسب در طبقه بندی داده ها، نسبت به مقادیر اولیه مراکز خوشه ها حساس می باشد و همین امر ممکن است باعث نامطلوب شدن نتایج خوشه بندی گردد. در این تحقیق با ترکیب الگوریتم خوشه بندی فازی و الگوریتم رقابت استعماری توانستیم علاوه برکاهش داده، اثر بخشی داده ها را نیز حفظ کنیم و خوشه بندی دقیق تری ارایه دهیم.

کلیدواژه ها:

اینترنت اشیاء ، داده های انبوه ، خوشه بندی