Συντάχθηκε 07-11-2011 10:50
από Eleni Stamataki
Email συντάκτη: estamataki<στο>tuc.gr
Ενημερώθηκε:
-
Ιδιότητα: σύνταξη/αποχώρηση υπάλληλος.
Τμήμα Ηλεκτρονικών Μηχανικών & Μηχανικών Υπολογιστών
ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ
ΔΙΟΝΥΣΙΟΣ ΚΑΛΟΓΗΡΟΠΟΥΛΟΣ
με θέμα
“Εντοπισμός εξεχουσών τιμών με χρήση τοπικά ευαίσθητου κατακερματισμού σε ιεραρχικές τοπολογίες”
“Outlier detection in hierarchical topologies using Locality-Sensitive Hashing(LSH)”
Τρίτη 8 Νοεμβρίου 2011, 2μμ
Αίθουσα 137.Π39, Κτίριο Επιστημών, Πολυτεχνειούπολη
Εξεταστική Επιτροπή
Επ. Καθ. Αντώνιος Δεληγιαννάκης (επιβλέπων)
Καθ. Μίνως Γαροφαλάκης
Επ. Καθ. Βασίλειος Σαμολαδάς
Περίληψη
Τα ασύρματα δίκτυα αισθητήρων τη σημερινή εποχή χρησιμοποιούνται ευρέως και είναι μία περιοχή συνεχώς αναπτυσσόμενη. Επειδή αντιμετωπίζουν θέματα χαμηλής κατανάλωσης ενέργειας και ασύρματης δικτύωσης μεταξύ τους είναι σημαντική η εύρυθμη λειτουργία τους και η αξιοπιστία των αποτελεσμάτων τους. Στόχος της εργασίας αυτής είναι η εύρεση των ακραίων μετρήσεων του δικτύου χρησιμοποιώντας το σχήμα LSH σε κάθε αισθητήρα. Οι εύρεση ακραίων μετρήσεων σένα ασύρματο δίκτυο αισθητήρων είναι σημαντική και έχει ως στόχο την παρατήρηση κάποιου ενδιαφέροντου γεγονότος στο δίκτυο ή την εύρεση κάποιου χαλασμένου αισθητήρα διατηρώντας χαμηλή τη κατανάλωση ενέργειας του δικτύου και την εύρυθμη λειτουργία του.
Το ασύρματο δίκτυο αισθητήρων στη τεχνική μας φτιάχνει ένα τοπολογικό δέντρο εξαρτώμενο από την απόσταση μεταξύ τους. Το σχήμα LSH που χρησιμοποιείται βασίζεται στη πιθανολογική μείωση των δεδομένων και αυτό χρησιμεύει σε δεδομένα με μεγάλη διαστατικότητα όπως είναι και το πρόβλημα μας. Το σχήμα αυτό βοηθάει στη γρήγορη αναζήτηση των κοντινών γειτονικών μετρήσεων στο ιστορικό ενός κόμβου και μέσω ενός κατωφλίου που ορίζεται βρίσκονται οι μετρήσεις που θεωρούνται ακραίες για τον αισθητήρα, στέλνοντας στη συνέχεια αυτή τη μέτρηση στο υπόλοιπο δίκτυο. Επίσης στο δίκτυο στέλνεται και ένα μικρό ποσοστό μετρήσεων από κάθε αισθητήρα για να κρατούνται ενήμεροι οι υπόλοιποι αισθητήρες για τα γεγονότα που μπορούν να συμβαίνουν σε άλλα μέρη του δικτύου και ειδικότερα κοντά(τοπολογικά).
Η τεχνική μας με το LSH συγκρίνεται με άλλες δύο τεχνικές που υλοποιήσαμε την άπληστη και τη κεντρικοποιημένη. Οι ποσότητες σύγκρισης είναι η αξιοπιστία, η κατανάλωση ενέργειας και ο χρόνος.
Abstract [προαιρετικά]
Wireless sensor networks are nowadays widely used and form a rapidly growing area of research. Faced with issues of low power consumption and wireless networking, proper operation and reliability of their results are very important. The goal of this work is to find the outliers of a network using the LSH scheme in each sensor. The identification of the extreme measurements in a wireless sensor network is important and its target is to observe some interesting events in the network or to find a damaged sensor, while maintaining low power consumption and proper operation of the network.
In our work, the wireless sensor network creates a topological tree, which is dependent on the distance between the sensors. The LSH scheme used is based on probabilistic data reduction, which is useful for data with high dimensionality as in our problem. This scheme helps to quickly search the neighboring measurements on the history of a node. Through a defined threshold, the measurements which are considered extreme for the sensor can be found and transmitted to the rest of the network. Also a small percentage of measurements from each sensor is sent to the network, so that the rest of the sensors can be kept informed about events that may occur in other parts of the network, especially nearby (topologically).
Our LSH scheme is compared with two other schemes that we implemented, the greedy and the centralized scheme. Reliability, energy consumption and time are our quantities of comparison.
Συνημμένα:
-
ΑΝΑΚΟΙΝΩΣΗ ΚΑΛΟΓΗΡΟΠΟΥΛΟΥ.docx
Μεταφορτώσεις: 373,
Μέγεθος: 28 KB application/vnd.openxmlformats-officedocument.wordprocessingml.document
