Data Mining Techniques in Sensor Networks
53,49 €*
Nach dem Kauf zum Download bereit Ein Downloadlink ist wenige Minuten nach dem Kauf im eigenen Benutzerprofil verfügbar.
ISBN/EAN:
9781447154549
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.
| Autor: | Annalisa Appice, Anna Ciampi, Fabio Fumarola, Donato Malerba |
|---|---|
| EAN: | 9781447154549 |
| eBook Format: | |
| Sprache: | Englisch |
| Produktart: | eBook |
| Veröffentlichungsdatum: | 12.09.2013 |
| Untertitel: | Summarization, Interpolation and Surveillance |
| Kategorie: | |
| Schlagworte: | Anomaly Detection Clustering Data Mining Interpolation Sensor Data Spatio-Temporal Data Mining Stream Data Management Summarization Trend Discovery |
Anmelden
Möchten Sie lieber vor Ort einkaufen?
Haben Sie weiterführende Fragen zu diesem Buch oder anderen Produkten? Oder möchten Sie einfach doch lieber in der Buchhandlung stöbern? Wir sind gern persönlich für Sie da und beraten Sie auch telefonisch.
Bergische Buchhandlung R. Schmitz
Wetterauer Str. 6
42897 Remscheid-Lennep
Telefon: 02191/668255
Mo – Fr10:00 – 18:00 UhrSa09:00 – 13:00 Uhr