دانلود ترجمه مقاله داده کاوی و تکنیک های ترکیب برای WSNs به عنوان یک منبع داده بزرگ

1. مقدمه 2. منابع داده های بزرگ و انواع دیتا 3. شبکه های حسگر بیسیم 4. داده های حسگر 5. نتیجه گیری ها

یک شبکه حسگر بیسیم (WSN)، یک شبکه بیسیم است که از شمار زیادی از گره ها تشکیل میشود که به طور متراکمی یا بسیار نزدیک به یک پدیده (مثلا دریافت رطوبت، آلودگی، نظارت پل و غیره) یا داخل آن گسترش می یابد. بیشتر داده های ایجاد شده از WSNs در اصل داده های در حال جریان هستند که یا سنجش ها یا رویدادهایی را که بر روی بازه های زمانی روی می دهند، نشان میدهند. در برخی کاربردها، این جریان داده ادامه دارد و به سرعتهای بالا دست می یابد. در نتیجه، ضرورت برای تکنیک ها، پایگاه و ابزارهایی جدید برای بررسی این داده های حسی حجم بالا ایجاد میشود که واقعا دارای ساخت یا بی ساخت هستند. با این باور که افزایش استفاده از WSNs در کاربردهای مختلف وجود دارد، انتظار میرود داده های حسی هم چنین به طور نمایی افزایش یابند. این بدین معنی است تکنیک های پردازش داده استانداردها ممکن نیست برای چنین موقعیتهای قابل کاربرد باشند. بنابراین برای بررسی داده های جاری مورد انتظار با حجم و سرعت زیاد در طول مشخصات محاسبات توزیع شده ی WSN، نمونه ی داده های بزرگ، راه حل مناسبی برای استخراج، تحلیل، تجسم، اشتراگ گذاری، ذخیره سازی و انتقال این داده است. داده های بزرگ از اشکال مقرون به صرفه و ابتکاری است که برای توصیف رشد نمایی و دسترسی داده های دارای ساخت و بی ساخت برای ارتقاء فرایندهای تصمیم گیری است. شماری از مشخصات وجود دارند که داده های بزرگ را از سیستم های مدیریت پایگاه داده ای رابطه ای سنتی RDBMS، متمایز میسازد. این مشخصات میتواند در شش توصیفگر اصلی موسوم به 6Vها وجود داشته باشد.

AWireless Sensor Network (WSN) is a wireless network which consists of a large number of nodes (small sensors) densely deployed either very close to a phenomenon (e.g. sensing humidity, pollution, monitoring bridge, etc.) or inside it. Most of the data, generated from the WSNs, are originally streaming data that represents either measurements or events happening over intervals of time. In some applications, this stream of data are continues and arrives at high speeds. This, consequently, has emerged the necessity to new techniques, platform, and tools to deal with this huge amount sensory data which is usually structured or unstructured. With the belief that the increase of using WSNs in different applications, it is expected that the sensory data will also exponentially increase. This means that the standards data processing techniques may not be applicable for such situations. Therefore, to deal with the expected streamed data with high-volume and high-velocity along with the distributed computing characteristics of the WSN, the Big Data paradigm is the suitable solution for extracting, analyzing, visualizing, sharing, storing, and transferring this data. The Big data is a cost-effective, and innovative forms used to describe the exponential growth and availability of structured and unstructured data for enhancing the processes of decision making1. There are a number of characteristics that distinguish the big data from traditional relational database management systems RDBMS. These characteristics can lies into six main descriptors called the 6V’s.