Multiclassificador para a detecção de Outliers em dados gerados por sensores de monitoramento ambiental
Resumo
No contexto de Internet das Coisas (IoT - Internet of Things), uma das aplicações são
cidades inteligentes, nas quais a tecnologia é empregada de modo a melhorar a qualidade de
vida dos seus cidadãos. Neste cenário, existe uma intensa geração de dados a partir de senso res, os quais fornecem informações importantes sobre o seu entorno e podem ser utilizados na
tomada de decisões. Porém, também emergem novos desafios, tais como a presença de outliers,
isto é, valores que se diferenciam drasticamente dos outros do mesmo conjunto de dados, o que
pode implicar em interpretações equivocadas. Em vista disto, o presente trabalho apresenta a
construção de um algoritmo multiclassificador para detecção de outliers em dados obtidos de
três sensores IoT de monitoramento ambiental. O multiclassificador é composto pela resposta
de três técnicas, sendo duas delas estatísticas (Zscore e Zscore Modificado) e uma de clusteriza-
ção (K-Means). Os métodos são avaliados e comparados por meio das métricas de desempenho
de sensibilidade, precisão, especificidade e acurácia. Constata-se que o Zscore e Zscore Mo dificado exibem melhor desempenho em identificar anormalidades nos dados de distribuição
unimodal, enquanto que K-Means possui maior eficiência nos dados de distribuição bimodal.
Portanto, ao reunir as respostas no multiclassificador, as mesmas se complementam, obtendo-se
um sistema de detecção de outliers mais robusto, com melhores métricas de desempenho.
Coleções
- TCC Engenharia Elétrica [174]
Os arquivos de licença a seguir estão associados a este item: