Data Stream Mining Approaches in Intelligent Transportation Systems and Precision Agriculture
Approches d'exploration des flux de données dans les systèmes de transport intelligents et l'agriculture de précision
Résumé
The thesis aim is to investigate the techniques used in analysis of IoT data with a focus on anomaly detection in data streams and driver behaviour analysis. The main application areas are Intelligent transportation systems and precision farming. To investigate how other researchers have utilized machine learning in anomaly detection with a special focus on ensemble learning. To develop a machine learning model that will optimize detection and classification of anomalies. Finally to test and evaluate the proposed machine learning model.
L'objectif de la thèse est d'étudier les techniques utilisées dans l'analyse des données IoT en mettant l'accent sur la détection des anomalies dans les flux de données et l'analyse du comportement des conducteurs. Les principaux domaines d'application sont les systèmes de transport intelligents et l'agriculture de précision. Étudier comment d'autres chercheurs ont utilisé l'apprentissage automatique dans la détection des anomalies, en mettant l'accent sur l'apprentissage d'ensemble. Développer un modèle d'apprentissage automatique qui optimisera la détection et la classification des anomalies. Enfin, tester et évaluer le modèle d'apprentissage automatique proposé.