
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Oliveira, Luiz Eduardo Soares de, 1971- | - |
| Autor(es): dc.contributor | Universidade Federal do Paraná. Setor de Ciências Exatas. Curso de Especialização em Data Science & Big Data | - |
| Autor(es): dc.creator | Assunção, Arcson de Melo | - |
| Data de aceite: dc.date.accessioned | 2025-09-01T11:22:54Z | - |
| Data de disponibilização: dc.date.available | 2025-09-01T11:22:54Z | - |
| Data de envio: dc.date.issued | 2021-07-20 | - |
| Data de envio: dc.date.issued | 2021-07-20 | - |
| Data de envio: dc.date.issued | 2019 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/1884/71421 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/1884/71421 | - |
| Descrição: dc.description | Orientador : Luiz Eduardo Soares de Oliveira | - |
| Descrição: dc.description | Monografia (especialização) - Universidade Federal do Paraná, Setor de Ciências Exatas, Curso de Especialização em Data Science & Big Data. | - |
| Descrição: dc.description | Inclui referências; p. 09-10. | - |
| Descrição: dc.description | Resumo : Atualmente existem bilhões de dispositivos que para funcionarem dependem das redes das operadoras de telefonia móvel, tais como telefones celulares, rastreadores, sistemas de monitoramento eletrônico, redes elétricas inteligentes, fazendas inteligentes, meios de pagamento e muitos outros. Esse artigo tem o objetivo de apresentar uma nova metodologia para auxiliar na escolha da melhor operadora, afim de que os sistemas que dependem desse tipo de comunicação, mitiguem problemas, e se mantenham o máximo de tempo possível conectados e em funcionamento. Foram propostos dois modelos e realizada uma comparação entre eles. Ambos utilizam um classificador kNN, um considerando somente as medidas georreferenciadas e a identificação da operadora e outro acrescentando um fator de penalidade considerando a intensidade do sinal. Após a realização de 50 mil experimentos, 25 mil com cada modelo, obtivemos o resultado de 89,0% para o modelo penalizado, e 89,4% para o modelo sem a penalização. O que nos leva a conclusão de que o nível de sinal não é um fator preponderante na escolha da melhor operadora. | - |
| Descrição: dc.description | Abstract : Today there are billions of devices that work depending on the networks of mobile operators, such as cell phones, trackers, electronic monitoring systems, smart grids, smart farms, payment systems and many others. This article aims to present a new methodology to assist in choosing the best operator, in order that systems that depend on this type of communication, mitigate problems, and stay connected as long as possible and in operation. Two models were proposed and a comparison was made between them. Both use a kNN classifier, one considering only the georeferenced measures and operator identification and the other adding a penalty factor considering the signal strength. After performing 50 thousand experiments, 25 thousand with each model, we obtained the result of 89.0% for the penalized model, and 89.4% for the model without the penalty. Which leads us to the conclusion that the signal level is not a major factor in choosing the best operator. | - |
| Formato: dc.format | 1 arquivo (10 p.) : il., algumas color. | - |
| Formato: dc.format | application/pdf | - |
| Formato: dc.format | application/pdf | - |
| Palavras-chave: dc.subject | Internet das coisas | - |
| Palavras-chave: dc.subject | Sistemas de telefonia celular | - |
| Palavras-chave: dc.subject | Interconexão de redes (Telecomunicações) | - |
| Título: dc.title | kNN para seleção de Operadora Móvel Celular | - |
| Aparece nas coleções: | Repositório Institucional - Rede Paraná Acervo | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: