Caracterização e predição de perfis de comportamento de usuários em uma rede sem fio de grande escala utilizando aprendizado de máquina

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorMattos, Diogo Menezes Ferrazani-
Autor(es): dc.contributorMedeiros, Dianne Scherly Varela de-
Autor(es): dc.contributorFerreira, Tadeu Nagashima-
Autor(es): dc.creatorRoza, Andreane Spano da-
Data de aceite: dc.date.accessioned2024-07-11T18:18:43Z-
Data de disponibilização: dc.date.available2024-07-11T18:18:43Z-
Data de envio: dc.date.issued2020-12-09-
Data de envio: dc.date.issued2020-12-09-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/16296-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/768012-
Descrição: dc.descriptionEste trabalho propõe um método de tratamento de dados e aplicação de aprendizado de máquinas em uma base de dados gerada a partir da rede sem fio da Universidade Federal Fluminense, com o objetivo de extrair informações relevantes para o desenvolvimento e gerenciamento de redes. Aplicando métodos de tratamento de dados, com o propósito de sintetizar e compactar os dados, a base é remodelada para torná-la mais qualificada para os processos de aprendizagem de máquina. É aplicado um processo de clusterização de dados de forma não-supervisionada, utilizando o algoritmo K-means, é realizada a definição dos perfis dos usuários na rede. A partir da definição desses perfis, é desenvolvida uma aplicação de cadeias de Markov com o intuito predizer os comportamentos futuros dos usuários e, assim, antecipar as demandas da rede. Como resultado são identificados 3 perfis diferentes de tráfego que um usuário pode assumir durante a utilização da rede. O método que utiliza cadeias de Markov prediz os comportamentos dos usuários com uma acurácia de até 81,3%-
Descrição: dc.descriptionIn this work, we propose a method of data treatment and application of machine learning in a database generated from the wireless network of Universidade Federal Fluminense to extract relevant information for the development and management of networks. We remodel our database to qualify it for machine learning processes, synthesize, and compact the data. We perform an unsupervised data clustering process using the K-means algorithm, which results in user profiles on the network. From the definition of profiles, we develop an application based on Markov chains to predict users’ future behavior and anticipate the network’s demands. As a result, we identify three different traffic profiles that a user assumes while using the network. The application based on Markov chains predicts user behavior with up to 81,3% accuracy-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal Fluminense-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectPerfis de uso-
Palavras-chave: dc.subjectRedes-
Palavras-chave: dc.subjectPrevisão de comportamento-
Palavras-chave: dc.subjectAprendizado de máquina-
Palavras-chave: dc.subjectPerfil do usuário-
Palavras-chave: dc.subjectRede sem fio-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectUsage profiles-
Palavras-chave: dc.subjectNetwork-
Palavras-chave: dc.subjectPredict behavior-
Título: dc.titleCaracterização e predição de perfis de comportamento de usuários em uma rede sem fio de grande escala utilizando aprendizado de máquina-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.