Modelo de validación de integración de optimización organizada para aplicaciones en tiempo real basadas en Internet de las cosas (IoT)
Autores: Alghuried, Abdullah; Alghuson, Moahd Khaled; Alahmari, Turki S.; Abuhasel, Khaled Ali
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Modelo de validación de integración de optimización organizada para aplicaciones en tiempo real basadas en Internet de las cosas (IoT)
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Internet de las cosas
Aplicaciones en tiempo real
Arquitectura de IoT
Gestión de recursos
Minimización de la complejidad
Agrupamiento k-means
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 35
Citaciones: Sin citaciones
La tecnología emergente como el Internet de las cosas (IoT) tiene un gran potencial para su uso en tiempo real en muchas áreas, incluyendo la salud, la agricultura, la logística, la fabricación y la vigilancia ambiental. Muchos obstáculos existen junto con las aplicaciones y servicios más populares de IoT. La calidad de la representación, modelado y proyección de recursos se mejora a través de dispositivos/interfaces interactivos cuando el IoT se integra con aplicaciones en tiempo real. La arquitectura se ha convertido en el obstáculo más significativo debido a la ausencia de estándares para la tecnología IoT. Las consideraciones esenciales al construir la arquitectura de IoT incluyen la seguridad, capacidad, privacidad, procesamiento de datos, variación y gestión de recursos. La minimización de niveles altos de complejidad requiere persecuciones activas de aplicaciones con tiempos de ejecución variables y demandas de gestión de recursos. Este artículo introduce el Modelo de Validación de Integración de Optimización Organizada (O2IVM) para abordar estos problemas. Este modelo explota el agrupamiento k-means para identificar complejidades sobre diferentes integraciones de aplicaciones de IoT. Los niveles de servicio armonizados se agrupan como una sola entidad para evitar demandas adicionales de complejidad. En este agrupamiento, los centroides evitan retrasos de validación debido a clasificaciones no optimizadas. Los casos de integración organizada se gestionan utilizando el conocimiento de desviación de centroides para reducir retrasos de complejidad. Este agrupamiento equilibra niveles de integración, procesamiento no complejo e integraciones rezagadas en el tiempo de diferentes niveles en tiempo real. Por lo tanto, el clúster se disuelve y se reforma para futuras mejoras en los niveles de integración. Las integraciones volátiles (no agrupadas) se utilizan en los cambios de centroides consecutivos para el aprendizaje. El rendimiento del modelo propuesto se valida utilizando métricas de tiempo de ejecución, complejidad y retraso de tiempo.
Descripción
La tecnología emergente como el Internet de las cosas (IoT) tiene un gran potencial para su uso en tiempo real en muchas áreas, incluyendo la salud, la agricultura, la logística, la fabricación y la vigilancia ambiental. Muchos obstáculos existen junto con las aplicaciones y servicios más populares de IoT. La calidad de la representación, modelado y proyección de recursos se mejora a través de dispositivos/interfaces interactivos cuando el IoT se integra con aplicaciones en tiempo real. La arquitectura se ha convertido en el obstáculo más significativo debido a la ausencia de estándares para la tecnología IoT. Las consideraciones esenciales al construir la arquitectura de IoT incluyen la seguridad, capacidad, privacidad, procesamiento de datos, variación y gestión de recursos. La minimización de niveles altos de complejidad requiere persecuciones activas de aplicaciones con tiempos de ejecución variables y demandas de gestión de recursos. Este artículo introduce el Modelo de Validación de Integración de Optimización Organizada (O2IVM) para abordar estos problemas. Este modelo explota el agrupamiento k-means para identificar complejidades sobre diferentes integraciones de aplicaciones de IoT. Los niveles de servicio armonizados se agrupan como una sola entidad para evitar demandas adicionales de complejidad. En este agrupamiento, los centroides evitan retrasos de validación debido a clasificaciones no optimizadas. Los casos de integración organizada se gestionan utilizando el conocimiento de desviación de centroides para reducir retrasos de complejidad. Este agrupamiento equilibra niveles de integración, procesamiento no complejo e integraciones rezagadas en el tiempo de diferentes niveles en tiempo real. Por lo tanto, el clúster se disuelve y se reforma para futuras mejoras en los niveles de integración. Las integraciones volátiles (no agrupadas) se utilizan en los cambios de centroides consecutivos para el aprendizaje. El rendimiento del modelo propuesto se valida utilizando métricas de tiempo de ejecución, complejidad y retraso de tiempo.