چکیده فارسی :

در سال های اخیر مدیریت و پردازش داده برای شبکه های حسگر بیسیم (WSNها) به موضوع تحقیقات فعال در زمینه های متعدد دانش کامپیوتری بدل شده که از آن جمله می توان به سیستم های توزیع یافته، سیستم های پایگاه داده ها و استخراج داده اشاره نمود. هدف اصلی بکارگیری کاربردهای مبتنی بر WSN اتخاذ تصمیمات بلادرنگ است که به علت محاسبات محدود به لحاظ منابع، قابلیت های ارتباطاتی و حجم وسیع داده های به سرعت در حال تغییر ناشی ازWSN بسیار چالش برانگیز می باشد. چنین  چالش هایی موجب تشویق جامعه تحقیقاتی در بهره گیری از فنون جدید استخراج داده ها در رابطه با استخراج دانش از داده های ورودی مستمر از WSNها می شود. فنون سنتی استخراج داده ها مستقیماً در WSNها قابل بکارگیری نیستند که به علت ماهیت داده های حسگری آنها، ویژگیهای خاص شان و نیز محدودیت های WSNها می باشد. در این تحقیق به مرور چگونگی بازبینی الگوریتم های مرسوم استخراج داده ها و بهسازی آنها برای دست یافتن به عملکرد بهینه در یک محیط شبکه حسگر بیسیم می پردازیم. بررسی همه جانبه فنون موجود استخراج داده ها و طرح طبقه بندی چندسطحی آنها نیز ارائه شده است. این رده بندی همراه با جداول قیاسی به عنوان دستورالعملی برای انتخاب یک تکنیک مناسب جهت تمامی کاربردهای موجود بکار می رود. بسته به محدودیت فنون موجود، یک چارچوب سازگاری استخراج داده های WSNها برای تحقیقات آتی پیشنهاد شده است.

چکیده انگلیسی :

Recently, data management and processing for wireless sensor networks (WSNs) has become a topic of active research in several fields of computer science, such as the distributed systems, the database systems, and the data mining. The main aim of deploying the WSNs-based applications is to make the real-time decision which has been proved to be very challenging due to the highly resource constrained computing, communicating capacities, and huge volume of fast-changed data generated by WSNs. This challenge motivates the research community to explore novel data mining techniques dealing with extracting knowledge from large continuous arriving data from WSNs. Traditional data mining techniques are not directly applicable to WSNs due to the nature of sensor data, their special characteristics, and limitations of theWSNs.This work provides an overview of how traditional data mining algorithms are revised and improved to achieve good performance in a wireless sensor network environment. A  comprehensive survey of existing data mining techniques and their multilevel classification scheme is presented. The taxonomy together with the comparative tables can be used as a guideline to select a technique suitable for the application at hand. Based on the limitations of the existing technique, an adaptive data mining framework ofWSNs for future research is proposed.