پروپوزال ارائه یک روش مبتنی بر هستان شناسی (آنتولوژی) جهت بهبود فرآیند خوشه بندی در جریان داده ها

خوشه بندي یک مسئله دشوار در زمينه ي جريان داده به شمار مي رود. مسير جريان هاي داده شامل تعداد عظيمي از نمونه های وابسته به زمان و موقعيت حرکت اشيا هستند که به دست آوردن اطلاعاتي از اين نوع خاص داده در بسياري از سناريوهاي کاربردي مانند وسايل نقليه، مديريت ترافيک، رد يابي مديريت ترافيک در مقياس بزرگ، مديريت و نظارت ويديويي بسيار مفيد است  (Yanwei Yu, 2013). اخيرا پيشرفت های زیادی در زمینه GPS گوشي هاي هوشمند و ساير وسايل الکترونيکي به منظور سرعت جمع آوري منظم کردن اشيا در حال حرکت صورت گرفته که این مسئله را تسهیل بخشیده است. در اين کاربردهاي زمان واقعي، موقعيت داده گروهي از اشيا در حال حرکت در شکلي از جريان هاي مسير دريافت مي شود (Azedine Boulmakoul, 2012).

براي اين حجم زياد از داده، نحوه به دست آوردن اطلاعات مفيد از مسيرهاي جريان بسيار مهم شده است. بنابراين بهره برداري از سير جريان داده افزايشي، توجه محققین زيادي را به خود جلب کرده است؛ چرا که يک مسير توصيفي از جنبش فيزيکي اجسام در حال حرکت و در حال تغيير در طول زمان بوجود می آید. خوشه بندي جريان، گروه هايي از جريان هاي اشيا در حال حرکت هستند که براي نشان دادن همبستگي نشان داده می شود که کاربردهاي همچون مديريت در وسايل نقليه ترافيک، مديريت منطقي، الگوريتم هاي شناسايي و آناليز رفتاري را دارا می باشند  (Yanwei Yu, 2013). از جمله مهمترین کاربرد خوشه بندي جريان داده، جلوگيري از وقوع حوادث غير عادي در يک سيستم امنيتي بزرگ است.

بنابراین در این پژوهش، محقق سعی بر این دارد که یک مدل کارآمد را مبتنی بر خوشه بندی جریان داده ها با کمک آنتولوژی ارائه نموده تا بتوان با کشف الگوهای پنهان در داده های جریانی از اشیاء در زمان واقعی، کارایی سیستم های امنیتی در سازمانهای بزرگ را افزایش داده و در نهایت از وقوع حوادث غیره قابل پیش بینی جلوگیری به عمل آید. امید است نتایج این پژوهش در توسعه پیشرفت های آتی موثر واقع شود.

برخی از مهمترین اهداف این پژوهش عبارتند از:

- ارائه يک مدل ترکیبی جهت بهره برداري از مسيرهاي داده به جهت پاسخ به طيف گسترده اي از پرس و جوهاي پيچيده

- بهبود خوشه بندی جریان داده متحرک نسبت به جریان داده های استاتیک با کمک آنتولوژ