تشخيص فعاليت با تكيه بر كاهش حافظه در خانه هاي هوشمند مبتني بر كلان داده

وسيله هاي هوشمند در دسته اي كلي به نام اينترنت اشياء قرار مي گيرند كه در حال ارتباط با يكديگر هستند. اينترنت اشياء در واقع به ارتباط اشياي مختلف از طريق اينترنت و برقراري ارتباط آن ها با يكديگر گفته مي شود، كه هدف آن فراهم كردن تجربه كاراتر و هوشمندتراست. خانه هوشمند اصطلاحي است كه به خانه‌هاي مدرن اشاره دارد كه لوازم , نورپردازي و يا وسايل الكترونيكي دارند كه مي‌توانند از راه دور توسط مالك كنترل شوند . دستگاه‌هاي هوشمند خانه هوشمند نيز مي‌توانند در ارتباط با ساير دستگاه‌ها در خانه عمل كنند و اطلاعات را به ديگر دستگاه‌هاي هوشمند از طريق اينترنت اشيا منتقل كنند. از اين رو در خانه هاي هوشمند كلان داده در بهبود روش هاي داده محور در تشخيص فعاليت هاي انجام شده نقش مهمي دارند. برخورد با حافظه و محدوديت‌هاي زماني، در هنگام يادگيري از جريان داده‌ها با حجم بسيار زيادي از داده‌ها، چالش‌هاي كنوني هستند. بسياري از الگوريتم‌ها براي كنترل اين مشكلات پيشنهاد شده‌اند، كه در بين آن‌ها الگوريتم بسيار سريع درخت تصميم‌گيري است. براي كاهش هزينه حافظه، با نگه داشتن عملكرد پيش‌بيني‌كننده، +VFDT را پيشنهاد مي‌كنيم كه يك الگوريتم جديد براساس VFDT است. الگوريتم +VFDT رشد درخت غير ضروري را كاهش مي‌دهد، به طور قابل‌توجهي استفاده از حافظه را كاهش داده و عملكرد پيشگويانه رقابتي را حفظ مي‌كند. علاوه بر اين، از آنجايي كه بيش از VFDT درخت سطحي ايجاد مي‌كند، +VFDT مي‌تواند به زمان پردازش بهتري دست يابد.