グリーンIoTにおけるデータストリームのための動的増分アンサンブルファジィ分類器

グリーンIoT環境におけるデータストリームの迅速で動的かつ連続的な到着により、データストリームの確率分布は時間とともに変化します。無人航空機（UAV）検出やスマートライトスイッチ制御などの実際のIoTシナリオにおいて、データ分布の変化はデータストリームの問題分類における訓練済みモデルの精度を低下させ、UAV侵入者の検出やスマートビル内の省エネルギーランプがオンまたはオフであるかを予測するのが難しくなります。本論文では、グリーンIoTの予測精度を向上させるための増分アンサンブル分類手法が提案されます。具体的には、ファジィルールベースの分類器が動的重み付けアルゴリズムと組み合わされ、分類精度を向上させます。さらに、モデルはデータストリームの特性を増分的に学習することによって更新され、データストリーム内のデータ分布の変化による概念の漂流を効果的に処理できます。UAV侵入検出、スマートビル、およびその他のデータセットの実験評価は、提案するアプローチがUAV検出および占有データセットにおいて既存の手法よりも2%高い曲線下面積（AUC）と幾何平均（G-mean）をもたらし、5つのベンチマークデータセットでは5%高いAUCとG-meanを示すことを示しています。すべてのデータセットに対して、提案するアプローチは他の手法に比べて平均50%高速な訓練時間を実現します。