센서 데이터 품질: 체계적 리뷰

초록 센서 데이터 품질은 데이터 품질이 좋지 않으면 쓸모없기 때문에 사물인터넷(IoT) 응용 프로그램에서 중요한 역할을 합니다. 이 체계적 리뷰는 물리적 센서 데이터의 품질 관련 문제에 관심이 있는 연구자들을 위한 소개와 가이드를 제공하는 것을 목표로 합니다. 체계적 리뷰의 과정과 결과는 다음과 같은 연구 질문에 답하기 위해 제시됩니다: 물리적 센서 데이터 오류의 다양한 유형은 무엇인가, 이러한 오류를 어떻게 정량화하거나 감지하는가, 오류를 어떻게 수정하는가, 그리고 해결책은 어떤 분야에 있는가. 주제 모델링을 통해 세 가지 데이터베이스(ACM Digital Library, IEEE Xplore, ScienceDirect)에서 얻은 6970개의 문헌 중 57개의 출판물이 선정되어 검토되었습니다. 결과는 해당 논문에서 다룬 센서 데이터 오류의 유형이 대체로 결측 데이터와 결함(예: 이상치, 편향 및 드리프트)이라는 것을 보여줍니다. 오류 감지를 위한 가장 일반적인 솔루션은 주성분 분석(PCA) 및 인공신경망(ANN)에 기반하며, 연구에서 발견된 모든 오류 감지 논문의 약 40%를 차지합니다. 마찬가지로, 결함 수정의 경우 PCA와 ANN이 가장 일반적이며, 베이지안 네트워크도 포함됩니다. 반면 결측값은 주로 연관 규칙 마이닝을 사용하여 대치됩니다. 오류를 감지하고 수정하기 위해 여러 데이터 과학 방법을 결합한 혼합 솔루션과 같은 기타 기술도 있습니다. 이 체계적 리뷰를 통해 물리적 센서 데이터 오류를 해결하기 위해 제안된 방법들은 비일관한 평가 과정과 비공식적으로 사용 가능한 데이터셋의 높은 사용으로 인해 직접 비교할 수 없다는 것을 알게 되었습니다. 57개의 선택된 출판물에 대한 베이지안 데이터 분석은 방법 평가에 공개 가능한 데이터셋을 사용하는 출판물이 더 높은 인용률을 가지는 것으로 나타났습니다.