Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Big Data pre-processing techniques within thewireless sensors networks

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F16%3A86099069" target="_blank" >RIV/61989100:27240/16:86099069 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/61989100:27740/16:86099069

  • Výsledek na webu

    <a href="http://dx.doi.org/10.1007/978-3-319-29504-6_61" target="_blank" >http://dx.doi.org/10.1007/978-3-319-29504-6_61</a>

  • DOI - Digital Object Identifier

    <a href="http://dx.doi.org/10.1007/978-3-319-29504-6_61" target="_blank" >10.1007/978-3-319-29504-6_61</a>

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Big Data pre-processing techniques within thewireless sensors networks

  • Popis výsledku v původním jazyce

    The recent advances in sensors and communications technologies have emerged the interaction between physical resources and the need for sufficient storage volumes for keeping the continuously generated data. These storage volumes are one of the components of the Big Data to be used in future prediction processes in a broad range of fields. Usually, these data are not ready for analysis as they are incomplete or redundant. Therefore one of the current challenge related to the Big Data is how to save relevant data and discard noisy and redundant data. On the other hand, Wireless Sensor Networks (WSNs) (as a source of Big Data) use a number of techniques that significantly reduce the required data transmissions ratio. These techniques not only improve the operational lifetime of these networks but also raise the level of the refinement at the Big Data side. This article gives an overview and classifications of the data reduction and compression techniques proposed to do data pre-processing in-networks (i.e. in-WSNs). It compares and discusses which of these techniques would be adopted or modified to enhance the functionality of the WSNs while minimizing any further pre-processing at the Big Data side, thus reducing the computational and storage cost at the Big Data side. (C) Springer International Publishing Switzerland 2016.

  • Název v anglickém jazyce

    Big Data pre-processing techniques within thewireless sensors networks

  • Popis výsledku anglicky

    The recent advances in sensors and communications technologies have emerged the interaction between physical resources and the need for sufficient storage volumes for keeping the continuously generated data. These storage volumes are one of the components of the Big Data to be used in future prediction processes in a broad range of fields. Usually, these data are not ready for analysis as they are incomplete or redundant. Therefore one of the current challenge related to the Big Data is how to save relevant data and discard noisy and redundant data. On the other hand, Wireless Sensor Networks (WSNs) (as a source of Big Data) use a number of techniques that significantly reduce the required data transmissions ratio. These techniques not only improve the operational lifetime of these networks but also raise the level of the refinement at the Big Data side. This article gives an overview and classifications of the data reduction and compression techniques proposed to do data pre-processing in-networks (i.e. in-WSNs). It compares and discusses which of these techniques would be adopted or modified to enhance the functionality of the WSNs while minimizing any further pre-processing at the Big Data side, thus reducing the computational and storage cost at the Big Data side. (C) Springer International Publishing Switzerland 2016.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2016

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Advances in Intelligent Systems and Computing. Volume 427

  • ISBN

    978-3-319-29503-9

  • ISSN

    2194-5357

  • e-ISSN

  • Počet stran výsledku

    11

  • Strana od-do

    667-677

  • Název nakladatele

    Springer Verlag

  • Místo vydání

    London

  • Místo konání akce

    Paříž

  • Datum konání akce

    9. 9. 2015

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku