{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1316768"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1316768","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Διαχείριση συμβάντων σε δεδομένα αισθητήρων πολλαπλών μεταβλητών","abstract":"Η διαχείριση συμβάντων σε δίκτυα αισθητήρων είναι ένα διεπιστημονικό πεδίο, το οποίο περιλαμβάνει στάδια σε όλη την αλυσίδα επεξεργασίας. Σε αυτή την εργασία γίνεται μία συζήτηση των βασικών βημάτων των εφαρμογών διαχείρισης συμβάντων, οι οποίες είναι πραγματικού χρόνου ή προσεγγίζουν την απόδοση εφαρμογών πραγματικού χρόνου. Τέτοιες εφαρμογές μπορεί να είναι η ανίχνευση συμβάντων, η συσχέτιση συμβάντων, η πρόβλεψη συμβάντων και το προσαρμοστικό φιλτράρισμα. Αρχικά, εξετάζονται οι υφιστάμενες εφαρμογές συστημάτων ανίχνευσης μεταβολών μίας μεταβλητής ή πολλαπλών μεταβλητών, με στόχο την ανίχνευση συμβάντων σε πραγματικό χρόνο πάνω σε δεδομένα αισθητήρων. Στη συνέχεια, γίνεται παρουσίαση ενός συστήματος συσχέτισης συμβάντων, το οποίο έχει ως στόχο την αποκάλυψη της εσωτερικής δυναμικής που διέπει τη λειτουργία ενός συστήματος. Η εργασία αυτή, επίσης, παρουσιάζει την αντιπροσώπευση των εξαρτήσεων συμβάντων, η οποία μπορεί να συμπεριλαμβάνει ένα πλαίσιο αναπαράστασης γνώσης. Παράλληλα, στην εργασία αυτή γίνεται μία μελέτη του σημαντικού θέματος αναγνώρισης παρωχημένων εξαρτήσεων μεταξύ συμβάντων. Η προτεινόμενη θεωρία εφαρμόζεται στον τομέα της ναυσιπλοΐας και επιβεβαιώνεται μέσω εκτεταμένου αριθμού πειραμάτων. Τα πειράματα αυτά πραγματοποιούνται με πραγματικές ροές αισθητήρων, οι οποίες προέρχονται από δίκτυα αισθητήρων μεγάλης κλίμακας, τα οποία είναι τοποθετημένα σε πλοία.","abstract_html":"Η διαχείριση συμβάντων σε δίκτυα αισθητήρων είναι ένα διεπιστημονικό πεδίο, το οποίο περιλαμβάνει στάδια σε όλη την αλυσίδα επεξεργασίας. Σε αυτή την εργασία γίνεται μία συζήτηση των βασικών βημάτων των εφαρμογών διαχείρισης συμβάντων, οι οποίες είναι πραγματικού χρόνου ή προσεγγίζουν την απόδοση εφαρμογών πραγματικού χρόνου. Τέτοιες εφαρμογές μπορεί να είναι η ανίχνευση συμβάντων, η συσχέτιση συμβάντων, η πρόβλεψη συμβάντων και το προσαρμοστικό φιλτράρισμα. Αρχικά, εξετάζονται οι υφιστάμενες εφαρμογές συστημάτων ανίχνευσης μεταβολών μίας μεταβλητής ή πολλαπλών μεταβλητών, με στόχο την ανίχνευση συμβάντων σε πραγματικό χρόνο πάνω σε δεδομένα αισθητήρων. Στη συνέχεια, γίνεται παρουσίαση ενός συστήματος συσχέτισης συμβάντων, το οποίο έχει ως στόχο την αποκάλυψη της εσωτερικής δυναμικής που διέπει τη λειτουργία ενός συστήματος. Η εργασία αυτή, επίσης, παρουσιάζει την αντιπροσώπευση των εξαρτήσεων συμβάντων, η οποία μπορεί να συμπεριλαμβάνει ένα πλαίσιο αναπαράστασης γνώσης. Παράλληλα, στην εργασία αυτή γίνεται μία μελέτη του σημαντικού θέματος αναγνώρισης παρωχημένων εξαρτήσεων μεταξύ συμβάντων. Η προτεινόμενη θεωρία εφαρμόζεται στον τομέα της ναυσιπλοΐας και επιβεβαιώνεται μέσω εκτεταμένου αριθμού πειραμάτων. Τα πειράματα αυτά πραγματοποιούνται με πραγματικές ροές αισθητήρων, οι οποίες προέρχονται από δίκτυα αισθητήρων μεγάλης κλίμακας, τα οποία είναι τοποθετημένα σε πλοία.","abstract_has_math":false,"creators":["Λοΐζου Αντώνης"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2015,"date_issued":"2015","date_published":"2015","updated_at":"2026-11-19T05:24:52Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316768"],"render_values":[{"text":"uoadl:1316768","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316768","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1316768","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1316768","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Λοΐζου Αντώνης"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2015"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1316768","https://pergamos.lib.uoa.gr/uoa/dl/object/1316768"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Η διαχείριση συμβάντων σε δίκτυα αισθητήρων είναι ένα διεπιστημονικό πεδίο, το οποίο περιλαμβάνει στάδια σε όλη την αλυσίδα επεξεργασίας. Σε αυτή την εργασία γίνεται μία συζήτηση των βασικών βημάτων των εφαρμογών διαχείρισης συμβάντων, οι οποίες είναι πραγματικού χρόνου ή προσεγγίζουν την απόδοση εφαρμογών πραγματικού χρόνου. Τέτοιες εφαρμογές μπορεί να είναι η ανίχνευση συμβάντων, η συσχέτιση συμβάντων, η πρόβλεψη συμβάντων και το προσαρμοστικό φιλτράρισμα. Αρχικά, εξετάζονται οι υφιστάμενες εφαρμογές συστημάτων ανίχνευσης μεταβολών μίας μεταβλητής ή πολλαπλών μεταβλητών, με στόχο την ανίχνευση συμβάντων σε πραγματικό χρόνο πάνω σε δεδομένα αισθητήρων. Στη συνέχεια, γίνεται παρουσίαση ενός συστήματος συσχέτισης συμβάντων, το οποίο έχει ως στόχο την αποκάλυψη της εσωτερικής δυναμικής που διέπει τη λειτουργία ενός συστήματος. Η εργασία αυτή, επίσης, παρουσιάζει την αντιπροσώπευση των εξαρτήσεων συμβάντων, η οποία μπορεί να συμπεριλαμβάνει ένα πλαίσιο αναπαράστασης γνώσης. Παράλληλα, στην εργασία αυτή γίνεται μία μελέτη του σημαντικού θέματος αναγνώρισης παρωχημένων εξαρτήσεων μεταξύ συμβάντων. Η προτεινόμενη θεωρία εφαρμόζεται στον τομέα της ναυσιπλοΐας και επιβεβαιώνεται μέσω εκτεταμένου αριθμού πειραμάτων. Τα πειράματα αυτά πραγματοποιούνται με πραγματικές ροές αισθητήρων, οι οποίες προέρχονται από δίκτυα αισθητήρων μεγάλης κλίμακας, τα οποία είναι τοποθετημένα σε πλοία.","The process of event management in sensor networks is a multidisciplinary field of science, which includes a number of steps as part of the process chain. In this thesis, we discuss the basic steps, whose execution is necessary in applications that involve management of event. These applications are characterized to be of real or near-real time. Such applications could include event detection, event correlation, event prediction and adaptive filtering. At first, existing applications of univariate or multivariate change detection systems are studied, applications that aim at detecting events in an online manner, over sensor data. Then, an event correlation engine is presented, a system that has the ability to represent the internal dynamics of a system. This thesis also studies the representation of event dependencies, which includes a probabilistic temporal knowledge framework of representation. This framework is used for the creation of temporal association rules. In this thesis, the important topic of the recognition of old dependencies between events is also discussed. The proposed theory is applied in the maritime field and is evaluated through a number of experiments. These experiments are executed with real world sensor streams, which originate from big scale sensor networks deployed in ships."]},{"key":"dc:title","label":"Title","values":["Διαχείριση συμβάντων σε δεδομένα αισθητήρων πολλαπλών μεταβλητών"]}]}],"canonical_facts":{"dc:creator":["Λοΐζου Αντώνης"],"dc:date":["2015"],"dc:description":["Η διαχείριση συμβάντων σε δίκτυα αισθητήρων είναι ένα διεπιστημονικό πεδίο, το οποίο περιλαμβάνει στάδια σε όλη την αλυσίδα επεξεργασίας. Σε αυτή την εργασία γίνεται μία συζήτηση των βασικών βημάτων των εφαρμογών διαχείρισης συμβάντων, οι οποίες είναι πραγματικού χρόνου ή προσεγγίζουν την απόδοση εφαρμογών πραγματικού χρόνου. Τέτοιες εφαρμογές μπορεί να είναι η ανίχνευση συμβάντων, η συσχέτιση συμβάντων, η πρόβλεψη συμβάντων και το προσαρμοστικό φιλτράρισμα. Αρχικά, εξετάζονται οι υφιστάμενες εφαρμογές συστημάτων ανίχνευσης μεταβολών μίας μεταβλητής ή πολλαπλών μεταβλητών, με στόχο την ανίχνευση συμβάντων σε πραγματικό χρόνο πάνω σε δεδομένα αισθητήρων. Στη συνέχεια, γίνεται παρουσίαση ενός συστήματος συσχέτισης συμβάντων, το οποίο έχει ως στόχο την αποκάλυψη της εσωτερικής δυναμικής που διέπει τη λειτουργία ενός συστήματος. Η εργασία αυτή, επίσης, παρουσιάζει την αντιπροσώπευση των εξαρτήσεων συμβάντων, η οποία μπορεί να συμπεριλαμβάνει ένα πλαίσιο αναπαράστασης γνώσης. Παράλληλα, στην εργασία αυτή γίνεται μία μελέτη του σημαντικού θέματος αναγνώρισης παρωχημένων εξαρτήσεων μεταξύ συμβάντων. Η προτεινόμενη θεωρία εφαρμόζεται στον τομέα της ναυσιπλοΐας και επιβεβαιώνεται μέσω εκτεταμένου αριθμού πειραμάτων. Τα πειράματα αυτά πραγματοποιούνται με πραγματικές ροές αισθητήρων, οι οποίες προέρχονται από δίκτυα αισθητήρων μεγάλης κλίμακας, τα οποία είναι τοποθετημένα σε πλοία.","The process of event management in sensor networks is a multidisciplinary field of science, which includes a number of steps as part of the process chain. In this thesis, we discuss the basic steps, whose execution is necessary in applications that involve management of event. These applications are characterized to be of real or near-real time. Such applications could include event detection, event correlation, event prediction and adaptive filtering. At first, existing applications of univariate or multivariate change detection systems are studied, applications that aim at detecting events in an online manner, over sensor data. Then, an event correlation engine is presented, a system that has the ability to represent the internal dynamics of a system. This thesis also studies the representation of event dependencies, which includes a probabilistic temporal knowledge framework of representation. This framework is used for the creation of temporal association rules. In this thesis, the important topic of the recognition of old dependencies between events is also discussed. The proposed theory is applied in the maritime field and is evaluated through a number of experiments. These experiments are executed with real world sensor streams, which originate from big scale sensor networks deployed in ships."],"dc:identifier":["uoadl:1316768","https://pergamos.lib.uoa.gr/uoa/dl/object/1316768"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Διαχείριση συμβάντων σε δεδομένα αισθητήρων πολλαπλών μεταβλητών"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:24:52Z"}