Abstract:
La gestion des données dans l'Internet social des objets (SIoT) est un défi en raison des données volumineuses et variées provenant des appareils connectés. Les interactions sociales entre appareils ajoutent une complexité supplémentaire. Cette étude se concentre à la fois sur la fusion de données et sur la classification des relations entre les appareils à l'aide de techniques d'apprentissage automatique.
Nous avons développé une méthode de fusion de données en plusieurs étapes et appliqué des algorithmes d'apprentissage automatique pour classer les relations avec précision. Nous avons testé des algorithmes tels que KNN, Random Forest, Decision Tree, Naive Bayes, Logistic Regression, Gradient Boosting et XGBoost.
Les résultats expérimentaux démontrent que les algorithmes Random Forest et XGBoost fonctionnent bien par rapport à d'autres algorithmes d'apprentissage automatique en termes d'exactitude, de rappel, de précision et de score F1.
