Machine learning in wireless sensor networks

Ovaj diplomski rad opisuje problem predikcije i klasifikacije podataka u bežičnim mrežama osjetila. Problem se rješava primjenom algoritama strojnog učenja pri čemu se uspoređuju njihovi rezultati te se odabire najpogodniji algoritam za rješavanje problema. Podaci u senzorskim mrežama predstavljeni su kao niz vrijednosti predstavljenih u vremenskoj domeni. Rezultat predikcije je također vrijednost ili skup vrijednosti u određenom vremenskom rasponu. Slike s video senzora se pohranjuju i nad njima se vrši detekcija ljudskih lica. Pohranjene vrijednosti numeričkih i video senzora se grafički prikazuju na web sučelju aplikacije.This thesis describes problem of prediction and data classification in wireless sensor networks. Problem is solved by applying a number of machine learning algorithms. The results of running those algorithms is then compared and the best algorithm is used to solve the problem. Data in sensor networks is presented as an array of values defined in time domain. Result of the prediction is also a value or an array specified in defined time range. Images from video sensors are stored and are processed in a way to detect human faces. Stored values of numeric and video sensors is graphically displayed on applications web interface