1. Pantheon
  2. Trabalhos Acadêmicos e Técnicos
  3. Trabalhos de Conclusão de Curso de Graduação
  4. Engenharia de Computação e Informação
Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11422/18186
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorLeão, Rosa Maria Meri-
dc.contributor.authorBarbosa, Anderson de Souza-
dc.date.accessioned2022-08-05T16:49:16Z-
dc.date.available2023-12-21T03:00:21Z-
dc.date.issued2019-03-
dc.identifier.urihttp://hdl.handle.net/11422/18186-
dc.languageporpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAnalise Nao Supervisionadapt_BR
dc.subjectMedições em Redespt_BR
dc.titleDescobrindo perfis de usuários da internet usando análise não supervisionadapt_BR
dc.title.alternativeDiscovering Internet User Profiles Using Unsupervised Analyticspt_BR
dc.typeTrabalho de conclusão de graduaçãopt_BR
dc.contributor.referee1Silva, Edmundo Albuquerque de Souza e-
dc.contributor.referee2Menasche, Daniel Sadoc-
dc.description.resumoA complexidade da Internet está cada vez maior, tudo graças ao crescente número de serviços e ao crescimento da Internet das Coisas. Com isso, o comportamento dos usuários tem ficado cada vez mais diversificado, fazendo com que fique mais difícil entender o que acontece na rede e fazer previsões. E importante para um Provedor ´ de Serviços de Internet (ISP) entender o comportamento de seus usuários para fazer um gerenciamento de rede mais eficiente. Para tentar ajudar os ISPs nessa tarefa, diversos trabalhos tem empregado técnicas de aprendizado de máquina com o objetivo de classificar os diferentes padrões de tráfego na Internet, o que pode ser usado para fazer previsões de tráfego futuro, por exemplo. Com uma proposta parecida, usamos dados coletados de roteadores residenciais em parceria com um ISP brasileiro para criar um modelo de comportamento de usuário. Ao contrário da maioria dos trabalhos neste tema, que utilizam apenas dados de tr´afego, este trabalho também utiliza dados de atraso de rede e perda de pacotes. Primeiramente, utilizamos um método de análise de fatores para modelar os dados e, a partir do modelo obtido, utilizamos uma técnica de clusterização para encontrar grupos de usuários com diferentes perfis.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentEscola Politécnicapt_BR
dc.publisher.initialsUFRJpt_BR
dc.subject.cnpqCNPQ::ENGENHARIASpt_BR
dc.embargo.termsabertopt_BR
Aparece en las colecciones: Engenharia de Computação e Informação

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
monopoli10028473.pdf3.07 MBAdobe PDFVisualizar/Abrir
Mostrar el registro sencillo del ítem Recomiende este ítem View Statistics


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.