Proposta de um sistema inteligente de monitoramento baseado em seleção de características

• Ano de defesa: 2020
• Autor(a) principal: Marques, Gustavo Silveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Uberlândia; Brasil; Programa de Pós-graduação em Ciência da Computação
• Palavras-chave em Português: NECOS; Monitoria; Seleção de característica; Inteligência artificial; Slice; Slice-as-a-Service; Monitoring; Feature selection; Artificial intelligence; CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO::SOFTWARE BASICO; Computação; Algorítmos computacionais
• Link de acesso: https://repositorio.ufu.br/handle/123456789/35690; http://doi.org/10.14393/ufu.di.2021.5595

This work builds upon the Slice-as-a-Service paradigm proposed in the Novel Enablers for Cloud Slicing (NECOS) project. Assuming the provision of end-to-end slices which are composed by resources coming from multiple infrastructure providers, this work proposes an intelligent monitoring system, aiming to dynamically select a set of features that best fits the real life time management needs of the slices, keeping the accuracy of that management. We want to avoid the movement of unnecessary information from the infrastructure providers, delivering essential data to management functions. Presenting the experiments made in our testbed, which compared both algorithms of correlation and machine learning, it’s possible to notice that the data reduction, through the feature selection, increases satisfactorily the quality of service estimative precision.