Croisements de données de l'Internet des Objets pour l'extraction de motifs graduels temporels flous
Les objets connectés de l'Internet des objets (IoT) prolifèrent dans tous les domaines, menant à de nombreuses séries temporelles. Dans cet article, nous proposons une approche de croisement de ces sources (par exemple au sein d'un lac de données) pour en comprendre la dynamique temporelle. Dans ce but, nous visons à extraire des motifs temporels flous. Notre approche est conçue pour être parallélisée, et nous mesurons quelques performances de calcul pour en démontrer la faisabilité sur des données réelles.