Date of Award

4-2017

Document Type

Thesis

Degree Name

Master of Science (MS)

Department

Information Systems and Security

First Advisor

Dr. Mohamed Adel Serhani

Second Advisor

Dr. Marton Gergely

Abstract

Mobile and ubiquitous devices are everywhere around us generating considerable amount of data. The concept of mobile computing and analytics is expanding due to the fact that we are using mobile devices day in and out without even realizing it. These mobile devices use Wi-Fi, Bluetooth or mobile data to be intermittently connected to the world, generating, sending and receiving data on the move. Latest mobile applications incorporating graphics, video and audio are main causes of loading the mobile devices by consuming battery, memory and processing power. Mobile Big data analytics includes for instance, big health data, big location data, big social media data, and big heterogeneous data. Healthcare is undoubtedly one of the most data-intensive industries nowadays and the challenge is not only in acquiring, storing, processing and accessing data, but also in engendering useful insights out of it. These insights generated from health data may reduce health monitoring cost, enrich disease diagnosis, therapy, and care and even lead to human lives saving.

The challenge in mobile data and Big data analytics is how to meet the growing performance demands of these activities while minimizing mobile resource consumption. This thesis proposes a scalable architecture for mobile big data analytics implementing three new algorithms (i.e. Mobile resources optimization, Mobile analytics customization and Mobile offloading), for the effective usage of resources in performing mobile data analytics. Mobile resources optimization algorithm monitors the resources and switches off unused network connections and application services whenever resources are limited. However, analytics customization algorithm attempts to save energy by customizing the analytics process while implementing some data-aware techniques. Finally, mobile offloading algorithm decides on the fly whether to process data locally or delegate it to a Cloud back-end server. The ultimate goal of this research is to provide healthcare decision makers with the advancements in mobile Big data analytics and support them in handling large and heterogeneous health datasets effectively on the move.

Arabic Abstract


تحليل البيانات الكبيرة المتنقلة في الرعاية الصحية

الأجهزة النقالة في كل مكان من حولنا تولد كمية كبيرة من البيانات، يعد مفهوم الحوسبة المتنقلة أخذ في التوسع بسبب حقيقة أننا نستخدم الأجهزة النقالة كل يوم داخل وخارج البيت بدون التحقق من ذلك. وتستخدم هذه الأجهزة النقالة تقنية الواي فاي، وتقنية بلوتوث أو البيانات المتنقلة للإتصال، لتوليد وإرسال واستقبال البيانات تعد أحدث تطبيقات الجهاز المحمول التي تدمج الرسومات والفيديو والصوت من الأسباب الرئيسية لزيادة الضغط على الأجهزة المحمولة، حيث تستهلك البطارية، الذاكرة، ووحدة التشغيل. يعد التحدي الأكبر في استغلال البيانات المتنقلة وتحليلات البيانات الكبيرة في كيفية تلبية متطلبات الأداء المتزايد والتقليل من استهلاك الموارد . تقترح هذه الأطروحة حلولاً قابلة للتطوير وتقدم ثلاثة خوارزميات تحسين موارد الجوال، وتخصيص تحليلات الجوال، وتفريغ الهواتف المتحركة، من أجل الاستخدام الفعال للموارد في إجراء تحليلات البيانات المتنقلة. تقوم خوارزمية تحسين موارد الجوال بمراقبة الموارد وإيقاف تشغيل اتصالات الشبكة غير المستخدمة وخدمات التطبيقات كلما كانت الموارد محدودة، تحول خوارزمية التخصيص تحليلات لتوفير الطاقة عن طريق تخصيص عملية تحليلات أثناء تنفيذ بعض تقنيات علم البيانات. وأخيرا، خوارزمية تحميل المحمول تقرر بحيويه ما إذا كان ممكاً معالجة البيانات محليا أو تفويضها إلى خادم الخلفية. الهدف النهائي من هذا البحث هو اعطاء صناع القرار حول الرعاية الصحية حلول اسعمال المحمول في تحليلات البيانات الكبيرة ودعم التعامل مع مجموعات البيانات الصحية الكبيرة وغير المتجانسة بشكل فعال.

Download
COinS