Différences

Ci-dessous, les différences entre deux révisions de la page.

--- cours:plim:projet16_17:gr16:gr16 [2017/02/19 22:50] – nfliss
+++ cours:plim:projet16_17:gr16:gr16 [2017/02/19 22:53] (Version actuelle) – reltaher
@@ Ligne 70: / Ligne 70: @@
   * Le côté client :
-Une application qui a pour but de localiser et détecter les nids de poules usant des données retrouvées des capteurs intégrés dans les appareils mobiles, notamment l'Accéléromètre auquel les valeurs on etait traiter par un filtre seuil afin d’éliminer les anomalies routières, ainsi que le capteurs de localisation GPS qui nous permet à un certain degré d'exactitude de localiser les nids de pôles et ainsi persister les données réunies dans une base de données cloud.
+Une application qui a pour but de localiser et détecter les nids de poules usant des données retrouvées des capteurs intégrés dans les appareils mobiles, notamment l'Accéléromètre auquel les valeurs on etait traiter par un filtre seuil afin d’éliminer les anomalies routières, ainsi que le capteurs de localisation GPS qui nous permet à un certain degré d'exactitude de localiser les nids de poules et ainsi persister les données réunies dans une base de données cloud.
   * La base des données (Firebase) :
 La base de données représente le point d'intégration entre les différents composants de notre architecture système. étant une base cloud elle nous permet donc un certain degré de liberté vis-à-vis l'extensibilité de nos services sans pour autan se soucier du coup de l'infrastructure impliqué.Ainsi, elle représente une base des données locale.
   * Le côté serveur :
-Nous avons opter pour l'algorithme d'apprentissage et classification K-MEANS, qui à pour effet de génerer des clusters se basant sur les similarités géospatiales des nids de pôles persisté dans la base de données et calcule en même temps la distance entre l’utilisateur et les différents centroïdes des clusters générés et l'assigne au cluster le plus proche ce qu'aura pour effet de limiter la visualisation des marqueurs sur la MAP de l’application la rendant ainsi plus lisible
+Nous avons opter pour l'algorithme d'apprentissage et classification K-MEANS, qui à pour effet de génerer des clusters se basant sur les similarités géospatiales des nids de pôles persisté dans la base de données et calcule en même temps la distance entre l’utilisateur et les différents centroïdes des clusters générés et l'assigne au cluster le plus proche ce qu'aura pour effet de limiter la visualisation des marqueurs sur la MAP de l’application la rendant ainsi plus lisible.