Estudio de procedimientos para la mejora de la QOS en redes WLAN mediante Clustering.

Abstract

El presente proyecto comprende un estudio de técnicas de aprendizaje automático para la mejora de los procedimientos de gestión de la calidad de servicio en redes inalámbricas de área local. En concreto, se analiza la aplicabilidad de las técnicas de agrupamiento sobre las tareas de diferenciación de entornos y clasificación de perfiles. Para dicho fin, inicialmente se ha desarrollado un extenso estudio teórico de las características de la tecnología IEEE 802.11 y sus casos de uso para generar los patrones de simulación a emplear y definir los indicadores de rendimiento clave. Asimismo, se ha realizado un análisis teórico de la aptitud de múltiples técnicas de agrupamiento para los procesos de mejora de la calidad de servicio. Una vez cerrado el estudio conceptual, se hace uso de un simulador de redes inalámbricas para introducir múltiples casuísticas de utilización de la tecnología en base a lo definido en un inicio. Acto seguido, la salida del simulador es procesada mediante las técnicas de agrupamiento. La validación de los algoritmos se lleva a cabo mediante la aplicación de estos sobre los resultados de simulación y su posterior análisis. La síntesis final del estudio toma como soporte fundamental la comparación de las métricas de simulación correspondiente a cada caso bajo estudio con los grupos generados mediante aprendizaje automático.

Proiektu honek ikasketa automatikoaren tekniken inguruko azterlana biltzen du, haririk gabeko sare lokalen zerbitzuaren kalitatearen kudeaketa prozesuen hobekuntza ahalbidetzeko. Zehazki, taldekatze tekniken aplikagarritasuna ikertzen da ingurune desberdintze eta erabiltzaile profil sailkapen eginkizunak betetzeko. Hori xede, lehenik eta behin IEEE 802.11 teknologiaren eta haren erabilpen kasuen inguruko azterketa kontzeptual sakona garatu da simulazio ereduak diseinatu ahal izateko eta errendimendu adierazle gakoak definitzeko. Era berean, zerbitzuaren kalitatearen hobekuntzarako hainbat taldekatze tekniken gaitasunaren analisia burutu da. Behin ikerlan kontzeptuala garatuta eta haren ondorioak oinarritzat hartuz, haririk gabeko sare simulagailu baten bidez teknologiaren kasuistika anizkunak ezarri dira. Jarraian, simulazioen emaitzak ikasketa automatikoaren algoritmoen sarrera gisa erabiltzen dira. Hori dela medio, aztertutako taldekatze teknikak balioztatu egiten dira haien aplikazioaren eta geroko analisiaren bidez. Azken azterketa prozesuak simulazioetan lortutako metrikek eragindako taldeen eta hasiera batean definitutako kasuistiken konparaketa du oinarri.

The following project contains a study on machine learning techniques to enable the improvement of quality-of-service management procedures on wireless local area networks. Particularly, this project aims to analyse the applicability of clustering techniques on the processes of environment differentiation and user profile classification. Therefore, detailed initial conceptual research has been done on the IEEE 802.11 technology characteristics and its use cases. Based on that study, several simulation patterns have been developed and key performance indicators have been defined. In the same way, a theorical analysis of the aptitude of clustering techniques has been carried out focusing on their ability to improve quality of service management processes. Once the conceptual research has been completed, multiple casuistries inferred from it have been implemented throughout the use of a wireless network simulator. Once the simulations have been finished, clustering techniques are used to process the output of the simulator. Finally, the analysis of the suitability of the algorithms over the results takes place. To validate the techniques for QoS improvement procedures, a comparison between the case study metrics and the final cluster results is performed.