语义物联网中链接传感器数据生成系统

来源 :大连海事大学 | 被引量 : 2次 | 上传用户:w__hailin
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
语义物联网是语义网与物联网的结合,主要目的是利用语义网的语义标注技术解决物联网中的资源异构问题,从而实现资源的高效利用。传感器网络是物联网的基础设施,是应用程序获取信息的主要途径,然而由于传感器网络数据多种多样且单一资源无法满足应用程序的使用需求,因此,需要将传感器网络数据进行语义标注并与Web中相关联的资源整合在一起。针对以上问题,本文利用本体标注技术为传感器数据添加语义信息,同时利用关联数据技术实现传感器数据与Web中相关数据集的链接,形成链接传感器数据。在分析已有链接传感器数据生成方法的基础上,本文首先利用传感器本体标注传感器网络数据形成语义传感器网络数据,使得传感器网络的信息和数据可以被各种应用程序理解和使用;然后通过分析关联数据的查询方法,提出基于继承关系概念组集的关联数据查询处理方法以找到与传感器网络数据相关的Web数据集;再次分析关联数据的关联构建方法,提出基于启发式属性的图相似性比较方法实现传感器网络数据与相关Web数据的链接;最后构建了一种链接传感器数据生成系统LSDGS。将传感器网络数据发布为链接传感器数据,使得应用程序不仅可以理解和利用传感器网络数据,而且可以根据链接传感器数据集间的RDF链接获得更多相关资源。本文最后利用Eclipse、Protege等工具对链接传感器数据生成系统进行实现,并通过与其它主流链接传感器数据生成方法比较,表明LSDGS在查询Web数据集的查准率和在建立相关数据集间链接的准确率方面都占有一定的优势。
其他文献
互联网时代信息技术推动健康领域革命性的变革使得人们不但对生活质量的要求越来越高还对个人和家庭的健康也越来越重视;人们不再满足于不生疾病,而到更关注预防疾病和保健。
机器学习一直是人工智能中受关注的热点领域之一。尤其是面对海量数据中的不确定数据,更需要机器学习算法的参与。因此,本文主要针对动态模糊数据,提出了一类动态模糊机器学
传感器(传感器和执行器)在今天已经无处不在。它们被应用在人们日常生活的各个方面,从工业自动化到环境监测到国土防卫。目前,传感器发展的趋势之一是智能传感器。智能传感器
目前,随着计算机和网络技术的迅速发展,实时系统已越来越广泛地应用于国防工业、航空航天工业、交通运输业、制造加工业、流程生产行业、电讯业等领域。典型的实时系统有现代化
在对目标进行识别时,通常目标相对摄像机系统会因为方位的变化,产生投影畸变,这将给正确的识别带来困难。对于人脸图像的识别同样存在这样的问题,严重的投影畸变可能会导致脸部特
车牌识别广泛用于电子收费、出入控制、交通监控等重要场合。车牌定位作为车牌识别中的重要环节,对系统识别精度有重要的影响。目前的车牌定位方法主要是针对所监视的区域只
海量教育考试数据资源的数据挖掘与分析研究工作,对于充分发掘教育考试数据的潜在价值,更加科学地进行教育管理及决策具有非常重要的意义。   论文以北京教育考试数据资源系
学位
在“数据爆炸,知识贫乏”的网络时代,人们希望能够对数据进行更高层次的分析,以便更好的利用这些数据。于是,数据挖掘技术应运而生,并显示出强大的生命力。如今,数据挖掘技术正在不
信息技术的飞速发展,导致了工业领域的深刻变革,并逐步形成了工作在工业现场的分布式网络化控制系统。以太网作为办公环境下使用最广泛的通信方式,在工业界也越来越受到关注,
粗糙集理论是一种处理不精确、不确定和不完备信息的数据分析方法,以其为理论基础的数据分析与处理技术得到越来越广泛的应用。决策信息系统分解作为解决大型决策表数据海量