语义物联网中基于RDF流的复杂事件处理方法研究

来源 :大连海事大学 | 被引量 : 4次 | 上传用户:liyuanzhen001
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
语义物联网作为较新的研究领域是对物联网的一个扩展,其特点是在使用语义技术消除数据异构的基础上,能结合丰富的知识进行语义查询、推理。传感器网络作为语义物联网的基础设施,实时、持续地产生高度动态的数据,为了能良好地表达和处理这种动态数据,RDF流数据以及相应的RDF流处理技术被提出。目前的RDF流处理大多是在扩展了 SPARQL查询的基础上对RDF流数据进行持续地查询处理,但如何在RDF流数据查询的基础上分析、识别其中蕴含的时间、因果关系,即以事件驱动的角度进行更高层次地处理还较少涉及,本文主要针对这一问题进行研究。本文阐述了已有的RDF流处理技术和基于RDF流处理技术的语义复杂事件处理方法,在此基础上,首先提出了基于RDF流的复杂事件处理框架RCEP。然后对RCEP中使用到的事件本体进行建模,在建模过程中考虑了事件模式的特点,并结合使用了现有的SSN本体,使得构建的事件本体具有良好地可表达性;在用户自定义事件过程中,根据用户的设置和传感器本体中的元数据选择合适的传感器;在RDF流处理上,选择Sparkwave作为RDF流处理工具,针对其RETE网络结构不够优化这一问题进行改进,即在RETE网络构建过程中根据事件模式的子图的过滤能力这一因素决定其在RETE网络中的连接顺序,以此达到减少连接比较次数和内存占用的目的。在Sparkwave的RDF流推理过程中,为减少推理所用时间,根据事件模式选择性地从本体中加载背景知识。最后对RCEP的各个模块依据文中提出的方法进行设计与实现。为了验证本文中提出的方法对Sparkwave的改进效果,对比分析了改进后的Sparkwave和原Sparkwave在吞吐量和内存占用上的情况。实验证明,使用本文改进的Sparkwave能够有效地适用于复杂事件的检测。
其他文献
近年来,网络游戏产业高速发展,游戏玩家数量在不断的增加,面对如此庞大数量的玩家,单纯的对服务器硬件进行升级已经不足以满足需求。所以一个优秀的网络游戏服务端架构就显得
随着网络、通信技术的迅猛发展,数据挖掘呈现出海量化、分布式等特点,如何保护数据挖掘过程中的隐私数据和防止敏感信息的泄露已成为数据挖掘和信息安全领域当前面临的重大挑战
目前电子邮件获得了广泛应用,与此同时,垃圾邮件却给人们带来了极大的损害。垃圾邮件的新变种不断出现,反垃圾邮件技术面临挑战。如何针对新变种研究新的过滤方法成为该领域的热
随着Web2.0的发展,社交网络成为了用户共享信息的重要平台,好友系统是有效利用社交网络的最基本的功能之一。然而,虽然大多数社交网络系统提供了好友推荐的功能,由于其推荐结果缺
P2P即是对等计算技术,P2P网络中没有中心化的服务器,每一个参与者都是网络中的平等节点,在下载的同时提供上传服务。基于P2P的流媒体点播系统中的媒体资源文件既存储在服务器
对客观物理世界的监测是无线传感器网络的最重要的应用之一,目标检测问题即是要判断被监测目标的发生与否,是所有监测应用的前提。在理想环境中,对目标是否发生的判断是根据
随着计算技术的发展和数码设备的广泛应用,图像成为了我们生活中随时会留下的一个记录,其中蕴藏着各种有价值的信息。图像取证是新兴的一个研究方向,主要包含图像增强、图像篡改
随着计算机硬件的发展和互联网技术的普及,以及电影特效、电子游戏的飞速发展,大众对画面精美度以及对画面逼真度的不断追求,迫切需要提高计算机动画的模拟速度,自然景观的模拟就
近年来Web服务技术得到快速发展,它具有分布式、模块化、基于网络、自描述等特性,为互联网应用提供了统一的服务注册、发现、绑定和集成机制,而Mashup的概念则主要是通过整合不
随着移动互联网的发展,传统的互联网应用正在向移动设备转移。移动设备以其便携性以及丰富的功能正逐渐成为人们生活中不可或缺的一部分,尤其是当前流行的社交应用以及多媒体