بهبود جستجو در شبکه های سنسور با استفاده از ذخیره سازی معنایی
Publish place: First National Conference on Electrical and Computer Engineering Distributed Systems and Smart Grids
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 885
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ELECONFK01_102
Index date: 6 June 2015
بهبود جستجو در شبکه های سنسور با استفاده از ذخیره سازی معنایی abstract
بیشتر تحقیقات در مورد شبکه های حسگر روی پروتکلهای مسیریابی متمرکز شده و کار چندانی روی دسترسی به داده ها صورت نگرفته است. یکی از راهکارهای مهم دسترسی به داده ها جستجوی شباهت میان آنها است، این روش مبنای بازیابی اطلاعات را بر اساس محتوا فراهم میکند. در این مقاله به مسئله جستجوی شباهت با استفاده از مفاهیم آنتولوژی پرداخته ایم و با بکارگیری یک الگوی معنایی تحت عنوان منحنی هیلبرت، داده های توزیع شده در شبکه را به شکل متمرکز با یک ساختار منسجم انعکاس داده ایم، ایده اصلی در این روش ذخیره سازی معنایی، با کمک نتایجبدست آمده از پرس و جوها ی درون شبکه ای و ثبت این نتایج با در نظر گرفتن معیارهای عنایی و آنتولوژی دریک الگوی معنایی مناسب است. و جستجوی شباهت، تلاش برای حل پرس و جوهای بعدی در مجموعه ی کوچک از گرههایی است که براساس شباهت محتوای اشان در این الگوی معنایی سازماندهی شده اند است. برای فرآیند جستجوی شباهت، یک روش جستجوی شباهت باینری( bss ) پیشنهاد شده است، با کمک این الگوریتم بدون نیاز به جمع آوری داده ها از همه حسگرها، می توان به جستجو در میان اقلام داده ای که بیشتر به هم شبیه هستند پرداخت. بررسی عملکرد نشان می دهد که این مکانیزم کارا بوده و سرعت دستیابی به داده را بطور قابل توجهی نسبت به روشهای پیشین بالا می برد.
بهبود جستجو در شبکه های سنسور با استفاده از ذخیره سازی معنایی Keywords:
بهبود جستجو در شبکه های سنسور با استفاده از ذخیره سازی معنایی authors
سمیه شاکرمی
گروه کامپیوتر دانشکده مهندسی واحد علوم و تحقیقات دانشگاه آزاد خمین
مرتضی رموزی
گروه کامپیوتر دانشکده مهندسی واحد دانشگاه آزاد اسلامی واحد کاشان
مصطفی شمسی
گروه کامپیوتر دانشکده مهندسی واحد دانشگاه امیرکبیر
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :