بهبود جستجو در شبکه های سنسور با استفاده از ذخیره سازی معنایی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 772

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELECONFK01_102

تاریخ نمایه سازی: 16 خرداد 1394

چکیده مقاله:

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.

کلیدواژه ها:

نویسندگان

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 مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Scott Cost, Steven Salzberg, A weighted nearest neighbor algorithm for ...
  • Xin Dong, Alon Halevy, Jayant Madhavan, Ema Nemes, Jun Zhang, ...
  • M. Flickner, H. Sawhney, W. Niblack, J. Ashley, Q. Huang, ...
  • T. Hastie, R. Tibshirani, Discriminant adaptive nearest neighbor classification, in: ...
  • I. Bhattacharya, S.R. Kashyap, S. Parthasarathy, Similarity searching in peer-to-peer ...
  • ] David Hilber. Ueber stetige Abbildung einer Linie auf ein ...
  • Xiaojun Wan, A novel document similarity measure based on earth ...
  • Yu-Chi Chung a, I-Fang Su b, Chiang Lee, An efficient ...
  • Xin Li, Young Jin Kim, Ramesh Govindan, Wei Hong, Multi- ...
  • Bo Yang n, ManoharM areboyana, Similarity search in SenS0r networks ...
  • Vijay Chandramo han, Ken Christensen, "A First Look at Wired ...
  • Surveillance Systems", Workshop on High Speed Networks _ IEEE LCN ...
  • [Tanenbaum 2007] S. Tanenbaum and M. V. Steen, Distributed Systems: ...
  • I. F. Akyildiz, W. Su, Y. S ankar asubramaniam, and ...
  • نمایش کامل مراجع