基于语义的物联网服务聚类算法的研究
发布时间：2022-02-28 20:29
对物联网服务进行聚类处理,能有效提高物联网服务发现的效率。然而在现有的大多数物联网服务聚类方法中,在对物联网服务进行描述时采用的都是WSDL（Web Services Description Language）语言,对物联网服务进行聚类时使用的多是传统聚类算法。WSDL语言缺乏对服务的语义描述,容易造成理解偏差,而传统聚类算法会存在诸如过于依赖初始聚类中心、全局搜索能力不强等缺陷,从而影响了聚类结果的准确率,为此,本文研究了基于语义的物联网服务聚类算法。本文的具体研究内容如下:（1）经过语义化处理对物联网服务进行统一表达,有效避免由于不同描述方式造成的理解偏差。选定合适的语义化服务描述语言OWL-S（Ontology Web Language for Services）后,分析现有的物联网服务语义化转换方法,针对这些方法存在的不足之处,提出一种新的从WSDL文件到OWL-S文件的转换方法,通过操作映射和本体映射,实现WSDL服务描述文件到OWL-S服务描述文件的转换。（2）K-Means算法在物联网服务聚类中得到了广泛应用,但一般都是直接将K-means算法用于物联网服务聚类,忽略算法...
【文章来源】：南京邮电大学江苏省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
专用术语注释表
第一章 绪论
1.1 研究背景和意义
1.2 主要研究内容
1.3 论文组织结构
第二章 物联网服务聚类和语义化的相关研究
2.1 物联网服务聚类
2.1.1 聚类算法概述
2.1.2 现有的服务聚类方法存在的问题
2.2 物联网服务的语义化
2.2.1 服务语义化的必然性
2.2.2 WSDL与 OWL-S语言简介
2.2.3 现有语义化方法存在的问题
2.3 解决现有问题的思路
2.3.1 改进K-Means聚类算法
2.3.2 引入本体映射思想
2.4 本章小结
第三章 一种新的物联网服务的语义转换方法
3.1 生成OWL文件
3.2 本体映射
3.3 本地本体库
3.4 相似度计算
3.4.1 基于概念名称的相似度计算
3.4.2 基于属性的相似度计算
3.4.3 基于结构的相似度计算
3.4.4 本体映射综合相似度计算
3.5 实验
3.5.1 开发环境
3.5.2 实验结果
3.6 本章小结
第四章 一种结合模拟退火算法的遗传K-Means聚类方法
4.1 K-Means聚类算法
4.2 遗传算法与模拟退火算法
4.2.1 遗传算法基本原理
4.2.2 模拟退火算法基本原理
4.2.3 遗传模拟退火算法
4.3 聚类有效性评价
4.4 结合遗传模拟退火算法的K-Means算法
4.4.1 样本编码与种群初始化
4.4.2 适应度函数设计
4.4.3 选择操作
4.4.4 模拟退火变异操作
4.4.5 K-Means操作
4.4.6 聚类方法的具体过程
4.5 实验
4.6 本章小结
第五章 基于语义的物联网服务聚类方法的实现
5.1 实验环境
5.2 实验设计
5.3 语义物联网服务的向量化处理
5.3.1 本体概念的相似度计算
5.3.2 输入/输出参数向量化
5.4 实验结果
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢
【参考文献】：
期刊论文
[1]基于聚类算法和物联网技术的废气监测系统研究[J]. 王晗,王必晴,张枫,方凌霄. 福建电脑. 2018(03)
[2]改进的多策略本体映射方法[J]. 李凯,李万龙,郑山红,张亚凤. 吉林大学学报(信息科学版). 2016(04)
[3]基于重构变异算子遗传算法的研究[J]. 贺永兴,杨瑞,唐伟,欧新良. 计算机技术与发展. 2015(12)
[4]聚类方法综述[J]. 金建国. 计算机科学. 2014(S2)
[5]DBSCAN算法中参数的自适应确定[J]. 李宗林,罗可. 计算机工程与应用. 2016(03)
[6]一类基于模型的聚类方法[J]. 魏瑾瑞. 统计与信息论坛. 2014(02)
[7]物联网服务发现初探:传统SOA的可行性和局限性[J]. 魏强,金芝,李戈,李力行. 计算机科学与探索. 2013(02)
[8]基于粒子群的粗糙核聚类算法[J]. 姚丽娟,罗可. 计算机应用研究. 2012(08)
[9]K-means聚类算法研究综述[J]. 王千,王成,冯振元,叶金凤. 电子设计工程. 2012(07)
[10]遗传算法编码方案比较[J]. 张超群,郑建国,钱洁. 计算机应用研究. 2011(03)
博士论文
[1]云物流服务的发现与组合方法研究[D]. 张水旺.合肥工业大学 2016
硕士论文
[1]一种基于特征向量的Web服务发现算法研究[D]. 刘超.吉林大学 2011
本文编号：3645528
【文章来源】：南京邮电大学江苏省
【文章页数】：66 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
专用术语注释表
第一章 绪论
1.1 研究背景和意义
1.2 主要研究内容
1.3 论文组织结构
第二章 物联网服务聚类和语义化的相关研究
2.1 物联网服务聚类
2.1.1 聚类算法概述
2.1.2 现有的服务聚类方法存在的问题
2.2 物联网服务的语义化
2.2.1 服务语义化的必然性
2.2.2 WSDL与 OWL-S语言简介
2.2.3 现有语义化方法存在的问题
2.3 解决现有问题的思路
2.3.1 改进K-Means聚类算法
2.3.2 引入本体映射思想
2.4 本章小结
第三章 一种新的物联网服务的语义转换方法
3.1 生成OWL文件
3.2 本体映射
3.3 本地本体库
3.4 相似度计算
3.4.1 基于概念名称的相似度计算
3.4.2 基于属性的相似度计算
3.4.3 基于结构的相似度计算
3.4.4 本体映射综合相似度计算
3.5 实验
3.5.1 开发环境
3.5.2 实验结果
3.6 本章小结
第四章 一种结合模拟退火算法的遗传K-Means聚类方法
4.1 K-Means聚类算法
4.2 遗传算法与模拟退火算法
4.2.1 遗传算法基本原理
4.2.2 模拟退火算法基本原理
4.2.3 遗传模拟退火算法
4.3 聚类有效性评价
4.4 结合遗传模拟退火算法的K-Means算法
4.4.1 样本编码与种群初始化
4.4.2 适应度函数设计
4.4.3 选择操作
4.4.4 模拟退火变异操作
4.4.5 K-Means操作
4.4.6 聚类方法的具体过程
4.5 实验
4.6 本章小结
第五章 基于语义的物联网服务聚类方法的实现
5.1 实验环境
5.2 实验设计
5.3 语义物联网服务的向量化处理
5.3.1 本体概念的相似度计算
5.3.2 输入/输出参数向量化
5.4 实验结果
5.5 本章小结
第六章 总结与展望
6.1 总结
6.2 展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间申请的专利
附录3 攻读硕士学位期间参加的科研项目
致谢
【参考文献】：
期刊论文
[1]基于聚类算法和物联网技术的废气监测系统研究[J]. 王晗,王必晴,张枫,方凌霄. 福建电脑. 2018(03)
[2]改进的多策略本体映射方法[J]. 李凯,李万龙,郑山红,张亚凤. 吉林大学学报(信息科学版). 2016(04)
[3]基于重构变异算子遗传算法的研究[J]. 贺永兴,杨瑞,唐伟,欧新良. 计算机技术与发展. 2015(12)
[4]聚类方法综述[J]. 金建国. 计算机科学. 2014(S2)
[5]DBSCAN算法中参数的自适应确定[J]. 李宗林,罗可. 计算机工程与应用. 2016(03)
[6]一类基于模型的聚类方法[J]. 魏瑾瑞. 统计与信息论坛. 2014(02)
[7]物联网服务发现初探:传统SOA的可行性和局限性[J]. 魏强,金芝,李戈,李力行. 计算机科学与探索. 2013(02)
[8]基于粒子群的粗糙核聚类算法[J]. 姚丽娟,罗可. 计算机应用研究. 2012(08)
[9]K-means聚类算法研究综述[J]. 王千,王成,冯振元,叶金凤. 电子设计工程. 2012(07)
[10]遗传算法编码方案比较[J]. 张超群,郑建国,钱洁. 计算机应用研究. 2011(03)
博士论文
[1]云物流服务的发现与组合方法研究[D]. 张水旺.合肥工业大学 2016
硕士论文
[1]一种基于特征向量的Web服务发现算法研究[D]. 刘超.吉林大学 2011
本文编号：3645528
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3645528.html
