對(duì)物聯(lián)網(wǎng)服務(wù)進(jìn)行聚類處理,能有效提高物聯(lián)網(wǎng)服務(wù)發(fā)現(xiàn)的效率。然而在現(xiàn)有的大多數(shù)物聯(lián)網(wǎng)服務(wù)聚類方法中,在對(duì)物聯(lián)網(wǎng)服務(wù)進(jìn)行描述時(shí)采用的都是WSDL（Web Services Description Language）語言,對(duì)物聯(lián)網(wǎng)服務(wù)進(jìn)行聚類時(shí)使用的多是傳統(tǒng)聚類算法。WSDL語言缺乏對(duì)服務(wù)的語義描述,容易造成理解偏差,而傳統(tǒng)聚類算法會(huì)存在諸如過于依賴初始聚類中心、全局搜索能力不強(qiáng)等缺陷,從而影響了聚類結(jié)果的準(zhǔn)確率,為此,本文研究了基于語義的物聯(lián)網(wǎng)服務(wù)聚類算法。本文的具體研究?jī)?nèi)容如下:（1）經(jīng)過語義化處理對(duì)物聯(lián)網(wǎng)服務(wù)進(jìn)行統(tǒng)一表達(dá),有效避免由于不同描述方式造成的理解偏差。選定合適的語義化服務(wù)描述語言O(shè)WL-S（Ontology Web Language for Services）后,分析現(xiàn)有的物聯(lián)網(wǎng)服務(wù)語義化轉(zhuǎn)換方法,針對(duì)這些方法存在的不足之處,提出一種新的從WSDL文件到OWL-S文件的轉(zhuǎn)換方法,通過操作映射和本體映射,實(shí)現(xiàn)WSDL服務(wù)描述文件到OWL-S服務(wù)描述文件的轉(zhuǎn)換。（2）K-Means算法在物聯(lián)網(wǎng)服務(wù)聚類中得到了廣泛應(yīng)用,但一般都是直接將K-means算法用于物聯(lián)網(wǎng)服務(wù)聚類,忽略算法... 

【文章來源】：南京郵電大學(xué)江蘇省

【文章頁數(shù)】：66 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
專用術(shù)語注釋表
第一章 緒論
    1.1 研究背景和意義
    1.2 主要研究?jī)?nèi)容
    1.3 論文組織結(jié)構(gòu)
第二章 物聯(lián)網(wǎng)服務(wù)聚類和語義化的相關(guān)研究
    2.1 物聯(lián)網(wǎng)服務(wù)聚類
        2.1.1 聚類算法概述
        2.1.2 現(xiàn)有的服務(wù)聚類方法存在的問題
    2.2 物聯(lián)網(wǎng)服務(wù)的語義化
        2.2.1 服務(wù)語義化的必然性
        2.2.2 WSDL與 OWL-S語言簡(jiǎn)介
        2.2.3 現(xiàn)有語義化方法存在的問題
    2.3 解決現(xiàn)有問題的思路
        2.3.1 改進(jìn)K-Means聚類算法
        2.3.2 引入本體映射思想
    2.4 本章小結(jié)
第三章 一種新的物聯(lián)網(wǎng)服務(wù)的語義轉(zhuǎn)換方法
    3.1 生成OWL文件
    3.2 本體映射
    3.3 本地本體庫
    3.4 相似度計(jì)算
        3.4.1 基于概念名稱的相似度計(jì)算
        3.4.2 基于屬性的相似度計(jì)算
        3.4.3 基于結(jié)構(gòu)的相似度計(jì)算
        3.4.4 本體映射綜合相似度計(jì)算
    3.5 實(shí)驗(yàn)
        3.5.1 開發(fā)環(huán)境
        3.5.2 實(shí)驗(yàn)結(jié)果
    3.6 本章小結(jié)
第四章 一種結(jié)合模擬退火算法的遺傳K-Means聚類方法
    4.1 K-Means聚類算法
    4.2 遺傳算法與模擬退火算法
        4.2.1 遺傳算法基本原理
        4.2.2 模擬退火算法基本原理
        4.2.3 遺傳模擬退火算法
    4.3 聚類有效性評(píng)價(jià)
    4.4 結(jié)合遺傳模擬退火算法的K-Means算法
        4.4.1 樣本編碼與種群初始化
        4.4.2 適應(yīng)度函數(shù)設(shè)計(jì)
        4.4.3 選擇操作
        4.4.4 模擬退火變異操作
        4.4.5 K-Means操作
        4.4.6 聚類方法的具體過程
    4.5 實(shí)驗(yàn)
    4.6 本章小結(jié)
第五章 基于語義的物聯(lián)網(wǎng)服務(wù)聚類方法的實(shí)現(xiàn)
    5.1 實(shí)驗(yàn)環(huán)境
    5.2 實(shí)驗(yàn)設(shè)計(jì)
    5.3 語義物聯(lián)網(wǎng)服務(wù)的向量化處理
        5.3.1 本體概念的相似度計(jì)算
        5.3.2 輸入/輸出參數(shù)向量化
    5.4 實(shí)驗(yàn)結(jié)果
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間申請(qǐng)的專利
附錄3 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于聚類算法和物聯(lián)網(wǎng)技術(shù)的廢氣監(jiān)測(cè)系統(tǒng)研究[J]. 王晗,王必晴,張楓,方凌霄.  福建電腦. 2018(03)
[2]改進(jìn)的多策略本體映射方法[J]. 李凱,李萬龍,鄭山紅,張亞鳳.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(04)
[3]基于重構(gòu)變異算子遺傳算法的研究[J]. 賀永興,楊瑞,唐偉,歐新良.  計(jì)算機(jī)技術(shù)與發(fā)展. 2015(12)
[4]聚類方法綜述[J]. 金建國(guó).  計(jì)算機(jī)科學(xué). 2014(S2)
[5]DBSCAN算法中參數(shù)的自適應(yīng)確定[J]. 李宗林,羅可.  計(jì)算機(jī)工程與應(yīng)用. 2016(03)
[6]一類基于模型的聚類方法[J]. 魏瑾瑞.  統(tǒng)計(jì)與信息論壇. 2014(02)
[7]物聯(lián)網(wǎng)服務(wù)發(fā)現(xiàn)初探:傳統(tǒng)SOA的可行性和局限性[J]. 魏強(qiáng),金芝,李戈,李力行.  計(jì)算機(jī)科學(xué)與探索. 2013(02)
[8]基于粒子群的粗糙核聚類算法[J]. 姚麗娟,羅可.  計(jì)算機(jī)應(yīng)用研究. 2012(08)
[9]K-means聚類算法研究綜述[J]. 王千,王成,馮振元,葉金鳳.  電子設(shè)計(jì)工程. 2012(07)
[10]遺傳算法編碼方案比較[J]. 張超群,鄭建國(guó),錢潔.  計(jì)算機(jī)應(yīng)用研究. 2011(03)

博士論文
[1]云物流服務(wù)的發(fā)現(xiàn)與組合方法研究[D]. 張水旺.合肥工業(yè)大學(xué) 2016

碩士論文
[1]一種基于特征向量的Web服務(wù)發(fā)現(xiàn)算法研究[D]. 劉超.吉林大學(xué) 2011



本文編號(hào)：3645528