物联网搜索关键技术的研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7页 |
| 1 引言 | 第10-17页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外现状 | 第11-15页 |
| 1.3 论文系统概述 | 第15页 |
| 1.4 论文章节安排 | 第15-17页 |
| 2 预测模型的周期模式挖掘算法基础 | 第17-24页 |
| 2.1 时间序列的周期挖掘算法比较 | 第17页 |
| 2.2 周期模式的概述 | 第17-19页 |
| 2.2.1 符号标记法 | 第17-18页 |
| 2.2.2 符号的周期性定义 | 第18页 |
| 2.2.3 周期模式的定义 | 第18-19页 |
| 2.3 周期模式的挖掘过程 | 第19-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 传感器系统的预测模型 | 第24-40页 |
| 3.1 传感器系统模型 | 第24-26页 |
| 3.2 单周期预测模型 | 第26页 |
| 3.3 多周期预测模型 | 第26-31页 |
| 3.3.1 寻找周期符号 | 第27-28页 |
| 3.3.2 选择合适的时间窗 | 第28-29页 |
| 3.3.3 筛选周期符号 | 第29-30页 |
| 3.3.4 推导预测概率 | 第30-31页 |
| 3.4 预测模型排序结果的调整 | 第31-32页 |
| 3.5 测量指标 | 第32-33页 |
| 3.6 仿真性能分析 | 第33-38页 |
| 3.7 本章小结 | 第38-40页 |
| 4 基于预测模型的语义搜索系统 | 第40-75页 |
| 4.1 语义网概述 | 第40-44页 |
| 4.1.1 语义网在物联网中的重要性 | 第40-41页 |
| 4.1.2 资源描述框架RDF | 第41-44页 |
| 4.1.3 RDF的查询语言SPARQL | 第44页 |
| 4.2 未引入预测模型的语义描述 | 第44-50页 |
| 4.2.1 传感器架构的基本语义描述 | 第45-46页 |
| 4.2.2 传感器状态的语义描述 | 第46-49页 |
| 4.2.3 传感器历史状态的语义描述 | 第49-50页 |
| 4.3 引入预测模型后的语义描述 | 第50-60页 |
| 4.3.1 基本预测模型 | 第50-52页 |
| 4.3.2 引入时间元素的预测模型 | 第52-56页 |
| 4.3.3 引入地点元素和关联关系元素的预测模型 | 第56-59页 |
| 4.3.4 自定义优化 | 第59-60页 |
| 4.4 系统实现原型 | 第60-74页 |
| 4.4.1 系统实现具体论述 | 第61-62页 |
| 4.4.2 RDF模块的具体实现 | 第62-74页 |
| 4.5 本章小结 | 第74-75页 |
| 5 结论 | 第75-77页 |
| 5.1 本文所作的主要工作 | 第75页 |
| 5.2 未来工作展望 | 第75-77页 |
| 参考文献 | 第77-80页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第80-82页 |
| 学位论文数据集 | 第82页 |
