This paper presents an ontology-bas

This paper presents an ontology-based approach for
data quality inference on streaming observation data
originating from large-scale sensor networks. We evaluate this
approach in the context of an existing river basin monitoring
program called the Intelligent River®. Our current methods
for data quality evaluation are compared with the ontologybased
inference methods described in this paper. We present
an architecture that incorporates semantic inference into a
publish/subscribe messaging middleware, allowing data quality
inference to occur on real-time data streams. Our preliminary
benchmark results indicate delays of 100ms for basic data
quality checks based on an existing semantic web software
framework. We demonstrate how these results can be
maintained under increasing sensor data traffic rates by
allowing inference software agents to work in parallel. These
results indicate that data quality inference using the semantic
sensor network paradigm is viable solution for data intensive,
large-scale sensor networks.

ผลลัพธ์ (ไทย) 1:

เอกสารนี้แสดงวิธีการใช้ภววิทยาสำหรับข้อมูลคุณภาพข้อสังเกตข้อมูลการส่งกระแสข้อมูลเกิดจากเครือข่ายเซ็นเซอร์ขนาดใหญ่ เราประเมินนี้วิธีการตรวจสอบบริเวณลุ่มแม่น้ำที่มีอยู่ในโปรแกรมที่เรียกว่า®แม่น้ำอัจฉริยะ วิธีของเราปัจจุบันเพื่อการประเมินคุณภาพข้อมูลเปรียบเทียบกับ ontologybasedวิธีการข้อที่อธิบายไว้ในเอกสารนี้ เรานำเสนอสถาปัตยกรรมซึ่งประกอบด้วยข้อความหมายเป็นการมิดเดิลแวร์ส่งข้อความ ให้คุณภาพข้อมูลเผยแพร่/สมัครสมาชิกข้อจะเกิดขึ้นในกระแสข้อมูลแบบเรียลไทม์ เบื้องต้นของเรามาตรฐานผลลัพธ์บ่งชี้ว่า ความล่าช้าของ 100ms สำหรับข้อมูลพื้นฐานตรวจสอบคุณภาพตามซอฟต์แวร์เว็บเชิงความหมายที่มีอยู่กรอบ เราแสดงให้เห็นถึงผลลัพธ์เหล่านี้จะรักษาภายใต้การเพิ่มเซนเซอร์ข้อมูลจราจรอัตราช่วยให้ข้อซอฟต์แวร์ตัวแทนในการทำงานพร้อมกัน เหล่านี้ข้อคุณภาพของข้อมูลที่ใช้ในความหมายบ่งชี้ผลลัพธ์กระบวนทัศน์การเครือข่ายเซ็นเซอร์จะได้แก้ข้อมูลเร่งรัดเครือข่ายเซ็นเซอร์ขนาดใหญ่

ผลลัพธ์ (ไทย) 2:

บทความนี้นำเสนอวิธีการที่เกี่ยวกับธรรมชาติที่ใช้สำหรับการอนุมานข้อมูลที่มีคุณภาพในการสตรีมข้อมูลการสังเกตที่มาจากเครือข่ายเซ็นเซอร์ขนาดใหญ่ เราจะประเมินนี้วิธีการในบริบทของลุ่มน้ำที่มีอยู่ในการตรวจสอบโปรแกรมที่เรียกว่าอัจฉริยะRiver® วิธีการของเราในปัจจุบันสำหรับการประเมินผลข้อมูลที่มีคุณภาพเมื่อเทียบกับ ontologybased วิธีการอนุมานที่อธิบายไว้ในบทความนี้ เรานำเสนอสถาปัตยกรรมที่รวมเอาการอนุมานความหมายลงไปในหนึ่งเผยแพร่/ สมัครมิดเดิลแวร์การส่งข้อความที่ช่วยให้ข้อมูลที่มีคุณภาพการอนุมานที่จะเกิดขึ้นในเวลาจริงกระแสข้อมูล เบื้องต้นเราผลมาตรฐานบ่งบอกถึงความล่าช้าของ 100ms ข้อมูลพื้นฐานสำหรับการตรวจสอบคุณภาพบนพื้นฐานของความหมายที่มีอยู่บนเว็บซอฟแวร์กรอบ เราแสดงให้เห็นว่าผลเหล่านี้สามารถเก็บรักษาไว้ภายใต้การเพิ่มอัตราการเข้าชมข้อมูลเซ็นเซอร์โดยช่วยให้ตัวแทนซอฟแวร์การอนุมานที่จะทำงานในแบบคู่ขนาน เหล่านี้ผลการวิจัยพบข้อมูลที่มีคุณภาพอนุมานว่าการใช้ความหมายกระบวนทัศน์เครือข่ายเซ็นเซอร์เป็นโซลูชั่นที่ทำงานได้ข้อมูลมากเครือข่ายเซ็นเซอร์ขนาดใหญ่

ผลลัพธ์ (ไทย) 3:

บทความนี้นำเสนอวิธีการที่ใช้สําหรับ
อภิปรัชญาข้อมูลคุณภาพการอนุมานเกี่ยวกับสตรีมมิ่งข้อมูลการสังเกต
ที่มาจากเครือข่ายเซ็นเซอร์ขนาดใหญ่ เราใช้วิธีนี้ในบริบทของที่มีอยู่

ลุ่มน้ำตรวจสอบโปรแกรมที่เรียกว่า®แม่น้ำฉลาด ของเราในปัจจุบันวิธีการ
การประเมินคุณภาพข้อมูลเปรียบเทียบกับ ontologybased
สรุปวิธีการที่อธิบายไว้ในบทความนี้เราเสนอ
สถาปัตยกรรมที่ประกอบด้วยความหมายอนุมานเป็น
เผยแพร่ / สมัครสมาชิกการส่งข้อความมิดเดิลแวร์ ให้อนุมานคุณภาพ
ข้อมูลที่จะเกิดขึ้นในกระแสข้อมูลเรียลไทม์ ผล Benchmark เบื้องต้น
ของเราระบุความล่าช้าของ 100ms คุณภาพข้อมูลพื้นฐานการตรวจสอบบนพื้นฐานของที่มีอยู่

ความหมายเว็บซอฟต์แวร์กรอบ เราแสดงให้เห็นถึงวิธีการที่ผลลัพธ์เหล่านี้สามารถ
การรักษาภายใต้เซ็นเซอร์ข้อมูลอัตรา
ให้อนุมานซอฟต์แวร์ตัวแทนทำงานในแบบคู่ขนาน ผลลัพธ์เหล่านี้บ่งชี้ว่า คุณภาพของข้อมูลที่ใช้อ้างอิง

ความหมายของเครือข่ายเซ็นเซอร์กระบวนทัศน์เป็นโซลูชั่นที่ทำงานได้สำหรับข้อมูลที่เข้มข้น
เครือข่ายเซ็นเซอร์ขนาดใหญ่