抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
もの(IoT)不均一データインターネットの統合への関心の高まりは,システム設計とスキーママッチングアルゴリズムの品種の導入をもたらした。しかし,スキーママッチングのための多くのアルゴリズムは,データソースのスキーマの未知のため,自動的かつ効率的に処理できない。本論文では,時系列データの大規模コレクションを介したデータ源の場を認識できることを新しいアルゴリズムを導入することにより,この問題を解決することを試みた。場を知る前方により,基本的なスキーマ,その後スキーママッチングに大きく寄与することを得ることができた。著者らのアルゴリズムは,自己組織化マップ(SOM)を用いて時系列データとクラスタの特性の抽出において良好な利点を有している。クラスタリング結果を適用した新しい未知データセットが近付いたらIoT場とデバイスを認識する。はいくつかの分野からの実際のデータセット上での包括的実験セットを用いてこのアルゴリズムの有用性と効率性を実証した。結果は筆者らのアルゴリズムが良好な性能と効率を持つことを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】