Deriving semantic sensor metadata from raw measurements

Calbimonte, JP.; Corcho, Oscar; Yan, Zhixian; Jeung, H. y Aberer, K. (2012). Deriving semantic sensor metadata from raw measurements. En: "5th International Workshop on Semantic Sensor Networks", 10/11/2012 - 10/11/2012, Boston (Estados Unidos). ISBN 1613-0073. pp. 33-48.

Descripción

Título: Deriving semantic sensor metadata from raw measurements
Autor/es:
  • Calbimonte, JP.
  • Corcho, Oscar
  • Yan, Zhixian
  • Jeung, H.
  • Aberer, K.
Tipo de Documento: Ponencia en Congreso o Jornada (Artículo)
Título del Evento: 5th International Workshop on Semantic Sensor Networks
Fechas del Evento: 10/11/2012 - 10/11/2012
Lugar del Evento: Boston (Estados Unidos)
Título del Libro: Proceedings of the 5th International Workshop on Semantic Sensor Networks
Fecha: 2012
ISBN: 1613-0073
Volumen: 904
Materias:
Escuela: Facultad de Informática (UPM) [antigua denominación]
Departamento: Inteligencia Artificial
Licencias Creative Commons: Reconocimiento - Sin obra derivada - No comercial

Texto completo

[img]
Vista Previa
PDF (Document Portable Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (2MB) | Vista Previa

Resumen

Sensor network deployments have become a primary source of big data about the real world that surrounds us, measuring a wide range of physical properties in real time. With such large amounts of heterogeneous data, a key challenge is to describe and annotate sensor data with high-level metadata, using and extending models, for instance with ontologies. However, to automate this task there is a need for enriching the sensor metadata using the actual observed measurements and extracting useful meta-information from them. This paper proposes a novel approach of characterization and extraction of semantic metadata through the analysis of sensor data raw observations. This approach consists in using approximations to represent the raw sensor measurements, based on distributions of the observation slopes, building a classi?cation scheme to automatically infer sensor metadata like the type of observed property, integrating the semantic analysis results with existing sensor networks metadata.

Más información

ID de Registro: 20393
Identificador DC: http://oa.upm.es/20393/
Identificador OAI: oai:oa.upm.es:20393
URL Oficial: http://ceur-ws.org/Vol-904/
Depositado por: Memoria Investigacion
Depositado el: 25 Oct 2013 15:14
Ultima Modificación: 21 Abr 2016 23:09
  • Open Access
  • Open Access
  • Sherpa-Romeo
    Compruebe si la revista anglosajona en la que ha publicado un artículo permite también su publicación en abierto.
  • Dulcinea
    Compruebe si la revista española en la que ha publicado un artículo permite también su publicación en abierto.
  • Recolecta
  • e-ciencia
  • Observatorio I+D+i UPM
  • OpenCourseWare UPM