28、基于语义和机器学习方法的医疗物联网传感器数据集成

基于语义和机器学习方法的医疗物联网传感器数据集成

1. 引言

物联网（IoT）是一种将物品连接到互联网的新兴技术，它由传感器、执行器、射频识别（RFID）标签等设备组成。这些智能物联网对象具有传感、执行能力，并嵌入了物联网技术。物联网主要解决传感智能对象和事物的可扩展性、可访问性、可见性和可控性问题。未来，物理对象和数字对象需要相互嵌入和通信，以实现更多特定领域的应用。

RFID 技术用于捕获物体、人员以及生物和非生物的信息，电子产品代码（EPC）嵌入的 RFID 标签可用于追踪物联网智能事物。云计算和大数据技术则适用于物联网数据的存储和分析。物联网有广泛的应用，包括环境监测、智能家居、医疗保健、生产和库存管理、食品供应链管理、智慧城市、消防系统、无人机数据、车载自组织网络、语义实时交通管理、社交网络和工业 4.0 等。

简单来说，“物联网”就是将生物和非生物连接到互联网。传统上，在面向对象编程语言中，“对象”可以代表一切；在物联网平台中，“智能对象”也具有类似的概念，这些智能对象可以通过互联网进行物理或虚拟通信。物联网有助于人们随时随地通过网络路径和服务连接人和物。

在 20 世纪 90 年代初，尽管互联网连接在企业和消费市场有所帮助，但由于网络互连性能较低，其应用仍受到限制。到了 21 世纪，互联网连接开始广泛应用于企业、工业、医疗、商业和消费产品，以提供信息访问。然而，互联网上的资源仍然需要更多的关注，以便通过应用程序和接口进行交互和监控。据思科评估，到 2020 年，连接到互联网的设备将超过 550 亿台，与 2010 年的 100 亿台相比，几乎增长了 5 倍。

物联网传感器数据具有层次结构，原始数据由物联网设备生成，这是数据采集