16、基于语义的传感器数据分割技术解析

基于语义的传感器数据分割技术解析

1. 现有传感器数据分割方法及局限性

在传感器数据分割领域，目前存在多种方法，但每种方法都有其局限性。
- 基于SWRL规则和JESS规则引擎的方法 ：利用时间戳信息对传感器事件进行分割，并对正在进行的活动的复杂性进行推理。然而，该方法使用通用本体推理机时，不清楚是否对整个本体进行增量式重新分类。若采用非增量式重新分类，随着本体模型和数据规模的增大，性能和可扩展性会呈指数级下降。而且，每次添加或更新规则以丰富知识库时，都需要对整个本体模型进行重新分类，同时管理通用规则和居民特定规则生成的模型会增加复杂性。
- 基于RDBMS和语义知识库映射的语法方法 ：如AALISABETH框架，结合分层本体和复杂事件处理（CEP）引擎对传感器观测进行分割。该框架集成了基于时间的推理和动态时间窗口调整机制，利用Esper进行CEP，D2RQ引擎将数据映射到RDF图。但它无法直接对来自传感器网络的传入传感器数据进行实时语义分割，限制了客户端应用在紧急情况下（如跌倒检测）接收基于事件的通知。此外，传感器网络的事件数据直接存储到传统关系数据库管理系统（RDBMS）中，未对单个事件进行检查和适当分割，需要执行连续查询来过滤或分割传感器事件，再进行基于Web本体语言（OWL）的推理。可以考虑使用具有增量推理支持的Pellet推理机，而不是使用D2RQ工具从RDBMS数据库查询和映射每个事件。并且，该框架未考虑居民在执行通用日常活动（ADL）时的偏好。
- 基于前置条件和证据理论的实用方法 ：一种方法是在执行每个ADL的阶段添加带有概率的前置条件来过滤事件，但当一个动作在