• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International journal of ad hoc and ubiquitous computing >Reliable context capturing for smart offices using a sensor network
【24h】

Reliable context capturing for smart offices using a sensor network

机译：使用传感器网络对智能办公室进行可靠的上下文捕获

获取原文
获取原文并翻译 | 示例
       
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In order to realise smart offices, which provides users with comfort via various digital services, we need to acquire context information about the target space. Contexts can be obtained from raw sensor data using context classification methods, such as Bayesian network. However, packet losses and disrupted communications in wireless sensor networks disables the context classification methods to collect all the necessary data, hence reduce quality of contexts. In this paper, we propose Reliable Hybrid Bayesian Inference Mechanism (RHBIM) that features in-network disruption-tolerant Bayesian inference with server-side calculation of Posterior Probability Tables. In this paper, we show the design and implementation of the mechanism with a range of disruption-tolerance schemes, and apply the mechanism to an application that controls air conditioners based on the ('comfort level') context. We also show the effectiveness of the mechanism comparing the different disruption-tolerance schemes. 【Keywords】sensor network; Bayesian network; air conditioning; smart office: context classification.
机译：为了实现通过各种数字服务为用户提供舒适感的智能办公室，我们需要获取有关目标空间的上下文信息。可以使用上下文分类方法（例如贝叶斯网络）从原始传感器数据中获取上下文。但是，无线传感器网络中的数据包丢失和通信中断使上下文分类方法无法收集所有必需的数据，从而降低了上下文质量。在本文中，我们提出了可靠的混合贝叶斯推理机制（RHBIM），该机制具有网络内容忍的贝叶斯推理功能，并具有后验概率表的服务器端计算功能。在本文中，我们展示了具有一系列容错方案的机制的设计和实现，并将该机制应用于基于（“舒适度”）上下文控制空调的应用程序。我们还显示了比较不同的容错方案的机制的有效性。 【关键词】传感器网络；贝叶斯网络空调;智能办公室：上下文分类。

著录项

  • 来源
  • 作者

    Hiroto Aida; Jin Nakazawa; Hideyuki Tokuda;

  • 作者单位

    Graduate School of Media and Governance,Keio University, Fujisawa, Kanagawa, Japan;

    Graduate School of Media and Governance,Keio University, Fujisawa, Kanagawa, Japan;

    Faculty of Environment and Information Studies,Keio University, Fujisawa, Kanagawa, Japan;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号