스마트 IOT에서 의사결정을 하는 방법

 

 

 

 

 

 

 

 

 

---

# 스마트 IOT에서 시멘틱 도출하는 과정(Semantic Derivation in Smart IoT) 

 

1. 시멘틱 도출과 정보 발견

CIOT의 현실과 사이버 및 소셜 미디어로부터 얻은 방대한 데이터 분석을 통해 엄청나게 인식 된 데이터는 체계적인 방식으로 처리됩니다. CIOT가 이해하고 인식하는 범위내의 객체(Objectrs)들을 만들기 위해서 분석된 데이터에서 자동적으로 시멘틱(Semantic)을 도출하는 과정이 필요합니다.

 

시맨틱은 모든 (세트) 객체, 상황, 기호, 언어 등의 의미를 나타냅니다. CIOT에서 시멘틱 도출(SemanticDerivation)은 분석 된 데이터로부터 다양한 종류의 시맨틱 기술을 채택함으로서 시멘틱을 도출하는 과정을 뜻합니다.

 

 

2. 시멘틱  도출

(1) 콘텍스트(Context)는 상황 정보 (실체의 상황)를 뜻합니다. 실체는 사용자와 응용 프로그램을 포함하여 그들간의 상호 작용에 관련이 있는 사람, 장소 또는 물건입니다. 

(2) 온톨로지(ontology)는 정보 교환을 위해 합의된 어휘(문맥)를 만들기 위한 어떤 식으로든 지정된 (특정 자연언어) 물건, 사건 관계 같은 개념들의 집합입니다. ontology는 프로그램과 인간이 지식을 공유하도록 돕습니다.

 

(3) CIOT에서 시멘틱 표준화(Semantic Standardization)는 CIOT의 패러다임 속 시멘틱 도출에 성공에 있어 중요한 원동력이 됩니다. 이는 시멘틱 상호 운용성과 확장성을 효율적으로 높여주기 때문입니다.

 

 

# 분석한 데이터로부터 지식 발견 기술

 

1) Multilevel Associations은 서로 다른 추상화 수준 (예 : CIoT의 객체가 이해할 수 있는 거리, 도시 및 국가 간의 관계)에서 시멘틱(Semantic)을 포함합니다.

 

2) Multidimensional associations은 하나 이상의 차원을 포함합니다.

 

3) Quantitative (Numerical) association rules은 값들 사이에 내재된 순서를 갖는 수치, 속성 또는 측정값이 포함됩니다.

 

 

 

* 분석 방법 및 의사 결정 과정

 

 

# Clustering Analysis

 

고전적인 지식 발견 기술 중 하나인 Clustering Analysis(군집 분석)은 분석 된 데이터 세트를 서브 세트로 분할하는 과정입니다. 군집 분석으로 인한 군집 세트를 Clustering(군집)이라고 합니다.

 

# Outlier Analysis

 

또 다른 분석 방법에는 OutLier Analysis(특이치 분석)이 있습니다. CIOT에서 일부 개체는 다른 개체와 같은 일반적인 동작 또는 동작 모델을 준수하지 않을 수 있습니다. 이러한 개체는 outlisers(특이치)로 간주됩니다.

 

일반적으로 CIOT의 의사 결정에는 reasoning(도출), planning(기획), selecting(선택)이 포함됩니다.

 

도출 및 기획을 하기 위해서 수집된 데이터를 분석하고 유용한 정보를 Inferring(추론)하는 것이 주요 관심사입니다.

 

CIoT에서는 선택(selecting)하는 과정은 스마트 트래픽 시스템의 경로 선택, 무선 전송 채널 선택 및 동시에 여러 서비스가 실행될 때 최적의 서비스 선택 등으로 매우 빈번히 일어납니다.

 

 

 

CIoT의 흥미로운 특징은 항상 많은 수의 공간적으로 분산 된 의사 결정자가 있다는 것입니다. 또한 의사 결정자의 선택은 근처의 의사 결정자에게 직접적인 영향을 미칩니다. 즉, 스마트 IoT의 결정은 로컬 대화식입니다.