Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
CLaRO: A Controlled Language for Authoring Competency Questions Kapitel lesen Erstes Kapitel lesen

2019 | OriginalPaper | Buchkapitel

IoT Data Validation Using Spatial and Temporal Correlations

verfasst von : Fabio Sartori, Riccardo Melen, Fabio Giudici

Erschienen in: Metadata and Semantic Research

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The Internet of Things (IoT) is the extension of Internet connectivity to physical devices and everyday objects. These devices composed by sensors, software and network connectivity can acquire, store and exchange data among them over the Internet. One of the main tasks of an IoT system consists in the continuous exchange of data and information of various kinds. The correctness of the value produced by the sensor is a crucial factor for the operation and reliability of the entire IoT system. This paper presents a centralized data validation algorithm which attempts to use spatial and temporal correlations to compensate for error on the data.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel A Classification of Grammar-Infused Templates for Ontology and Model Verbalisation
Nächstes Kapitel Semantic Assistance System for Providing Smart Services and Reasoning in Aero-Engine Manufacturing
Literatur
1.
Fawzy, A., Mokhtar, H.M., Hegazy, O.: Outliers detection and classification in wireless sensor networks. Egypt. Inform. J. 14(2), 157–164 (2013)CrossRef
2.
Branisavljević, N., Kapelan, Z., Prodanović, D.: Improved real-time data anomaly detection using context classification. J. Hydroinformatics 13, 307–323 (2011)CrossRef
3.
Brownlee, J.: A tour of machine learning algorithms. Mach. Learn. Mastery 1542, 33–36 (2013)
4.
Sun, S., Bertrand-Krajewski, J.L.: On calibration data selection: the case of stormwater quality regression models. Environ. Model Softw. 35, 61–73 (2012)CrossRef
5.
Mourad, M., Bertrand-Krajewski, J.L.: A method for automatic validation of long time series of data in urban hydrology. Water Sci. Technol. 45, 263–270 (2002)CrossRef
6.
Qin, S.J., Li, W.: Detection, identification, and reconstruction of faulty sensors with maximized sensitivity. AIChE J. 45, 1963–1976 (1999)CrossRef
7.
Olsson, G., Nielsen, M., Yuan, Z., Lynggaard-Jensen, A., Steyer, J.-P.: Instrumentation, control and automation in wastewater systems. Water Intell. Online 4, 9781780402680 (2015)CrossRef
8.
Kramer, M.A.: Nonlinear principal component analysis using autoassociative neural networks. AIChE J. 37, 233–243 (1991)CrossRef
9.
Staroswiecki, M.: Intelligent sensors: a functional view. IEEE Trans. Ind. Inform. 1, 238–249 (2005)CrossRef
10.
Ibargiengoytia, P.H., Sucar, L.E., Vadera, S.: Real time intelligent sensor validation. IEEE Trans. Power Syst. 16, 770–775 (2001)CrossRef
11.
12.
Ruiz-Garcia, L., Lunadei, L., Barreiro, P., Robla, J.I.: A review of wireless sensor technologies and applications in agriculture and food industry: state of the art and current trends. Sensors (Switzerland) 9, 4728–4750 (2009)CrossRef
13.
Zonta, D., et al.: Wireless sensor networks for permanent health monitoring of historic buildings. Smart Struct. Syst. 6, 595–618 (2010)CrossRef
14.
Durisic, M.P., Tafa, Z., Dimic, G., Milutinovic, V.: A survey of military applications of wireless sensor networks. In: Mediterranean Conference on Embedded Computing (MECO), pp. 196–199 (2012)
15.
Ko, J., et al.: Wireless sensor networks for healthcare. Proc. IEEE 98, 1947–1960 (2010)CrossRef
16.
Pan, L., Li, J.: K-nearest neighbor based missing data estimation algorithm in wireless sensor networks. Wirel. Sens. Netw. 02, 115–122 (2010)CrossRef
17.
18.
19.
Mollanoori, M., Hormati, M.M., Charkari, N.M.: An online prediction framework for sensor networks. In: 16th Iranian Conference on Electrical Engineering (2008)
20.
Sartori, F., Melen, R.: An infrastructure for wearable environments acquisition and representation. In: Proceedings of the Twentieth ACM International Symposium on Mobile Ad Hoc Networking and Computing, pp. 371–372. ACM (2019)
21.
Can, A., Guillaume, G., Picaut, J.: Cross-calibration of participatory sensor networks for environmental noise mapping. Appl. Acoust. 110, 99–109 (2016)CrossRef
22.
Tran, B.H., Bouju, A., Plumejeaud-Perreau, C., Bretagnolle, V.: Towards a semantic framework for exploiting heterogeneous environmental data. Int. J. Metadata Semant. Ontol. 11(3), 191–205 (2016)CrossRef
23.
Andrade, A.T.C., Montez, C., Moraes, R., Pinto, A.R., Vasques, F., da Silva, G.L.: Outlier detection using k-means clustering and lightweight methods for wireless sensor networks. In: IECON 2016-42nd Annual Conference of the IEEE Industrial Electronics Society, pp. 4683–4688. IEEE (2016)
24.
Wang, Z.M., Song, G.H., Gao, C.: An isolation-based distributed outlier detection framework using nearest neighbor ensembles for wireless sensor networks. IEEE Access 7, 96319–96333 (2019)CrossRef
25.
Melen, R., Sartori, F., Grazioli, L.: Modeling and understanding time-evolving scenarios. In: Proceedings of the 19th World Multiconference on Systemics, Cybernetics and Informatics (WMSCI 2015), vol. I, pp. 267–271 (2015)
26.
Sartori, F., Melen, R.: Wearable expert system development: definitions, models and challenges for the future. Program 51(3), 235–258 (2017)CrossRef
Metadaten
Titel
IoT Data Validation Using Spatial and Temporal Correlations
verfasst von
Fabio Sartori
Riccardo Melen
Fabio Giudici
Copyright-Jahr
2019
Buch
Metadata and Semantic Research

Print ISBN: 978-3-030-36598-1

Electronic ISBN: 978-3-030-36599-8

Copyright-Jahr: 2019

DOI
https://doi.org/10.1007/978-3-030-36599-8_7

Neuer Inhalt

    Bildnachweise