摘要：物联网感知设备的服务描述文件为海量资源的发现与检索提供了有效的支持,是面向服务的物联网架构的基础.当前服务描述文件主要通过开发人员手工撰写完成,工作量大.现有研究SPITFIRE提出了一种半自动方法协助开发人员撰写服务描述文件,但方法本身为集中式方法,配置较复杂且精度过度依赖人工参数调优,不适合大规模部署.针对物联网海量设备的描述问题,本文提出了一种基于度量学习的分布式的物联网感知设备自动描述方法.该方法使用设备的多种数值特征作为输入,利用一种分布式的DBSCAN聚类算法对设备进行归类与推导,设备通过归类结果可自动生成自身描述文件.该方法利用度量学习优化聚类的度量函数以保障精度,以分布式方式进行灵活快速的配置,可减少人工干扰.仿真实验表明,与使用单一属性作为度量方式的SPITFIRE相比较,本文方法在获得对设备聚类相当的查全率的同时,查准率提高了20.4%,更适合于物联网海量设备使用场景.

关键词：物联网 海量设备 描述文件 分布式 优化 

单位：中国科学院计算技术研究所; 北京100190; 中国科学院大学; 北京100049