دانلود مقاله ISI انگلیسی شماره 107153
ترجمه فارسی عنوان مقاله

اعتبارسنجی گردش کار شبکه با استفاده از دانش مبتنی بر هستی شناختی: یک مطالعه موردی برای برنامه های سنجش از راه دور کمی

عنوان انگلیسی
Grid workflow validation using ontology-based tacit knowledge: A case study for quantitative remote sensing applications
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
107153 2017 24 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Computers & Geosciences, Volume 98, January 2017, Pages 46-54

ترجمه کلمات کلیدی
گردش کار، اعتبار سنجی، هستی شناسی، دانش تک
کلمات کلیدی انگلیسی
Workflow; Validation; Ontology; Tacit knowledge;
پیش نمایش مقاله
پیش نمایش مقاله  اعتبارسنجی گردش کار شبکه با استفاده از دانش مبتنی بر هستی شناختی: یک مطالعه موردی برای برنامه های سنجش از راه دور کمی

چکیده انگلیسی

Workflow for remote sensing quantitative retrieval is the “bridge” between Grid services and Grid-enabled application of remote sensing quantitative retrieval. Workflow averts low-level implementation details of the Grid and hence enables users to focus on higher levels of application. The workflow for remote sensing quantitative retrieval plays an important role in remote sensing Grid and Cloud computing services, which can support the modelling, construction and implementation of large-scale complicated applications of remote sensing science. The validation of workflow is important in order to support the large-scale sophisticated scientific computation processes with enhanced performance and to minimize potential waste of time and resources. To research the semantic correctness of user-defined workflows, in this paper, we propose a workflow validation method based on tacit knowledge research in the remote sensing domain. We first discuss the remote sensing model and metadata. Through detailed analysis, we then discuss the method of extracting the domain tacit knowledge and expressing the knowledge with ontology. Additionally, we construct the domain ontology with Protégé. Through our experimental study, we verify the validity of this method in two ways, namely data source consistency error validation and parameters matching error validation.