With the proliferation of technology, a system of connected and interconnected devices, henceforth referred to as Internet of Things, is emerging as a viable method for automated interactions between users and environment in day-to-day life. However, such proliferation leads to an impractical task with respect to interactions among humans and devices. The major reason behind this impractical task is that domain of human’s eye for interaction is limited and devices have their own obligations and prohibitions in context. Motivated by this observation, the paper has proposed four-layered framework, namely , Optimized Clustering-based Discovery Framework on Internet of Things (OCDF-IoT) , that (1) automatically discovers resources and their associated services using ontology, (2) governs resources using knowledge formation and representation, (3) provides efficient procedures to index resources on the basis of maximum similarity match, and (4) delegates the selection of the near optimal resource among indexed resources. The framework’s efficiency is evaluated using toll datasets that are gathered from Shambhu Toll Plaza, Panipat–Jalandhar section, Haryana, India. The obtained results support the framework’s efficacy providing more accurate similarity searches, consuming less search time. It is found that framework is stable in providing accurate erred parametric resources and helps in finding the rightful resource with computation of maximum resources. The framework takes minimum CPU throughput for processing queries and increases CPU ’s efficiency with less load on server.

中文翻译：

---

优化的基于聚类的物联网发现框架

随着技术的发展，一个由连接和互连设备组成的系统（以下称为物联网）正在成为日常生活中用户与环境之间自动交互的一种可行方法。然而，这种扩散导致人与设备之间的交互变得不切实际。这个不切实际的任务背后的主要原因是人类眼睛交互的领域是有限的，设备在上下文中有自己的义务和禁令。受此观察启发，本文提出了四层框架，即基于优化聚类的物联网发现框架（OCDF-IoT），即（1）使用本体自动发现资源及其相关服务，（2）治理使用知识形成和表示的资源，(3) 在最大相似度匹配的基础上提供索引资源的有效程序，以及 (4) 委托在索引资源中选择接近最优的资源。该框架的效率是使用从印度哈里亚纳邦帕尼帕特-贾朗达尔地区 Shambhu 收费广场收集的收费数据集进行评估的。获得的结果支持框架的功效，提供更准确的相似性搜索，消耗更少的搜索时间。发现该框架在提供准确的错误参数资源方面是稳定的，并有助于通过计算最大资源来找到正确的资源。该框架采用最小的 CPU 吞吐量来处理查询，并通过减少服务器负载来提高 CPU 的效率。(4) 委托在索引资源中选择接近最优的资源。该框架的效率是使用从印度哈里亚纳邦帕尼帕特-贾朗达尔地区 Shambhu 收费广场收集的收费数据集进行评估的。获得的结果支持框架的功效，提供更准确的相似性搜索，消耗更少的搜索时间。发现该框架在提供准确的错误参数资源方面是稳定的，并有助于通过计算最大资源来找到正确的资源。该框架采用最小的 CPU 吞吐量来处理查询，并通过减少服务器负载来提高 CPU 的效率。(4) 委托在索引资源中选择接近最优的资源。该框架的效率是使用从印度哈里亚纳邦帕尼帕特-贾朗达尔地区 Shambhu 收费广场收集的收费数据集进行评估的。获得的结果支持框架的功效，提供更准确的相似性搜索，消耗更少的搜索时间。发现该框架在提供准确的错误参数资源方面是稳定的，并有助于通过计算最大资源来找到正确的资源。该框架采用最小的 CPU 吞吐量来处理查询，并通过减少服务器负载来提高 CPU 的效率。获得的结果支持框架的功效，提供更准确的相似性搜索，消耗更少的搜索时间。发现该框架在提供准确的错误参数资源方面是稳定的，并有助于通过计算最大资源来找到正确的资源。该框架采用最小的 CPU 吞吐量来处理查询，并通过减少服务器负载来提高 CPU 的效率。获得的结果支持框架的功效，提供更准确的相似性搜索，消耗更少的搜索时间。发现该框架在提供准确的错误参数资源方面是稳定的，并有助于通过计算最大资源来找到正确的资源。该框架采用最小的 CPU 吞吐量来处理查询，并通过减少服务器负载来提高 CPU 的效率。