@phdthesis{01J7N8YT3CXGAHEP8EEZ4N1CF2,
  abstract     = {{In de laatste decennia zijn talloze apparaten uitgerust met sensoren en verbonden met het internet. Deze digitalisering van fysieke apparaten heeft geleid tot het Internet of Things (IoT) en de ontwikkeling van intelligente systemen in verschillende toepassings-domeinen zoals de productieindustrie en de gezondheidszorg. Het stijgende aantal IoT-apparaten en hun heterogeniteit brengen echter ook uitdagingen met zich mee. In dit proefschrift wordt onderzocht hoe de schaalbaarheid van IoT systemen kan worden verbeterd met betrekking tot de collectie, analyse en visualisatie van de gegeneerde sensordata. Enerzijds wordt onderzocht hoe technologieën voor het semantisch web kunnen worden toegepast om de interoperabiliteit tussen de verschillende apparaten te verbeteren, en om van ruwe sensordata tot gestructureerde informatie en kennis te komen. Op basis hiervan wordt een dynamisch dashboard ontworpen dat aan de hand van semantische redenering en een contextbewust aanbevelingssysteem in staat is om de dashboardconfiguratie te vereenvoudigen en het volledige datavisualisatieproces te automatiseren. Anderzijds wordt onderzocht hoe de schaalbaarheid van het volledige IoT systeem kan worden verbeterd met betrekking tot de grote hoeveelheid aan sensordata die moet verwerkt worden. Hiervoor wordt gebruik gemaakt van gedistribueerde softwarearchitecturen waarin elke component individueel dynamisch kan worden geschaald. Dit proefschrift onderzoekt hoe deze complexe systemen automatisch kunnen worden gemonitord.}},
  author       = {{Moens, Pieter}},
  isbn         = {{9789463558808}},
  language     = {{eng}},
  pages        = {{XXVIII, 230}},
  publisher    = {{Ghent University. Faculty of Engineering and Architecture}},
  school       = {{Ghent University}},
  title        = {{Context-aware machine learning for scalable IoT data analytics and visualization using semantic web technologies}},
  year         = {{2024}},
}