对物联网服务进行聚类处理,能有效提高物联网服务发现的效率。然而在现有的大多数物联网服务聚类方法中,在对物联网服务进行描述时采用的都是WSDL(Web Services Description Language)语言,对物联网服务进行聚类时使用的多是传统聚类算法。WSDL语言缺乏对服务的语义描述,容易造成理解偏差,而传统聚类算法会存在诸如过于依赖初始聚类中心、全局搜索能力不强等缺陷,从而影响了聚类结果的准确率,为此,本文研究了基于语义的物联网服务聚类算法。本文的具体研究内容如下:(1)经过语义化处理对物联网服务进行统一表达,有效避免由于不同描述方式造成的理解偏差。选定合适的语义化服务描述语言OWL-S(Ontology Web Language for Services)后,分析现有的物联网服务语义化转换方法,针对这些方法存在的不足之处,提出一种新的从WSDL文件到OWL-S文件的转换方法,通过操作映射和本体映射,实现WSDL服务描述文件到OWL-S服务描述文件的转换。(2)K-Means算法在物联网服务聚类中得到了广泛应用,但一般都是直接将K-means算法用于物联网服务聚类,忽略算法自身存在的缺陷。为此,提出一种结合模拟退火算法的遗传K-Means聚类方法,帮助提高K-Means聚类算法的性能,优化聚类结果。(3)基于以上提出的转换方法,将测试集中的WSDL服务文件转换为OWL-S服务文件,然后使用一种经语义相似度扩展的向量空间模型,将OWL-S文件形式化为语义向量,为服务聚类算法提供数据。分别对未曾语义化的WSDL服务文件和语义化处理后的OWL-S文件,都使用K-Means算法和改进后的算法进行聚类,实验结果证明,经过服务语义化处理和聚类算法改进后,物联网服务聚类结果的准确度有了明显提升。