基于Lyapunov优化的时变无线传感网路由研究

针对无线传感网应用中监测环境具有随机性和不可预测性等因素使得节点感知速率通常是时变的且某些时刻会超出链路容量的实际问题,设计了一种时变路由算法.在该算法中,将时变感知速率下的路由问题建立成以时均的网络能耗与丢弃感知数据代价的加权和最小为目标的随机优化模型,并利用Lyapunov优化技术求解该模型,进而得到一种路由策略来实时决策每条链路上的数据流量以及由于节点感知速率持续超出链路容量而不得不丢弃的数据量.进一步,讨论感知数据不被丢弃的条件,建立目标函数与感知信息最大传输时延之间的权衡关系.最后,通过仿真实验,验证了本文算法在能耗、感知数据的丢弃量及传输时延之间的均衡关系.还在不同的最大数据感知速率下,比较了本文算法与AVE算法的性能.     

交通网络控制防冲突算法研究与仿真

研究非均匀无线交通网络控制中的防冲突问题,降低链路冲突率.由于非均匀无线交通控制网络传感器分布的不均匀特性使得传感器节点在事件易发区域部署较密集,当事件发生同时触发多个节点时,存在网络的节点链路占有率较低,传统的防冲突算法仅通过路由算法避免单一冲突的发生,不能有效解决多触发存在的节点链路占有率低的问题,造成链路冲突率较高.为解决上述问题,提出了节点分簇的非均匀无线交通控制网络链路防冲突算法.通过能量评估模型将易同时触发的节点分为一簇,据能量最大原则选取一个簇中心节点,事件发生触发多个节点时,数据不是随机传输而是汇集到簇中心节点中完成最终的传输.仿真结果表明,改进方法能够避免单一路由算法不能提高节点链路占有率的问题,有效降低链路冲突率.     

无线传感器网络中移动协助的数据收集策略

利用移动数据收集器(mobile data collector,简称MDC)进行传感器网络中感知数据的收集,可以有效地减少传感器将数据发送到静止基站的传输跳数,节约网络的能量,延长网络寿命.此外,MDC通过循环收集传感器数据或承担数据转发的功能,避免节点间由于多跳传输引起的能量空洞(energy hole)以及节点失效造成的传输链路中断等问题.MDC的移动性也为无线传感器网络的研究带来新的挑战.研究基于移动协助数据收集的无线传感器网络结构,分类总结了近年来提出的一些典型的基于MDC的算法和协议,着重讨论了MDC在网络能量、延迟、路由和传输等方面带来的性能变化.最后,进行了各种算法的比较性总结,针对传感器网络中MDC的研究提出了亟待解决的问题,并展望了其未来的发展方向.     

无线链路质量突变性感知的机会路由协议

现有无线链路空间相关性感知的机会路由度量无法感知链路突变性。针对该问题,提出了能够同时感知无线链路空间相关性和突变性的机会路由测度μETX。在此基础之上,提出了基于μETX的机会路由算法ORALB。ORALB充分利用了无线链路空间的相关性,选择相关性较低的节点作为转发节点集;同时又能感知无线链路突变性,避免了选择传输开销较高的无线链路。仿真结果表明,与其他相关机会路由相比,ORALB可以有效减小数据包的传输开销,提高传输可靠性。     

一种多向链路感知的车载Ad Hoc网络传播协议

为了提高车辆自组织网络（Vehicular Ad Hoc Network,VANET）的数据传输效率,并使车辆间的数据通信能够持续进行,提出一种多向链路感知的车载Ad Hoc网络传播协议。为了保证车辆节点在执行通信任务的过程中实现数据的持续传输,防止通信链路频繁断连影响传输质量,提出了车辆网络的时间关联模型来讨论车辆间的速度差与通信持续时间的关系。为了缩短VANET中用于数据传输任务的总时间,协议基于改进蚁群的方法进行了多向链路感知,从而寻找在保证通信需求时间下的最短传输路径。实验结果分析表明,相比基于改进地理信息路由和基于优化链路状态路由的VANET数据传输算法,该算法的数据传输任务完工时间分别缩短了38.4%和27.3%,平均传输延迟分别降低了25.5%和12.1%。     

一种基于链路质量的移动Ad-hoc网络地理路由算法

如何实现简单的路由机制,使节点能够快速、高效地完成分组传递,是移动Ad-hoc网络研究的一个基本问题.针对无线链路在高误码率和抗干扰技术方面的不足,提出了将链路质量作为路由选择的度量,设计并实现了基于链路质量的地理路由算法LQPR,解决了在非理想无线链路上采用传统贪婪算法引起数据分组传送率下降的问题.该算法综合了链路质量选择模式和边界选择模式,并利用目标定位技术获取的地理位置信息指导分组的转发,以减少控制开销,优化路径选择,实现数据分组快速有效的传输.在NS-2中完整实现了LQPR协议的仿真,并通过对网络节点发送数据包的端到端时延、吞吐量以及包传送率进行比较、评估和检测,验证了LQPR路由协议的有效性.     

能量捕获无线传感器网络中速率自适应路由算法

能量捕获无线传感器网络是无源感知技术中非常重要的一类,它能够有效解决节点能量受限的问题,保持网络运行的持续性.现有的路由方法并未充分利用节点的能量捕获特性,也没有考虑到链路的成功收包率和节点的传输速率.为进一步提高网络的性能,提出了一种结合链路成功收包率的速率自适应路由算法.通过对节点的剩余能量和链路的成功收包率进行建模,给出了一个节点可作为路由中继节点所需要满足的两个条件;基于优化方程,为传输路径上的每一跳节点自适应配置时延最小化的传输速率;提出路由发现步骤来找出端到端传输时延最小的传输路径.实验结果表明,相比于固定传输速率的路由算法,所提算法所得到的传输路径具有较低的端到端传输时延和较高的吞吐率.     

一种车载机会网络文件调度与数据传输算法

车载机会网络通过移动车辆无线通信设备实现数据传输,是未来智能交通的重要组成部分。车载机会网络中,由于车辆节点的频繁移动,链路信道的衰减以及短暂的通信链路持续时间,使得车辆节点很难在有限的链路时间内成功传输大小不同的文件。为了解决以上问题,分析车辆的运行轨迹信息,根据文件传输时耗与链路持续时间,提出文件发送序列调度算法,通过计算车辆的相遇概率完成数据的传输。仿真结果表明,该方法相比传统算法在文件传输成功率、网络平均时延和网络负载率等方面具有明显的优势。     

COBRA:车载网络中基于协作的大数据传输增强机制

车载网络利用车载无线通信设备在车辆移动过程中组网.研究者们已提出了大量的路由算法用于车载网络中的多跳数据传输,但是这些算法大都假设车辆间传输带宽不受限制,从而其性能会随转发数据量的增加而降低.车载网络中用于大数据量传输的路由增强机制COBRA,利用同向行驶车辆间的拓扑稳定特性延长数据在车辆间的传输时间,利用擦除编码增加传输可靠性.实验证明,当传输数据量较大或带宽受限时,COBRA机制能以较低的开销提升现有典型车载网络路由协议的传输延时与可靠性能.     

无线传感器网络中基于链路层服务的最可靠路由路径建立算法

无线传感器网络中, 链路通信质量随时空变化很大, 并且有5\%到15\%的非对称链路存在. 链路层服务不但可以发现邻居传感器节点, 测量和预测邻居节点间的链路通信质量, 而且还能提供链路数据转发机制减轻单向链路对其他协议的影响. 为了进一步提高路由路径的可靠性和减少能量损耗, 本文利用链路层服务, 采用分布式算法, 为每个传感器节点建立了到汇聚节点的最可靠路由路径, 并理论分析该算法的性能, 最后在无线传感器网络模拟器TOSSIM上进行了模拟. 实验结果表明, 基于链路层服务的最可靠路由路径建立算法, 可充分利用单向链路建立更可靠的路由路径, 有多于17\%的节点建立了更可靠的路由路径, 路由路径的可靠性提高了2\%到51\%.     

大数据可用性的研究进展

信息技术的迅速发展催生了大数据时代的到来.大数据已经成为信息社会的重要财富,为人们更深入地感知、认识和控制物理世界提供了前所未有的丰富信息.然而,随着数据规模的增长,劣质数据也随之而来,导致大数据质量低劣,极大地降低了大数据的可用性,严重困扰着信息社会.近年来,数据可用性问题引起了学术界和工业界的共同关注,开展了深入研究,取得了一系列研究成果.本文介绍数据可用性的基本概念,讨论数据可用性的挑战与研究问题,综述数据可用性方面的研究成果,探索大数据可用性的未来研究方向.     

A Taxonomy of Dirty Data

Today large corporations are constructing enterprise data warehouses from disparate data sources in order to run enterprise-wide data analysis applications, including decision support systems, multidimensional online analytical applications, data mining, and customer relationship management systems. A major problem that is only beginning to be recognized is that the data in data sources are often dirty. Broadly, dirty data include missing data, wrong data, and non-standard representations of the same data. The results of analyzing a database/data warehouse of dirty data can be damaging and at best be unreliable. In this paper, a comprehensive classification of dirty data is developed for use as a framework for understanding how dirty data arise, manifest themselves, and may be cleansed to ensure proper construction of data warehouses and accurate data analysis. The impact of dirty data on data mining is also explored.     

数据治理技术

随着信息技术的普及，人类产生的数据量正在以指数级的速度增长，如此海量的数据就要求利用新的方法来管理.数据治理是将一个机构（企业或政府部门）的数据作为战略资产来管理，需要从数据收集到处理应用的一套管理机制，以期提高数据质量，实现广泛的数据共享，最终实现数据价值最大化.目前，各行各业对大数据的研究比较火热，但对于大数据治理的研究还处于起步阶段，一个组织的正确决策离不开良好的数据治理.首先介绍数据治理和大数据治理的概念、发展以及应用的必要性；其次，对已有的数据治理技术——数据规范、数据清洗、数据交换和数据集成进行具体的分析，并介绍了数据治理成熟度和数据治理框架设计；在此基础上，提出了大数据HAO治理模型.该模型以支持人类智能（HI）、人工智能（AI）和组织智能（OI）的三者协同为目标，再以公安的数据治理为例介绍HAO治理的应用；最后是对数据治理的总结和展望.     

大数据技术应用与研究的新视角

伴随着人类进入大数据时代,大数据在彰显出巨大应用价值的同时,也凸显出数据可用的科技问题。如何解决数据可用带来的挑战,成为各国政府和学界高度关注的问题。目前,针对大数据的可用性研究刚刚起步,对大数据可用性进行了探讨,并就数据可用性的研究前景进行了展望。     

数据提取、转换和装载技术研究

来自企业操作环境的数据是数据仓库的数据源，通过提取、转换、装载填充数据仓库，对数据提取、转换与装载技术进行了研究与实践。对数据提取、转换与装载要解决的问题进行了详细论述并提出了相应的解决方法，并以MS SQL Server2000为例，介绍了可用于析取数据的一些工具。在此基础上，以电信行业话单数据载入数据仓库为实例，就如何实现各步骤进行了详细说明，提出了在数据提取、转换与装载过程中需注意的一些问题。     

数据仓库系统中源数据的提取与集成

人们对数据分析的要求的不断提高导致了数据仓库的发展，而在建设数据仓库的过程中非常关键的一步就是从事务数据库或其它的数据源中抽取和集成原始数据。本文在对数据集成方法和数据获取中可能碰到的问题进行全面分析的基础上，较为详细地介绍了我们自行开发的数据仓库系统SEUwarehouse中源数据提取与集成工具的设计与实现．     

基于时效规则的数据修复方法

数据时效性是影响数据质量的重要因素,可靠的数据时效性对数据检索的精确度、数据分析结论的可信性起到关键作用.数据时效不精确、数据过时等现象给大数据应用带来诸多问题,很大程度上影响着数据价值的发挥.对于缺失了时间戳或者时间不准确的数据,精确恢复其时间戳是困难的,但可以依据一定的规则对其时间先后顺序进行还原恢复,满足数据清洗及各类应用需求.在数据时效性应用需求分析的基础上,首先明确了属性的时效规则相关概念,对属性的时效规则等进行了形式化定义;然后提出了基于图模型的时效规则发现以及数据时序修复算法;随后,对相关算法进行了实现,并在真实数据集上对算法运行效率、修复正确率等进行了测试,分析了影响算法修复数据正确率的一些影响因素,对算法进行了较为全面的分析评价.实验结果表明,算法具有较高的执行效率和较好的时效修复效果.     

数据迁移的一般原则

在应用软件及数据库开发中经常要做数据迁移工作 ,数据迁移就是将数据从一种数据环境移入另一种数据环境中。进行彻底而精确的数据转换应遵循以下关键步骤 :识别源数据、确定数据集成转换的规则以及开发转换规则代码。介绍了数据迁移的一般步骤 ,并提出了从数据转换、选择迁移方法以及从元数据管理的角度评价迁移工具的标准     

软件开发活动数据的数据质量问题

问题追踪系统和版本控制系统等软件开发支持工具已被广泛应用于开源和商业软件的开发中,产生了大量的数据,即软件开发活动数据.软件开发活动数据被广泛应用于科学研究和开发实践,为智能化开发提供支持.然而数据质量对相关的研究和实践有重大影响,却还没有得到足够的重视.为了能够更好地警示数据使用者潜在的数据质量问题,通过文献调研和访谈,并基于自有经验对数据进行分析,总结出了9种数据质量问题,覆盖了数据产生、数据收集和数据使用这3个不同的阶段.进一步地,提出了相应的方法以帮助发现和解决数据问题.发现问题是指加强对数据上下文的理解和通过统计分析及数据可视化发现潜在的数据质量问题,解决问题是指利用冗余数据或者挖掘用户行为模式进行修正.     

基于ETL工具的数据集成和交换的研究

数据的集成与交换,对企业的管理和决策意义重大.数据集成和交换必须解决抽取、转换和加载,但过去的异构系统很难实现,从需求分析、系统设计和系统实现3个方面,设计了一种针对数据抽取、转换和装载(Extract、Transform、Load)的ETL工具.根据ETL工具的综合要求,通过结构化分析需求,构建了系统逻辑模型;设计了...