基于向量关系表的自动数据收集算法

移动计算机在断连接情况下的操作功能,是通过数据收集来完成的,它的目的是在断连之前,把用户在将来需要查看的数据下载存储。提出一种自动数据收集算法,此算法基于向量关系表,以此为依据来计算对象之间的关联程度,以寻求紧密关联的对象簇,再利用优先度算法,通过分析置信度和支持度的值来比较它们的优先度,从而得出系统需要收集的数据对象。实验表明,这种方法很好地提高了断连操作中数据访问的命中率,并且大大节省了缓存的开销。     

基于移动实时事务相关图的数据收集

在移动环境下,为了满足实时事务在移动主机断接后数据的可用性,在事务启动前,数据必须收集到移动主机的缓存中。根据实时事务的相关性,给出了实时事务的相关图。介绍了基于时间阈值、空间阈值、数据的有效期阈值的收集算法,有效保证数据的可用性和实时事务的定时限制。     

移动事务的数据收集与存储

数据收集是移动数据库中的一个关键问题,将数据收集到移动客户机的缓存中,使客户机在断接期间使用本地数据自主操作,提高了数据的可用性。文章提出了根据移动事务相关图的事务序列进行收集和淘汰的收集方法,以属性—事务片段存取集和元组—事务片段存取集组成收集单元,以此为收集粒度,方便收集,并节省空间。解决了数据收集中收集内容与收集单元的问题。     

移动代理模式下的数据收集

介绍了一种移动代理模式下的数据收集保护协议，其数据完整性保护基于在有限域上求解离散对数的困难性，提出了一种新的数据收集保护协议，此协议的数据完整性基于特定条件下求解二次剩余的困难性，协议允许参与主机更改数据，因而每一主机可访问多次，同时，根据实际需要可采用传统加密体制对数据进行加密。     

移动计算环境下路网上移动对象的位置更新

针对移动网络环境下移动对象的位置更新、断连检测和处理的问题,提出了现有位置更新策略的改进算法。采用固定时限策略进行断连检测,虽然能够获取快速而准确的断连检测,但是直接增加了位置更新的次数,降低了原有位置更新策略的性能。为了改正该缺点,提出了自适应策略,即根据移动对象的位置估计一个最晚的更新时限,实现强制更新。此外,还提出了群组更新策略中断连的处理算法。实验仿真结果表明,新算法既能减少位置更新次数,又能实现有效合理的网络处理。     

VSR: 多sink机会移动传感器网络的数据收集

机会移动传感器网络可应用在野生动物监控,或利用手持设备嵌入的传感器收集城市信息等场景,往往需要将数据从源节点传输到多个基站中的任一个.提出了一个基于虚拟空间的路由机制VSR(virtual space-based routing),采用“存储-携带-转发”的传输模式实现数据收集.每个传感器节点根据与多个sink节点的期望传输延迟映射成高维空间中的一个坐标点,消息传输对应于从源节点移动到空间原点的过程.细粒度的转发决策特性,使VSR自适应于网络的动态变化,具有很好的鲁棒性.此外,VSR机制具有很低的计算和存储开销,非常适合资源受限的传感器节点.两种不同随机特性场景下的模拟实验验证了VSR机制比ZebraNet的基于历史的转发机制和随机转发机制的性能更好.     

移动低占空比无线传感网中数据收集的研究进展

移动低占空比无线传感网(Mobile Low-duty-cycle Wireless Sensor Networks,MLDC-WSN)是一种新型的传感器网络,它能克服传统无线传感网络(WSN)中仅考虑静态网络、网络能耗大等问题。但是,MLDC-WSN的新特性给数据收集应用带来了新的挑战,例如:移动性会导致网络拓扑结构不断改变,造成网络连通性不稳定;节点的苏醒时间短,造成通信延迟大。针对MLDC-WSN中数据收集的研究现状进行了分析和对比,分别从节点移动性管理、节点睡眠调度、数据收集协议等3个方面进行了综述。此外,还总结了该领域中待解决的重要科学问题,并对未来的研究方向进行了展望。     

WSN中基于移动Sink的高效数据收集算法

针对无线传感器网络中的数据收集问题,提出一种改进的MWSF算法。该算法结合A*算法求解出移动Sink在传感器节点之间移动的最短路径,利用MWSF算法找到移动Sink所需访问的下一个传感器节点,并与单跳通信范围内的其他传感器节点进行通信,从而收集数据。仿真结果表明,该算法能降低数据溢出发生率,提高网络的数据传输效率。     

一种移动数据同步算法

由于无线网络的带宽窄、不可靠和频繁断接等限制,传统的基于应答消息的数据同步算法不再适用.提出一种基于时间戳的多次传输算法来解决这个问题.它缓存移动基站发给移动客户机的消息,对比版本信息时间戳识别移动客户机丢失的消息,并重新发送这些消息.通过建立数学模型与已有的经典移动数据同步算法作比较,证明其更能有效地降低数据访问出错率,保持数据的一致性,且移动客户机在接收到消息后无需发送应答消息,更适合在通信不稳定的无线网络环境下使用.     

无线传感器网络中一种基于移动Sink的数据收集算法

针对移动无线传感器网络设计一种不依赖于节点地理位置的基于移动汇聚节点(Sink)的数据收集算法(Mobile Sink-based Data Gathering,MSDG)。该算法解决了无线传感器网络中多跳路由通信时出现能量空洞的"热点"问题。Sink沿途以最近的固定节点作为根节点动态构建路由树。簇内移动节点感知的数据经簇头进行数据融合计算,然后将融合后的数据沿路由树反向逐跳转发给Sink。仿真结果表明,MSDG在节点的平均能耗和网络生存时间等方面的性能远超过LEACH、ACE-L等数据收集协议。     

普适计算中基于上下文信息的缓存管理算法

普适计算的一个常见的难题是断连操作,而移动设备在断连状态下对数据进行操作又是必要的.为了支持断连操作,需要在移动客户端上进行数据缓存.数据收集的目的是在断连前把用户将来可能访问的数据预先存储到本地缓存,因此收集过程的结果将对断连操作的性能产生重大影响.目前针对断连操作的数据收集算法,对缓存命中都有一定效果,为了进一步提高缓存命中率,本文根据上下文信息进行数据收集算法;然后在访问数据时同步建立数据之间的关联,并在数据关联的基础上自动选择要收集的数据集;最后将结果按缓存驻留时间和访问次数进行缓存替换.模拟试验结果表明,此算法对于存储容量小的手持移动设备可以有效地提高断连操作时的缓存命中率,可以更好的支持移动设备的断连操作.     

移动环境中请求多数据项的广播调度算法

提出移动环境中请求多数据项的广播调度算法——基于权重的调度算法(BWS)和权重比截止时间算法(WID)。BWS算法根据数据项对客户的满足情况确定权重,并以数据项的总权重作为调度的依据,同时考虑数据项的使用频率和数据项对于客户的满足情况。WID算法以总权重与截止时间的比值作为调度依据,同时考虑广播效率和紧急性的要求。在数据广播调度方面这2种算法比传统的算法具有更好的性能。     

MANET中基于缓存的移动数据查询处理算法的研究

针对MANET环境中带宽有限、能量有限、存储有限和链路频繁的断接性等特点,提出了基于缓存的移动数据查询问题,证明该问题是NP完全问题,并给出一个多项式时间的近似算法,即最大节点新覆盖数据算法MD.该算法采用贪心策略,查询新覆盖数据量最大的节点,减少了查询次数,并最大限度地减少了网络中的传输时延.然后在MD算法的基础上,同时考虑了节点新覆盖数据量和链路服务质量问题,提出了一种改进的高效的启发式算法,即基于最大节点DD值的算法MDD,有效地减少了能量消耗,最小化数据传输时延,提高了网络的吞吐量.理论分析及实验结果表明提出的数据查询算法能够充分利用缓存节点的数据信息,较好地完成数据查询工作,有效地减少数据收集时延,提高查询效率.     

移动环境中数据广播的自适应可靠性研究

在移动计算环境中,数据广播已成为数据发布和获取的重要手段。为了提高数据广播的可靠性,使移动用户能有效的访问到所需数据项,提出一种移动环境下的自适应等距离广播算法。根据广播数据项的被干扰情况,对广播数据项的广播顺序进行等距离调度。最后通过性能分析表明该广播算法有效的提高了数据广播的可靠性。     

移动数据库的并行数据分发控制技术研究

移动计算环境中上下行通信链路资源有限,通信链路频繁断连。数据移动终端用户如何能在移动计算环境中高效的访问数据,保证数据的实时性是文章的研究重点。通过提出一种基于并发控制的数据广播技术,来保证移动数据终端对数据的访问效率、时效性等性能的要求。实验结果表明数据访问的效率、时效性得到了提高。     

移动环境下多数据项请求广播的改进算法

在移动计算环境下,为提高多数据项请求广播的响应率,提高服务器的响应能力,研究了广播内容选择对响应率的影响,提出了一种新的广播内容选择方式,并对多数据项请求广播调度算法QEM（Query Extend Method）进行了改进。试验结果表明改进后的算法能进一步提高多数据项请求广播的响应率。     

移动Web访问高性能缓存验证算法

提出一种基于客户-代理-服务器的卷回调算法来解决传统回调算法所面临的两个主要问题:可扩充性和客户端断连.代理可以分担服务器的负载,提高系统的可扩充性;基于卷的回调可以加速验证过程,消除客户从断连状态恢复时的重新验证瓶颈.试验结果表明,改进的卷回调算法可以减少86%的验证消息,从而使得强一致性的回调算法在总体性能上已经接近通常使用的弱一致性的ATTL(adaptive time to live)算法.     

面向大规模移动终端的数据管理方法

为把移动环境下的各种终端组织起来,形成一个统一的数据管理环境,提出一个面向大规模移动终端的数据管理方法(MTDM)。描述移动对象实体注册、查询与数据传输过程,使用缓存、元数据描述、目录数据存储等技术保证查询的性能与效率。测试结果表明,MTDM可以完成移动环境下数据的共享、存储和查询。     

移动计算环境下远程用户体验数据挖掘方法研究

在移动计算环境下,通过对远程用户的体验数据优化挖掘,满足远程用户的个性化需求,提高对远程用户QoS服务质量;传统的数据挖掘方法采用显著特征关联信息提取算法,当远程用户体验数据之间的差异性特征不明显时,挖掘的准确性不好;提出一种基于关联用户自适应链路跟踪补偿的移动计算环境下远程用户体验数据挖掘模型,进行远程用户体验数据挖掘模型的总体设计和数据结构特征分析,对采集的远程用户体验数据进行非线性时间序列分解,对数据序列通过自相关特征匹配和特征压缩实现挖掘数据的指向性信息优化提取,采用关联用户自适应链路跟踪补偿方法实现对数据挖掘误差的控制和补偿,提高了数据挖掘的准确性和有效性;仿真结果表明,采用该挖掘方法进行移动计算环境下远程用户体验数据挖掘的准确度高,实时性较好,满足了移动远程用户的个性化需求,提高了对用户服务的针对性。