一种基于不确定规则的数据时效性判定方法

数据过时是影响数据质量的重要因素,因此判定数据时效性对于提高数据质量至关重要.当前判定数据时效性的方法可分为两类:基于时间戳的方法和基于规则的方法.基于时间戳的方法要求精确完整的时间戳,但这样的时间戳在很多应用中不存在.基于规则的方法不要求时间戳,但现有方法均依赖于冗余元组,且不能对数据时效性做出定量判定.同时,这些方法均基于确定规则,无法表达不确定的领域知识.针对上述问题,提出不确定时效规则及相应的数据时效性模型.基于该模型,进一步给出了两个可定量地判定数据时效性的算法.同时,还给出了时效规则的学习算法.真实数据上的实验结果验证了算法的有效性.     

无线传感器网络(ε, δ)—近似Top-k查询处理算法

提出一种适合于任意数据分布的基于抽样的(ε,δ)–近似Top-k查询处理算法。其中,ε≥0和0≤δ<1分别是相对误差界和失败概率界。理论分析表明,对于任意ε≥0和0≤δ<1,该算法返回的查询结果的相对误差界大于ε/(1+ε)的概率小于δ。于是,该算法可以达到任意精度。同时,还给出了支持近似Top-k查询的优化的抽样算法,并通过节点上的数据过滤技术来减少通信能量的消耗。理论分析和仿真结果表明,提出的算法能量消耗低并且计算复杂度低。     

无线传感器网络中(ε,δ)-近似聚集算法

提出了一种基于Bernoulli抽样的近似聚集算法,以满足无线传感器网络(简称WSN)中用户给定的任意精度需求.同时,还提出了两种样本数据的自适应算法,分别用于处理用户的精确度需求以及网络中的感知数据发生变化的情况.理论分析及实验结果表明,所提出的算法在近似结果的精确度、能量开销等方面均优于已有的近似聚集算法.     

传感器网络中一种基于两阶段睡眠调度的目标跟踪协议

移动目标跟踪是传感器网络的一个重要应用.网络中传感器节点协作发现日标并将对目标的感知信息反馈给用户.为了有效地减少网络能耗和提高跟踪质量,文中提出一种基于两阶段睡眠调度的目标跟踪协议.该协议将整个跟踪过程划分成两个阶段,根据各阶段对节点密度要求的不同,分别采用不同的睡眠调度机制.文中进一步对所提出协议进行优化,在保证跟踪质量的同时最小化系统能耗.最后用36个传感器结点验证了所提出协议的有效性.     

无线传感器网络中可容错的事件监测算法

事件监测是传感器网络研究中的一个重要问题,传感器网络自身的局限性以及感知数据的非确定性向事件监测技术提出了挑战.文中分析了传感器网络中存在的各种非确定性,引入可容错的事件监测机制.文中首先提出可容错的事件发现和参与事件监测节点选择算法.在此基础上,提出可容错的事件发生区域估算算法.算法对于动态传感器网络具有较好监测效果.最后通过大量模拟实验验证了所提出算法的性能.     

P2P 网络中时变数据的近似聚集方法

随着P2P 技术在电子商务等领域的广泛应用,对分布在P2P 网络中的数据进行聚集操作的需求越来越迫切.但是,由于P2P 网络的大规模及分散性,这种聚集操作的实现颇具挑战性.而且在很多应用中,P2P 网络中的数据往往是随时间变化的,这进一步增加了聚集操作的难度.现有P2P 网络中的聚集算法均假定网络中的数据是非时变的,如果将其直接应用在存在时变数据的P2P 网络中,则会因为其聚集时间过长而导致聚集过程中数据已经发生变化的问题.为此,提出了一种P2P 网络中基于均衡采样的时变数据近似聚集算法,理论分析和实验结果表明,该聚集算法在处理时变数据时优于已有的算法,可以有效地应用于存在时变数据的P2P 网络中.