现代物流系统中基于路径的RFID立方体构建方法

为有效地存储和管理海量数据,提出了一种基于路径的射频识别技术数据立方体构建方法。该方法不受射频识别技术系统的物理分布影响,只与路径数据库的规模有关;在最小兴趣层和观察层之间,选择物化某些立方体单元,以保证能够快速构建立方体结构和较快响应系统不同用户的路径查询。理论分析和实验结果表明了该方法的有效性。     

一种RFID位置序列挖掘方法

由于RFID系统的特殊性,位置信息构成的序列与传统的序列有很大的差别.鉴于位置序列的特点,文中提出了一种挖掘RFID位置序列的方法RLSM,减少统计序列支持计数的时间,从而提高算法的整体执行效率.     

基于回归的多层数据立方体中的异常发现算法

为了快速有效地挖掘数据立方体中的数据,提出了阈值异常和区间异常两种基于回归分析的异常发现方法,根据回归系数帮助用户快速地找出数据单元内的异常数据.阈值异常方法通过比较数据的规格化残差和用户给定的偏差阈值来发现异常数据.区间异常方法通过比较数据点的残差绝对值和置信区间来发现异常数据.最后,对这些算法的性能进行了分析,理论分析和实验结果验证了这两种算法的有效性.     

无线传感器网络中安全高效的空间数据聚集算法

提出了一种传感器网络中安全高效的空间数据聚集算法SESDA（secure and energy-efficient spatial dataaggregation algorithm）.SESDA 基于路线方法实现数据聚集,由于算法沿着已设计好的路线执行聚集请求和数据聚集,使得SESDA 不受网络拓扑结构的影响,适用于网络拓扑结构动态变化的传感器网络,且节省了网络拓扑结构的维护消耗.此外,针对过多加/解密操作对节点能量急剧消耗的特点,SESDA 通过安全通道传输感知数据来保证数据的隐私性,避免了节点之间在数据传输过程中需要对感知数据进行加/解密操作,不仅可以节约节点大量的能量从而延长网络寿命,而且使得数据聚集具有很小的处理延迟,因而获得较高的聚集精确度.理论分析和实验结果显示,SESDA 具有低通信量、低能耗、高安全性和高精确度的特点.     

属性认证和结构授权结合的隐私保护方案

为防止在数据共享的同时泄露医疗数据中的隐私信息,基于医疗数据的结构特征,提出一种属性加密和结构授权相结合的医疗数据保护方案。借助于云端和雾节点,基于属性加密算法实现细粒度的访问控制;采用提取主干结构树法去除结构冗余,结合访问策略和起止区间编码完成结构授权,两者的共同结合完成对数据的隐私保护。测试结果表明,该方案具有高安全、低存储的性能,适用于共享环境下医疗数据高等级安全保护。     

微型无人机集群低时延组网规划方法

微型无人机已广泛应用于航拍、植保、电力巡线等民用领域.但目前的微型无人机之间缺少信息交互和任务协作.针对搜索与营救场景,研究微型无人机集群的运动模式规划问题,以实现微型无人机的任务协同,完成对整个搜救区域的搜索,并将图像通过多跳传回地面.图像数据通常采用短距高吞吐量无线WiFi通信技术传输,但是WiFi有限的通信距离和微型无人机移动会引起网络中断,导致数据丢失,造成较大的传输时延.针对此问题,细致地考虑通信约束,提出基于卷地毯式搜索的组网规划算法,保证无人机网络的连通性,并据此设计非均匀节点部署方法和对应的同步/异步运动策略,可极大地降低时延,获得较好的节点负载均衡.     

传感器网络中基于路线的隐私保护数据聚集算法

针对现有隐私保护数据聚集算法依赖某种网络拓扑结构和加解密次数过多的问题,本文提出了一种基于同心圆路线的隐私保护数据聚集算法PCIDA （Privacy-preserving and Concentric-circle Itinerary-based Data Aggregation algorithm）.PCIDA沿着设计好的理想路线执行数据聚集,使得算法不依赖网络拓扑结构.PCIDA利用安全通道保证数据的隐私性,避免了数据聚集过程中的加解密运算.PCIDA沿着同心圆并行处理,使得算法数据处理延迟较小.理论分析和实验结果显示,PCIDA在较低通信量和能耗的情况下获得较高的数据隐私性和聚集精确度.     

一种异构集群中能量高效的大数据处理算法

集群的能量消耗已经超过了其本身的硬件购置费用,而大数据处理需要大规模的集群耗费大量时间,因此如何进行能量高效的大数据处理是数据拥有者和使用者亟待解决的问题,也是对能源和环境的一个巨大挑战.现有的研究一般通过关闭部分节点以减少能量消耗,或者设计新的数据存储策略以便实施能量高效的数据处理.通过分析发现即便使用最少的节点也存在很大的能源浪费,而新的数据存储策略对于已经部署好的集群会造成大规模的数据迁移,消耗额外的能量.针对异构集群下I/O密集型的大数据处理任务,提出一种新的能量高效算法MinBalance,将问题分为节点选择和负载均衡两个步骤.在节点选择阶段采用4种不同的贪心策略,充分考虑到节点的异构性,尽量选择最合适的节点进行任务处理;在负载均衡阶段对选择的节点进行负载均衡,以减少各个节点因为等待而造成的能量浪费.该方法具有通用性,不受数据存储策略的影响.实验表明MinBalance方法在数据集较大的情况下相对于传统关闭部分节点的方法可以减少超过60%的能量消耗.