基于优先级的哈希结构复杂事件检测方法

针对多源动态海量数据复杂事件检测中,存在复杂事件不能及时检测以及过多占用内存的问题,提出了一种基于优先级的哈希结构复杂事件检测方法,该方法通过定义各个原子事件的优先级,采用事件优先级调度策略,使得事件模式匹配及检测能得到及时执行。同时减少了内存消耗,提高了事件检测的吞吐量。仿真实验证明了该方法的可行性和高效性。     

基于两次应用优先级的GDP时隙分配算法模型

地面等待策略是空中交通流量管理中主要采用的一种方法,文中主要介绍了基于两次应用优先级的GDP时隙分配算法。初次优先级的使用是达到分组的目的,再次应用优先级则是为了解决初次分配后可能存在的在同一分组中航班竞争同一时隙的问题。文中对相应的算法实现做了详细介绍,并对成都双流机场的航班进行了多次仿真实验。同时和单纯的基于优先级的方法进行了对比,验证了该算法的可行性。     

基于可变优先级的航班时隙排序

空中交通拥塞日益严重．这不仅带来大量的经济损失．同时给飞行安全带来隐患。地面等待策略作为短期措施中缓解交通拥塞的有效方法．其核心是如何解决时隙分配问题。传统的时隙分配算法（RBS和Compression算法）采用的是“先排班先服务”的原则,且没有考虑到航空公司的公平性。针对RBS和Compression算法的局限性．采用一种新的优先级设定方法,在同时考虑航空公司公平性、不同类型航班延误损失的不同、同类型航班载客量不同以及同一航班等待时间不同的基础上对航班进行优先级设定。采用分支定界法求解最优解。使用该算法对北京首都机场某个时间段内航班进行仿真排序结果显示：该改进算法在一定程度上提高时隙分配的合理性。减少航空公司的总延误损失．同时尽可能公平的保证航空公司所服务对象的利益。     

基于固定优先级和贪心法的航班时隙分配算法

航班时隙分配在空中交通管理领域中有着重要应用,考虑到在相同的延误时间情况下,不同类型的航班和不同的载客人数造成的综合损失差异,提出一种基于贪心法的航班分配算法。该算法在对航班进行排序的时候,在考虑到航空公司公平性的基础上,根据航班类型和载客数量,计算每架航班的优先级,然后根据当前可用时隙,以贪心法的规则找出优先级最高的航班,若有多个航班满足条件,则根据先来先服务原则进行选择,从而使经济损失和人员延误损失二者构成的综合损失最小化。算法仿真结果显示：该算法在很大程度上改进机场的运营效率,确保航空公司航班分配的公平性,维护航空公司及其服务对象的利益,具有一定的实用性和有效性。     

基于数据优先级和车辆密度的安全数据的转发算法

在VANET中,为了保证安全数据的准确性和实时性,和安全相关的数据通常需要较高的优先级并且优先传输,现有的VANET数据转发算法不能满足这一点。为了满足VANET中安全数据的优先传输需求,提出了一种数据优先级模型,并基于数据优先级和车辆密度提出了一种安全数据转发算法。数据优先级模型可以给不同状态的数据分配相应的优先级;基于数据优先级和车辆密度的数据转发算法PDT动态分配计数器阈值和碰撞窗口,动态分配碰撞窗口可以确保数据的传输次序,而动态设定计数器阈值既能够保证数据的可靠传输又能有效地抑制广播风暴。仿真结果表明,与传统的counter-based数据转发算法和slotted-p数据转发算法相比,在数据吞吐量、传输时延和抑制广播风暴方面,PDT算法都有显著的性能提升。     

基于一元Fuzzy事件的大脑存储模型

为改正已有大脑存储模型的缺陷,提出了基于一元Fuzzy(模糊)事件的大脑存储模型.它将外界不同的认知信息融合为Fuzzy认知元的形式,并由一元Fuzzy事件的发生触发存储;存储的机制被定义为由一系列存储子计算构成的存储计算;模型的存储数据是认识,模型的物理存储器是一个容量有限但行列可变的存储体,从而保证有限的存储容量存储尽可能多的认识.实验表明,该模型能够模拟大脑的归纳、记忆、回忆、遗忘等存储功能.因此,基于一元Fuzzy事件的大脑存储模型是一种理想的大脑存储模型.     

基于公交运营异常事件快速定位存储平台设计

公交运营中异常事件频发影响出行用户舒适度,增加公交公司运营成本。快速处理运营异常事件是目前公交公司亟待解决的问题之一。异常事件发生的不可控性以及不确定性是研究中监测难点。在完整追踪某一线路所有运营车辆的营运过程,提出了对异常事件影响指标分级,设计二级位图索引,快速定位异常事件发生车辆和路段的问题解决方法。Hadoop分布式存储框架中,车辆信息和查询地点作为Key值,设计辅助多维位图索引,构建Hbase异常数据存储库,依据Impala快速定位查询点。对比应用MapReduce计算框架和直接Impala查询完全数据集,异常特征数据快速定位性能提升明显,也减少了Impala查询存在的一些缺陷问题。     

分布式主动实时数据库基于多优先级队列的优先级分派

事务的分布性和事务触发的不可预测性使得分布式主动实时数据库系统中的事务调度变得较为复杂．该文给出了立即和推迟两种模式下执行的被触发事务的截止期确定方法和事务紧急度计算方法,并结合事务的应用语又提出了一种基于多优先级队列的优先级分派策略,有利于主动事务和被触发事务的顺利提交．     

一种有限优先级的静态优先级分配算法

静态优先级调度在实时系统中得到了广泛应用.然而,静态优先级调度受到系统支持的优先级个数的限制.当任务的个数大于优先级个数时,需要将多个任务映射到同一个优先级.针对优先级个数有限的情况,给出了在截止期限大于周期时任务可调度的充分必要条件,并提出了基于有限优先级的静态优先级分配算法(AGP).AGP算法对于基本任务集合是最优的静态优先级分配算法.其最优性表现在,所需的优先级个数最小,并且若采用AGP算法不可调度某个任务集,则采用其他静态优先级分配算法也不可调度该任务集.模拟结果表明,AGP算法的可调度性要远远大于常量法.AGP算法对于解决在嵌入式实时系统中任务的优先级分配问题具有重要意义.     

基于合作域的无线传感器网络数据存储机制研究

通过分析无线传感器网络(WSNs)的特性及其应用特点,提出了一种新型的基于合作域的无线传感器网络数据存储机制,以便在节约节点能量和内存开销的前提下提高数据的可靠性.指出了其设计目标和体系结构,定义了数据存储合作域、管理节点及其建立机制,给出了在合作域内根据网络编码理论进行数据存储与提取的算法与流程.通过仿真测试,证明其能够在较低的资源开销下提高信息的可靠性.     

一种基于空间相关性的WSNs节点睡眠调度算法

在传感器节点高密度分布的无线传感器网络(WSNs)中,往往面临着节点能耗和网络拥塞两大问题.针对这两大问题,提出了一种基于空间相关性的节点睡眠调度算法(SCASS).该算法使用空间相关性和节点剩余能量组合成权值函数来选择最优节点作为监测区域的代表节点进行数据采集,未被选中的节点则处于睡眠状态.实验仿真表明:与现有算法相比,该算法在节点能耗、网络寿命、数据传输时延方面都有显著的改善.     

无线传感器网络中一种基于花型的分簇算法

针对无线传感器网络能量约束问题,提出了一种基于花型的分簇算法。算法结合最优簇数目计算与用正六边形网格实现无缝覆盖的思想,分簇过程中通过标号方法从花芯区域中选取剩余能量最大的节点当选为簇头。仿真实验结果表明:该算法在一定程度上减少了网络的能量消耗、延长了网络的寿命,分簇性能良好。     

面向异构网络的基于 k-覆盖的休眠调度算法

异构无线传感网络WSNs(Wireless Sensor Networks)的多数监测应用要求兴趣区域FoI(Field of Interest)是k覆盖(k-cover),且k≥1.而冗余节点被安排为休眠,进而最小化能量消耗.为此,提出面向异构网络的基于k-覆盖的冗余节点休眠算法k-CRSS(k-cover based sleep Scheduling algorithm for redundant node).k-CRSS算法引用概率方法判断节点是否为冗余节点,并推导判断一个节点是否为冗余节点的概率表述式.然后,引用调度算法识别所有冗余节点,并让它们进行休眠,且在FoI内不出现覆盖空洞.k-CRSS算法属分布式算法,并无需任何地理信息,仅通过少量控制消息收集邻居节点信息.实验数据表明,k-CRSS算法通过调度算法减少了活动节点数,进而延长了网络寿命.     

一种无线传感器网络故障节点检测算法

提出一种无线传感器网络故障节点的检测方法,无需事件或模型假设,通过识别节点序列中违反排名的节点找到故障节点.算法对实际应用中的噪声环境和子序列估计问题分别提出了相应的解决方法.仿真实验表明:在不同的网络设置下,漏检率和误检率均较低,算法具有良好的性能.     

基于网络编码的WSNs数据收集方法

无线传感器网络(WSNs)监测数据的收集方式方法是目前的研究热点,而无线传输的广播特性又使得网络编码非常适合于无线网络。在介绍网络编码原理、核心思想以及在WSNs应用现状的基础上,提出了一种基于部分网络编码的自适应WSNs数据收集方法,该方法针对簇网络拓扑结构,簇成员节点把网络编码数据发送给簇头节点,簇头节点利用随机网络编码的方式把数据传输到Sink节点。实验结果表明:该机制具有能耗较低和汇报数据较准确的特点。     

一种基于改进支持度的节能型WSNs数据融合算法

无线传感器网络(WSNs)内有大量的冗余数据,它们消耗了过多的网络能量;目前的数据融合算法对数据彼此间的联系考虑得不够充分,融合精度有待提高.针对上述问题,提出了一种基于改进支持度的节能型数据融合算法.该算法在网络的感知节点根据设定的阈值对采集到的数据进行初次融合,并引入自支持度的概念,与灰色接近度理论相结合改进支持度函数,将改进的支持度函数应用到汇聚节点计算最终的数据融合估计值.使用Matlab进行仿真的结果表明:该算法可节能27.87％,数据融合的温度绝对误差均值约为0.98℃,达到了节能和提高融合精度的目的.     

基于非均匀分簇和信息熵的无线传感网络路由算法

针对无线传感网络分簇算法中能量分布不均衡导致的“热区”问题,提出一种基于非均匀分簇和信息熵的路由算法。在簇头选举和竞争半径计算过程中综合考虑节点能量、节点密度和节点距基站距离,均衡簇头能耗以延长生存时间。采用簇间单跳多跳混合通信的路由规则,减少簇间通信能耗。对节点信息熵进行数据融合,引入融合权重系数减小数据融合的不确定性,提高数据融合效率。仿真结果表明,与LEACH、EEUC和EBUCA相比,该算法能够有效均衡网络能耗,延长网络生命周期。     

基于她分解与多项式的无线传感器网络密钥算法

提出了基于QR分解与二元多项式的密钥建立与分配方案。该方案以二元多项式的计算结果作为无线传感器网络的密钥。二元多项式的其中一个参数由对称矩阵进行QR分解生成,节点部署后交换Q矩阵的行信息再与R矩阵的列信息相乘生成多项式的参数。多项式的另一个参数由各自生成的随机数确定。分析结果表明：该方案可以提高存储效率、网络连通性、抗捕获性能,并能提供额外的通信链路验证。     

一种基于协作的最优无线传感器节点密度控制算法

基于一种协作感知模型（CSM）,提出了一种最优的保证覆盖的密度控制算法——EECDC。CSM建立了一系列的非线性约束方程,从而找出了该模型下能够最小化工作节点数的最优节点位置,EECDC则基于该最优节点位置对节点进行休眠调度。仿真试验表明,相比于基于传统圆盘感知模型的最优密度控制算法,EECDC协议能够以较少的工作节点和较少的能耗来保证原始网络覆盖率,从而达到较好的能量有效性。