传感器数据流上模糊预测系统的研究

为了利用基站(Sink)上现有的数据来及时地响应用户的查询,采用数据流上的金字塔时间模型来维护传感器数据流上不同时刻的聚集值,并利用这些聚集值生成模糊预测系统,通过该预测系统做出的预测来近似及时地响应用户的查询,在Sink上采用预测的方法,传感器新感知的数据可以不必立即向Sink传输,可以节省传感器网络结点的能量。     

基于层次模型的kNN查询处理算法

针对当前基于二级网络模型的数据流k-最近邻(kNN)查询中网络流量大、查询结点负载重的问题,提出了一种新的网络模型,将二级网络模型扩展到更通用的层次网络模型。该模型改进了查询算法,在远程节点与查询节点间布置多个中间节点,以处理数据,降低网络数据传输量,减小查询结点的负载。理论分析和数值实验表明新算法能取得较好的结果。     

数据流连续查询处理技术的研究

数据流查询处理技术的研究是目前数据库研究领域的热点问题.传统的数据库技术不能处理诸如网络监测、传感器网络、股票分析等应用中所生成的新型数据,即数据流.数据流作为一种新的数据形态,不同于传统的静态数据,具有连续快速、短暂易逝、规模宏大和不可预测的特点;其研究核心是在一个远小于数据规模的有限存储空间迅速获得近似查询结果.综述关于数据流查询处理技术的研究成果,主要介绍数据流模型、查询的特征、数据流近似查询操作算法的实现以及数据流系统中的查询处理方法.     

一种高效的不确定数据流Top-K 查询算法

在传感器网络、RFID等各种应用中会产生大量不确定性数据,有效的Top-K查询处理是不确定性数据管理中一项重要技术。针对已有的Top-K查询没有很好地结合元组的分值和不确定性,在分析不确定性数据模型和可能世界模型的基础上,定义了不确定数据流元组的查询语义。设计并实现了一种有效的Top-K查询算法。该算法按照元组的得分值进行降序排列,概率值最高的前K个元组集合就是Top-K的查询结果,实验结果表明,与CSQ和SCSQ算法相比,更具高效性和实用性。     

不确定数据流上的离群点检测处理

提出了一种快速不确定数据流上的离群点检测算法. 采用分层次划分思想给出了适用于流式数据的索引构建方法,并为索引结构中的叶子结点增加了部分存储信息,使得在数据更新时新流入的数据点可以利用中间结果信息直接完成批量过滤,降低计算成本. 通过分析离群概率值求解的递推规律,给出了一种全新的离群概率值求解方案,该方案可以最大可能地避免全近邻集合的迭代计算,减少了大量的非离群点计算代价,从而加快处理速度. 实验结果表明,快速不确定数据流上的离群点检测算法能够有效地提高检测效率.     

传感器网络空间关键字近似Top-k查询算法

提出了一种基于节点剪枝的Top-k査询算法.定义集合支配区域与剪枝规则,根据用户查询位置的变动,按照给定的剪切规则,对传感器网络节点进行剪枝处理,将符合规则的节点预先筛除,运用统计学抽样理论,设计了空间关键字近似Top-k查询算法.在2个真实数据集上进行验证.实验结果表明,该算法能够满足传感器网络环境中用户的需求,并且相比于边界距离增量算法(IBD)与基于改进的MW-Voronoi区域的空间关键字查询算法(MSK-uvr),其网络通信开销较低.     

传感器网络中基于过滤的概率Skyline查询算法

针对感知数据固有的不确定性问题,研究了无线传感器网络中概率Skyline查询的处理与优化技术.首先分析了概率Skyline查询的性质,证明了概率Skyline查询的不可分解性,因而无法直接利用网内计算方法求解;进而提出了无线传感器网络中基于过滤的概率Skyline查询处理算法(filter basedprobabilisticSkylinequeryprocessingalgorithminWSN,FPSP).FPSP算法将感知数据划分为候选数据、相关数据和无关数据;只需要候选数据和相关数据即可求得概率Skyline查询结果,可以在传感器节点过滤无关数据以避免大量的数据网内传输.仿真实验结果表明,FPSP算法可以有效降低传感器节点的数据传输量,极大地延长了无线传感器网络的使用寿命.     

面向高效节能和拥塞优化的 WSN 数据汇集算法研究

无线传感器网络应用中经常需要对信息进行查询,而查询主要通过数据汇聚完成。过多的数据查询必然引起能量的快速消耗。通过分析无线传感器网络中基于查询的数据汇聚算法,并设计实现了基于树结构的数据汇集算法;并引入了能量估算模型和延时抖动模型,提出基于树结构的汇聚改进策略;同时基于 TOSSIM 仿真平台建立WSN网络;调节不同参数数值,测试数据汇聚算法的成功应答率、总能量消耗、总传输次数和总延迟等性能指标。实验表明：该改进算法通过数据汇聚算法在能源消耗和传输拥塞控制上达到较好的表现。     

基于时空相关的传感器网络汇聚查询算法

减少网络中的数据传输量是传感器网络节约能量、延长网络生命的重要方法.提出一种基于时空相关的传感器网络汇聚查询算法STCAQ.在STCAQ中,首先通过基于时间相关的预测算法对网络中节点采样数据进行汇聚;然后依据节点采样数据汇聚结果,通过基于空间相关判定算法查询空间相关区域信息.仿真结果表明,STCAQ在能量消耗、查询质量和网络数据量等方面优于ESA算法.     

利用多级社区中心标签实现大规模图上距离查询

距离查询是图数据挖掘应用中的最基本的操作之一,但是目前的现存查询算法均无法高效处理大规模图数据.针对这个问题,提出建立多级社区中心的标签机制,即首先在原图中将结点按社区划分为多个集合,然后再将各集合中的中心结点建成带权查询子图,经过多次递归操作,最终为各结点建立一个基于社区中心的树状结构标签集,该标签集可以实现利用较短的创建时间和较小的存储代价大幅度提高距离查询的效率.从实验结果可以看出,该方法综合效率明显优于现存的高效算法.     

基于过滤器的K-NN深度优先查询算法

为减少数据查询的能量消耗,有效延长无线传感器网络的生存时间,提出了一种基于过滤器的K-NN深度优先查询(FKDF)算法.通过为每个节点设置过滤器来确定K-NN查询区间;利用查询节点的邻接表信息,在进行深度优先遍历时生成查询消息;基站分发查询消息,并等待查询节点返回查询结果,从而减少查询的平均跳数.仿真结果表明:与FILA设置过滤器方法和GPSR路由算法相比,FKDF算法节约了查询所需的平均跳数,能够适应网络拓扑结构的动态变化,当K值经常变化时不增加查询开销.     

A processing approach for event-based location aware queries in hybrid wireless sensor networks

In hybrid wireless sensor networks, sensor mobility causes the query areas to change dynamically. Aiming at the problem of inefficiency in processing the data aggregation queries in dynamic query areas, this paper proposes a processing approach for event-based location aware queries (ELAQ), which includes query dissemination algorithm, maximum distance projection proxy selection algorithm, in-network query propagation, and aggregation algorithm. ELAQs are triggered by the events and the query results are dependent on mobile sensors’ location, which are the characteristics of ELAQ model. The results show that compared with the TinyDB query processing approach, ELAQ processing approach increases the accuracy of the query result and decreases the query response time. Biography: HONG Liang (1982–), male, Ph.D. candidate, research direction: database system, sensor network.     

无线传感器网络q分类融合算法

针对大规模无线传感器网络信息传输量和节能要求,提出一种新的与空间事件相关的融合算法.新的融合算法在分簇路由协议LEACH基础上,构建了包含区域信息的q分类数据结构,使之能够完成对包含区域信息的数据分布查询任务.通过仿真对包含区域信息的q分类融合算法的数据传输量与精确度等指标进行计算分析,将其结果与简单结构LIST融合算法进行比较.结果表明包含区域信息的q分类融合算法在节省能量、平衡网络负载等方面效果明显,网络规模越大节能效果越好,在保证网络寿命的前提下可以得到尽量完善的整个网络数据及对应的区域信息,提高了获取的网络数据质量.     

基于MapReduce的大数据在线聚集优化设计

针对大数据在线聚集执行时间长、执行性能及延迟调度性能较差的问题,提出基于MapReduce的大数据在线聚集优化程序设计.使用分片聚集方法使集群中所有机器的计算资源得到充分调用,采用子连接的启发式优先方法优化各节点本地执行连接任务关系运算,实现大数据在线聚集的并行连接.利用混合近似查询框架的大数据在线聚集动态切换机制及基...     

Distributed Aggregation Algorithms for Mobile Sensor Networks with Group Mobility Model

In many applications of mobile sensor networks, such as water flow monitoring and disaster rescue, the nodes in the network can move together or separate temporarily. The dynamic network topology makes traditional spanning-tree-based aggregation algorithms invalid in mobile sensor networks. In this paper, we first present a distributed clustering algorithm which divides mobile sensor nodes into several groups, and then propose two distributed aggregation algorithms, Distance-AGG (Aggregation based on Distance), and Probability-AGG (Aggregation based on Probability). Both of these two algorithms conduct an aggregation query in three phases: query dissemination, intra-group aggregation, and inter-group aggregation. These two algorithms are efficient especially in mobile networks. We evaluate the performance of the proposed algorithms in terms of aggregation accuracy, energy efficiency, and query delay through ns-2 simulations. The results show that Distance-AGG and Probability-AGG can obtain higher accuracy with lower transmission and query delay than the existing aggregation algorithms.     

Sampling-Based Approximate Skyline Query in Sensor Equipped IoT Networks

The ever increasing requirements of data sensing applications result in the usage of Io T networks. These networks are often used for efficient data transfer. Wireless sensors are incorporated in the Io T networks to reduce the deployment and maintenance costs. Designing an energy efficient data aggregation method for sensor equipped Io T to process skyline query, is one of the most critical problems. In this paper, we propose two approximation algorithms to process the skyline query in wireless sensor networks. These two algorithms are uniform samplingbased approximate skyline query and Bernoulli sampling-based approximate skyline query. Solid theoretical proofs are provided to confirm that the proposed algorithms can yield the required query results. Experiments conducted on actual datasets show that the two proposed algorithms have high performance in terms of energy consumption compared to the simple distributed algorithm.     

Fault Tolerant Data Aggregation Scheduling with Local Information in Wireless Sensor Networks

We study the problem of efficient data aggregation in unreliable wireless sensor networks by designing a fault tolerant data aggregation protocol.A fault tolerant data aggregation protocol consists of two parts:basic aggregation scheduling and amendment strategies.On default,data is aggregated according to the basic aggregation scheduling strategy.The amendment strategy will start automatically when a middle sensor node is out of service.We focus our attention on the amendment strategies and assume that the network adopts a connected dominating set (CDS) based aggregation scheduling as its basic aggregation scheduling strategy.The amendment scheme includes localized aggregation tree repairing algorithms and distributed rescheduling algorithms.The former are used to find a new aggregation tree for every child of the corrupted node,whereas the latter are used to achieve interference free data aggregation scheduling after the amendment.These amendment strategies impact only a very limited number of nodes near the corrupted node and the amendment process is transparent to all the other nodes.Theoretical analyses and simulations show that the scheme greatly improves the efficiency of the data aggregation operation by reducing both message and time costs compared to rebuilding the aggregation tree and rescheduling the entire network.     

传感器网络中基于抽样的带权近似Top-k〖WT〗〖HT3,2〗查询算法

提出一种适用于传感器网络的抽样带权阀值过滤近似Top-k聚集查询算法.该近似算法会将无线传感器网络划成几个两两不相交的簇进行处理,在汇聚节点进行预处理以及在各个簇内进行抽样过滤处理,在抽样过程中给可靠而重要的节点赋上相应更大的权值,同时根据节点采集的信息具有时间相关特性,在簇内进行抽样阀值过滤处理,每个簇头节点都会接收到该簇内的Top-k候选子集,然后将每个簇的子集发送给Sink节点,该Sink节点将接收到能代表整网Top-k样本候选集.仿真实验结果显示该算法只需发送少量的数据,更小的抽样样本,并能满足任意精度要求.