基于内外存置换的复杂事件检测方法研究

基于内外存置换的复杂事件检测方法研究

论文摘要

随着当前的电子采集设备如RFID(Radio Frequency Identification)、传感器等的广泛应用及其高速发展,产生了空前的海量动态数据流。由于复杂事件检测技术能够帮助人们从这些海量数据中获取有用信息,因而近年来受到了广泛关注与研究。传统的对复杂事件的检测都是在内存中进行的,检测的事件都是发生在一个相对较短的时间内,但现实生活中还存在着这样的一些复杂事件,它们从开始发生到其完全结束延续时间很长,通常称这种是面向长过程的复杂事件。由于内存的有限性,完全采用传统的检测技术对长过程复杂事件检测并不可行,而目前几乎还没有对长过程事件流进行复杂事件检测的研究成果,因此对长过程复杂事件检测技术的研究迫在眉睫。为了实现面向长过程的复杂事件检测,本文以传统的检测方法为基础,结合长过程事件流自身的特点,设计了事件流在内外存的存储和置换策略,使得对长过程复杂事件的检测成为可能并具有较高的效率。本文的主要贡献如下:首先,提出了对象树对内存中的事件实例进行存储。对象树是一种基于属性共享的结构,具有压缩事件的作用,使有限的内存空间存储更多的事件实例,并且由于将相同的对象事件存储到同一棵树中,也方便了检测匹配的进行。其次,在内存满时,设计了一种将事件实例从内存调出到外存的PR置换策略。该策略基于事件流的规律性,将内存中最不会发生检测的对象事件调出到外存,这使对长过程复杂事件的检测成为可能并使得检测具有较高的效率。再次,为了检测存储于外存的事件,提出了一种称为外存事件实例映射表的结构来帮助查找所需实例。由于它能对外存事件的存储位置进行索引,因而加速了匹配检测的进行。最后,在对置换到外存的事件存储时,本文采用分类存储的策略,将事件按其属性分类存储到不同的文件中,并以文件名作为索引,文件中只存储时间戳。这种分类存储方式不仅对事件实例进行了一定程度的压缩,而且便利了检测的进行。通过理论和实验的评估,证明了本文为进行长过程复杂事件检测所提出的事件存储和置换策略能够对长过程复杂事件进行完整的检测并使得检测具有较高的效率。

论文目录

  • 摘要
  • Abstract
  • 第1章 引言
  • 1.1 研究背景
  • 1.2 问题的提出
  • 1.3 本文的研究内容
  • 1.4 本文的组织结构
  • 第2章 复杂事件检测的相关知识及相关工作
  • 2.1 事件分类
  • 2.2 事件流
  • 2.3 事件运算符
  • 2.4 常用的查询语言
  • 2.5 传统的复杂事件检测技术
  • 2.5.1 复杂事件检测方法
  • 2.5.2 复杂事件检测模型
  • 2.6 事件流上的复杂事件检测
  • 2.6.1 面向确定事件流的复杂事件检测
  • 2.6.2 面向不确定事件流的复杂事件检测
  • 2.7 本章小结
  • 第3章 事件模型和内存检测模型
  • 3.1 事件模型
  • 3.2 本文的查询语言
  • 3.3 长过程复杂事件的内存检测模型
  • 3.3.1 模型的确定
  • 3.3.2 匹配树模型
  • 3.4 本章小结
  • 第4章 面向长过程的复杂事件检测技术
  • 4.1 长过程复杂事件检测的处理流程
  • 4.2 事件的内存存储策略
  • 4.2.1 对象树结构的提出
  • 4.2.2 对象树结构的实现
  • 4.3 事件实例的内外存置换策略
  • 4.3.1 操作系统中的一些置换算法
  • 4.3.2 PR置换策略
  • 4.3.3 PR置换策略的实现
  • 4.4 外存事件实例映射表及其实现
  • 4.4.1 外存事件实例映射表
  • 4.4.2 外存事件实例映射表的实现
  • 4.5 事件实例在外存的存储策略
  • ET文件'>4.5.1 事件实例的外存存储形式——OIDET文件
  • 4.5.2 事件实例在外存的存储实现
  • OIDET文件'>4.5.3 事件实例的另一种存储形式——TBOIDET文件
  • 4.6 长过程复杂事件的检测
  • 4.7 本章小结
  • 第5章 实验分析
  • 5.1 对象树对存储空间代价的影响
  • 5.2 PR置换策略对复杂事件检测性能的评估
  • 5.2.1 PR置换算法与其它置换算法的比较
  • 5.2.2 权重w1、w2的选择对检测的影响
  • 5.2.3 R的选择对检测的影响
  • 5.3 外存事件实例映射表对检测性能的影响
  • 5.4 事件在外存的分类存储对检测性能的影响
  • 5.5 本章小结
  • 第6章 结论
  • 6.1 总结
  • 6.2 未来工作
  • 参考文献
  • 致谢
  • 攻读硕士学位期间的论文项目情况
  • 相关论文文献

    • [1].环境辅助的多任务混合声音事件检测方法[J]. 计算机科学 2020(01)
    • [2].基于深度学习的高速公路视频事件检测系统分析[J]. 山西电子技术 2020(02)
    • [3].更正启示[J]. 测绘与空间地理信息 2017(11)
    • [4].基于框架语义扩展训练集的有监督事件检测方法[J]. 中文信息学报 2019(05)
    • [5].高速公路事件检测系统发展趋势[J]. 中国交通信息化 2012(11)
    • [6].基于深度学习的异常事件检测[J]. 电子学报 2020(02)
    • [7].大规模RFID复杂事件检测优化技术研究[J]. 信息与电脑(理论版) 2009(14)
    • [8].基于图嵌入的社交媒体药物不良反应事件检测方法[J]. 大连理工大学学报 2020(05)
    • [9].基于内外存调度的长过程复杂事件检测[J]. 计算机科学 2012(08)
    • [10].高效的射频识别数据流层次复杂事件检测[J]. 计算机工程 2010(06)
    • [11].视频事件检测系统在高速公路的应用[J]. 西部交通科技 2019(11)
    • [12].视频事件检测系统技术方案升级及管理新思路浅谈[J]. 中国交通信息化 2018(06)
    • [13].面向新闻领域的蒙古文新事件检测方法的研究[J]. 青海师范大学学报(自然科学版) 2020(01)
    • [14].“雷视合一”、融合感知的交通检测神器——评测海康威视雷视事件检测一体机[J]. 中国公共安全 2019(10)
    • [15].基于平均教师模型的弱标记半监督声音事件检测[J]. 复旦学报(自然科学版) 2020(05)
    • [16].基于语言学扰动的事件检测数据增强方法[J]. 中文信息学报 2019(07)
    • [17].基于突显词博文聚类的官微事件检测方法[J]. 数据分析与知识发现 2017(09)
    • [18].融合依存信息和卷积神经网络的越南语新闻事件检测[J]. 南京大学学报(自然科学) 2020(01)
    • [19].基于子话题分治匹配的新事件检测[J]. 计算机学报 2008(04)
    • [20].在线新事件检测系统中的性能提升策略[J]. 计算机工程 2008(15)
    • [21].LDA及主题词相关性的新事件检测[J]. 计算机与现代化 2012(01)
    • [22].基于词对向量空间模型的新事件检测方法[J]. 计算机工程与应用 2010(12)
    • [23].基于深度学习的异常事件检测研究综述[J]. 安顺学院学报 2020(02)
    • [24].基于主题词向量聚类的话题内新事件检测[J]. 中文信息学报 2019(06)
    • [25].高清监控系统与视频事件检测系统的应用[J]. 中国交通信息化 2015(S1)
    • [26].RFID数据流上多目标复杂事件检测[J]. 计算机研究与发展 2012(09)
    • [27].高速公路视频事件检测技术应用研究[J]. 中国交通信息化 2010(11)
    • [28].多情境感知环境下RFID复合事件检测算法[J]. 南京航空航天大学学报 2015(03)
    • [29].基于规则匹配的RFID复杂事件检测框架及方法[J]. 沈阳航空航天大学学报 2012(01)
    • [30].普适计算中复合事件检测的研究与挑战[J]. 计算机科学与探索 2010(12)

    标签:;  ;  ;  ;  ;  

    基于内外存置换的复杂事件检测方法研究
    下载Doc文档

    猜你喜欢