模糊传感器网络不确定数据kNN查询方法研究

模糊传感器网络不确定数据kNN查询方法研究

论文摘要

传感器网络是由一组传感器节点以自组织方式构成的无线网络,随着其研究的深入,目前在各个领域得到了广泛的应用。为了满足用户查询的要求,研究者提出了多种查询方式,目前,kNN (k Nearest Neighbors)查询作为传感器网络数据查询应用最广泛的一类查询,得到了越来越多的关注。在传感器网络kNN查询中,目前主要存在三个方面的问题。第一,由于传感器网络数据的不精确性,返回的查询结果往往是不精确的。第二,由于用户提出的k近邻查询中的“近”本身就是一个模糊的概念,因此,得到的结果可能是不精确的。第三,实际应用中用户的kNN查询请求往往是针对某一区域而不是全部区域,为了节约通信开销,则需要进行分区域后查询。可以看出,产生不确定数据和无法满足用户的复杂查询是传统传感器在应用中无法满足KNN查询的一个主要问题。模糊传感器作为新兴的一种传感器,可以根据传感器感知数据的特点,有效的表示传感器产生的不确定数据,解决传统传感器的不确定数据的kNN查询问题。为此,本文首先针对传感器网络产生的数据的不精确问题,提出了模糊传感器不确定数据查询模型,提出了基于阈值的数据更新算法FTU,并提出了该模型下的一些主要的查询类型。然后,针对给定的模糊传感器网络,提出了一种区域分片的数据存储方式,并提出了分区域查询的概念,随后提出了一种虚拓扑的查询分发算法VTR (Virtual Topology Routing)。最后,提出了模糊传感器网络的不确定数据FkNN查询算法,包括基于位置的LFkNN查询算法、基于值的VFkNN片内查询算法(点的、模糊隶属度区间的、以及模糊值的)、基于值的全局VFkNN查询算法。实验表明,本文提出的模糊传感器不确定数据的FkNN查询方法具有可行性,并且通过与现有的传感器网络kNN查询算法进行比较,验证了本文提出的方法得到的结果更精确,更能满足应用需求,在查询响应时间以及查全率方面更佳。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 相关研究现状
  • 1.3 本文研究内容及意义
  • 1.4 本文组织结构
  • 第2章 模糊传感器网络的相关理论知识
  • 2.1 模糊传感器概述
  • 2.2 传感器不确定数据模型
  • 2.2.1 点不确定模型
  • 2.2.2 区间不确定模型
  • 2.2.3 概率不确定模型
  • 2.3 模糊传感器基本架构
  • 2.3.1 模糊理论
  • 2.3.2 模糊传感器基本模型
  • 2.4 传感器查询系统
  • 2.4.1 Cougar系统
  • 2.4.2 TinyDB系统
  • 2.4.3 Dimensions系统
  • 2.5 传感器网络中的kNN查询
  • 2.6 本章小结
  • 第3章 模糊传感器网络不确定数据查询模型
  • 3.1 网络模型
  • 3.2 模糊传感器不确定数据模型
  • 3.2.1 模糊数据
  • 3.2.2 不确定数据模糊查询
  • 3.3 不确定数据查询分类
  • 3.4 模糊传感器不确定数据更新算法FTU
  • 3.5 本章小结
  • 第4章 FkNN查询算法分析与设计
  • 4.1 FKNN查询处理过程
  • 4.1.1 数据存储策略
  • 4.1.2 查询分发算法VTR
  • 4.2 FKNN查询算法分析
  • 4.3 FKNN算法设计
  • 4.3.1 基于位置的模糊LFkNN查询
  • 4.3.2 基于值的模糊VFkNN查询
  • 4.3.2.1 片存储节点的模糊数据VFkNN查询
  • 4.3.2.2 基于值的VFkNN查询
  • 4.4 本章小结
  • 第5章 模糊传感器不确定数据查询系统设计与实验分析
  • 5.1 系统设计
  • 5.1.1 系统的体系结构
  • 5.1.2 系统功能
  • 5.1.3 系统实现
  • 5.2 实验分析
  • 5.2.1 实验环境
  • 5.2.2 实验数据
  • 5.2.3 结果分析
  • 5.3 本章小结
  • 第6章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 参考文献
  • 致谢
  • 攻读硕士学位期间获奖情况
  • 相关论文文献

    • [1].基于多元回归KNN的油田缺失数据填充方法[J]. 信息技术 2020(04)
    • [2].基于改进KNN算法的动态手势识别研究[J]. 中北大学学报(自然科学版) 2020(03)
    • [3].基于KNN算法的农产品电商精准营销分析[J]. 中小企业管理与科技(中旬刊) 2020(10)
    • [4].基于KNN的船舶轨迹分类算法[J]. 大连海事大学学报 2018(03)
    • [5].基于KNN算法的配电网单相接地故障选线研究[J]. 南京师范大学学报(工程技术版) 2020(03)
    • [6].基于分位数概要的KNN算法研究[J]. 无线互联科技 2015(20)
    • [7].基于超长方体与KNN的分类算法[J]. 青岛大学学报(自然科学版) 2013(04)
    • [8].过渡金属氧化物改性KNN基无铅压电陶瓷研究进展[J]. 西南民族大学学报(自然科学版) 2014(01)
    • [9].KNN基无铅压电陶瓷的研究进展[J]. 聊城大学学报(自然科学版) 2012(02)
    • [10].基于并行遗传算法的KNN分类方法[J]. 西南师范大学学报(自然科学版) 2010(02)
    • [11].基于KNN方法的森林蓄积量遥感估计和反演概述[J]. 遥感技术与应用 2010(03)
    • [12].基于KNN图的两阶段孤立点检测及应用研究[J]. 计算机工程与应用 2008(02)
    • [13].基于KNN的中文文本分类反馈学习研究[J]. 图书情报工作 2008(10)
    • [14].基于KNN算法的指纹室内定位技术研究[J]. 电子制作 2019(22)
    • [15].结合半监督聚类和加权KNN的协同训练方法[J]. 计算机工程与应用 2019(22)
    • [16].基于KNN算法的手写数字识别[J]. 电脑知识与技术 2017(25)
    • [17].基于KNN回归的短时交通流预测[J]. 微型电脑应用 2015(09)
    • [18].KNN方法在贵州晴雨预报中的试验[J]. 贵州气象 2010(06)
    • [19].基于粗糙集的加权KNN数据分类算法[J]. 计算机科学 2015(10)
    • [20].基于模糊测度KNN的多维度数据分类算法[J]. 系统工程 2010(03)
    • [21].KNN算法在汇率预测中的应用及改进[J]. 兰州文理学院学报(自然科学版) 2017(03)
    • [22].属性序下的粗糙集与KNN相结合的英文文本分类研究[J]. 黑龙江大学自然科学学报 2015(03)
    • [23].特征提取算法在KNN中的比较[J]. 赤峰学院学报(自然科学版) 2013(07)
    • [24].基于KNN的中文文本自动分类研究[J]. 软件导刊 2008(02)
    • [25].基于KNN算法实现手写数字识别的探索[J]. 通讯世界 2020(02)
    • [26].基于交叉验证技术的KNN方法在降水预报中的试验[J]. 应用气象学报 2008(04)
    • [27].kNN算法在手机短信客户端分类中的应用研究[J]. 山东农业大学学报(自然科学版) 2014(02)
    • [28].不同烧结助剂对KNN压电陶瓷性能的影响[J]. 佛山陶瓷 2015(12)
    • [29].一种新颖的基于马氏距离的KNN分类算法[J]. 现代计算机(专业版) 2014(32)
    • [30].基于KNN的特征自适应加权自然图像分类研究[J]. 计算机应用研究 2014(03)

    标签:;  ;  ;  

    模糊传感器网络不确定数据kNN查询方法研究
    下载Doc文档

    猜你喜欢