对于传感器网络中的不确定,文献提出了传感器网络中基于非参数化模型的在线异常点检测方法,该方法通过扩展现有的基于距离或基于密度的异常点检测方法来实现非确定状态下的异常点,该算法在内存资源有限的情况下只需在线一遍扫描感知数据。文献提出了适合于传感器网络和移动对象位置监控环境下的非精确数据之上的概率查询处理方法,首先根据查询的实质将查询分为四类:基于值的非聚合查询、基于实体的非聚合查询、基于实体的聚合查询和基于值的聚合查询,并针对这四种类型的查询分别提出了非精确数据之上的概率查询处理算法。文献提出了在传感器网络环境下模型驱动的数据获取方法,由于传感器网络是一种典型的数据流应用,其感知数据无法穷尽地存储在数据库系统中,因此该文献提出了使用一种模型驱动的方法来进行感知数据的获取,并提出一套概率模型来进行误差置信度的计算与控制。文献使用概率密度函数来描述感知数据的不确定性,基于R-tree提出了两种不确定性数据的索引结构和相应的概率阈值查询处理算法。Hida等在其技术报告中讨论了传感器网络中不确定聚合查询处理问题,并提出了一种异常点检测算法,以使得聚合查询处理算法具有足够的容错能力,以适应传感器网络节点失效或错误的感知数据。
……
展开