【摘 要】
：
对于部署在恶劣环境中且无法放置Sink节点的无线传感器网络,节点的能量有限且易于损坏。每个节点为了避免自己死亡后数据丢失,需要将数据分发到网络中其他一部分节点上进行保存。但是,由于节点只知道自己邻居的信息,同时存储容量有限,因此如何有效地进行数据分发和存储是一个具有挑战性的问题。提出一个基于自适应概率广播的数据保存协议APBDP来解决这个问题。在APBDP中,节点通过一种自适应的概率广播机制分发数
【机 构】
：
School of Computer and Electronic Information, Guangxi University, Nanning 530004; Xingjian College
论文部分内容阅读
对于部署在恶劣环境中且无法放置Sink节点的无线传感器网络,节点的能量有限且易于损坏。每个节点为了避免自己死亡后数据丢失,需要将数据分发到网络中其他一部分节点上进行保存。但是,由于节点只知道自己邻居的信息,同时存储容量有限,因此如何有效地进行数据分发和存储是一个具有挑战性的问题。提出一个基于自适应概率广播的数据保存协议APBDP来解决这个问题。在APBDP中,节点通过一种自适应的概率广播机制分发数据,这种机制不仅可以使所有节点接收到数据包,而且能有效地减少数据的冗余传输以节省节点能量。此外,节点利用LT码来对数据进行编码存储,所有节点完成数据的分发和存储后,数据采集者只需要访问少量的节点就能恢复出所有的源数据。理论分析和实验表明,APBDP不仅具有较高的解码性能,而且能量有效。
其他文献
物化是列存储数据仓库查询中必不可少的操作，物化策略和物化技术直接影响到查询执行的性能，因此设计一种适应于列存储系统的物化策略和相关技术尤为重要.针对延迟物化可能重复读取数据块的缺陷，提出了基于带值路径的物化技术，简称VPM.首先，定义了一个描述物理执行中间结果的结构——传递块，该结构将用于重构的位置信息与实际列值相分离.在此基础上，对于给定的物理查询树，根据其操作节点是否需要某一列的值进行路径标记
应用需求的发展衍生各种查询类型,Top-k查询是交互环境下一种重要查询类型。由于数据的不确定性,传统数据上的Top-k查询技术和方法不能直接应用于不确定数据查询。在已有不确定数据上Top-k查询算法的基础上,提出基于二叉树的不确定数据上Top-k查询算法BTreeU-Topk；为了提高算法执行效率,对二叉树进行修剪操作进而提出BTreeOPTU-Topk和BTreePU-Topk算法。实验结果表明
为用户缓存实视图可以有效提高其OLAP查询的性能。但是，已有的缓存管理策略由于没有考虑用户在进行OLAP分析时的数据访问特性，在处理实视图动态选择问题时无法获得好的性能。提出了视图路径和视图树的概念，并以视图树作为客户端缓存中的实视图组织方式。提出了“逆路径增长法”来快速计算新到达查询的视图路径，提高了查询的响应速度。对于视图树的动态调整问题，以“保留路径”为参照，设计了合理有效的视图替换策略。实
由于资源描述框架(resource description framework,RDF)具有表达灵活、简洁等优点,已被接受为表达元数据及万维网上数据互联的规范.近年来,其数据量在以飞快的速度增长.相应地,要求存储RDF数据的系统应具有高扩展性.介绍了一个高可扩展的RDF数据存储系统TripleBit.为尽可能降低存储空间消耗,采用了增量压缩和变长整数编码方法.并采用了数据分块的存储方法,既使得存储
针对索引维护时间和空间效率低的问题,提出了一种基于分配空间自学习的在线动态索引混合更新机制(on-line dynamic index hybrid update,ODIHU).ODIHU根据Zipf分布原理对长短列表数量分布进行估计,并采用基于历史分配空间的自适应学习机制对长短列表空间进行有效管理,然后对短列表采用立即合并更新方式,长列表采用上限Y相邻多路合并的更新方式维护,实现索引更新与查询性
指出不确定性和模糊性在时空语义上的区别；提出不确定移动对象的模糊时空范围查询问题，即查询条件中时间、空间范围的外延是模糊的，无清晰的边界，而目标对象的位置不确定；用模糊集表示模糊查询条件，概率密度函数表示移动对象在各自不确定区域内的可能位置分布；给出了不确定对象关于模糊查询条件匹配度的计算方法；设计了基于α截集的无效对象排除和有效对象确认规则及查询算法。算法规则适用于任意概率密度分布。现有的确定或
空间查询处理已经广泛地应用于基于位置的服务、设施选址等领域。提出一种新的空间查询：主题相关区域查询(topic-relevant region queries,T2R),该查询可以用于位置选址等空间决策分析。给定一个由空间特征对象集合R定义的主题T、查询窗口q,T2R查询返回不交叠的k个与主题最相关的区域,区域与主题的相关程度由区域内特征对象的数量结合其重要性进行计算。为了有效处理T2R查询,提出
近年来，图模型广泛应用于生物信息、计算化学、语义网等领域。目前，“过滤-验证”机制被广泛用于子图包含查询，即首先根据图数据的特征构造索引，然后根据索引产生候选集，最后对候选集中的每一个图进行子图同构验证。在这类算法中，“过滤”阶段是关注的重点，力争过滤掉更多的数据；而“验证”阶段则只是单纯地进行候选图子图同构检测，并没有进一步优化查询性能的可能。因此，提出了一种新的子图包含查询的迭代处理机制：“选
频繁项查询在网络监控、网络入侵检测、关联规则挖掘等方面是一项非常重要的技术.该技术在静态的不确定数据中已经得到了深入的研究.但随着数据流特征和不确定性表现的日益明显，在不确定数据流环境下的查询已经成为一项新的研究课题.因此基于数据流普遍采用的滑动窗口模型，提出了一种高效的概率Top-K频繁项查询算法sTopK-UFI.该算法避免了每次窗口更新都重新计算查询答案，而是利用现有的计算结果进行增量更新，
提出一种基于建模同步动力学行为的Kuramoto模型的网络社团发现算法SYN.该方法首先将网络中节点对象按照链接密度关系进行排序，每一个节点对象用一个一维坐标值表示，从而将网络数据矢量化.在聚类过程中，采用同步聚类原理对一个局部邻域内的对象实现同步，最终同步到一起的节点形成一个社团.通过不断扩大节点同步的邻域半径，可以得到不同分辨率的多种社团划分结果.结合社团模块度函数，可以自动选择最佳聚类结果.