随着传感云的兴起,在很多场景下,人们更倾向于将传感器的数据传至云端处理。这样云端便累积了大量的历史数据。如果可以预知数据源的质量,那么可以在传感器推送数据至云端、云端将数据存入数据库时做质量标记。其次,如果应用或查询需要即时从传感器中拉取数据时,可以避免拉取劣质数据污染查询结果,同时节省网络带宽等资源。在传感云中,同一个区域的值通常会被不止一个数据源提供,但来自不同数据源的数据却存在着偏差。本文围绕传感云中的数据源质量进行研究,给出了数据源质量度量模型。将数据源质量描述形式化定义为质量矩阵,用于描述数据源的整体质量情况。由于数据量会不断增大,对质量矩阵进行化简,化简结果能够体现不同场景下的同一数据源的质量的共性或者差异。基于用户感兴趣的区域,研究面向同一实体的多个数据源的质量评估问题。针对不同化简目标,设计高效的评估方法,避免因为评估数据源的时间损耗而导致整体服务质量的下降。当用户对监测区域的局部信息感兴趣,但该区域实体和实体数目未知的情况下,形式化定义了传感器监测实体的概念,研究面向多个实体的多个数据源的质量评估问题。将其归约为实体识别问题,提出基于聚类的方法。结合面向同一实体的数据源的质量评估方法,能够高效评估数据源的质量。