随着RFID技术越来越广泛的被认可,基于它产生了大量的应用:智能大厦的管理系统,超市或者物流企业的供应链管理等等。在RFID系统中,系统通过对于标签的采集获得大量的基本事件,每个标签都包含有关于1D和时间、地点的信息,而RFID系统则是由这些基本信息组成复合事件来表不各种语义,完成各种上层应用的。因此复合事件处理技术作为RFID事件处理的核心技术越来越受到研究人员的关注。其中包含有非自发事件的复合事件,是复合事件检测中的重要的一类。如何能高效的检测复合事件,如何能高效准确的检测包含有非自发事件的复合事件成为目前RFID事件处理的一个难点。本文针对非自发事件自身的特点进行了深入的研究,在深入分析了目前几种典型的处理算法的基础上,提出了一种基于树的含有非自发事件的复合事件检测算法,即后继事件驱动复合事件检测算法。在该算法中,首先为了降低算法的空间复杂度,仅为每个双目运算符设置一个队列;其次为了优化算法的时间复杂度,改变了复合事件,特别是包含有非自发事件的复合事件的检测机制,利用判断后继事件的出队入队来完成检测;针对后继事件驱动的检测给出了一组在各个不同运算符下的事件入队出队的规则。最终通过实验比较表明我们的方法有效的减少了算法的执行时间和内存使用量。本文在对含有非自发事件的复合事件检测机制进行研究的同时,亦对RFID数据具有的不确定性进行了研究,且特别关注了小样本应用场景下的不确定性研究。针对于此,本文提出了一种非确定性RFID复合事件可信度的确定方法:根据夏皮罗-维尔克方法来确定数据的分布,并且根据小样本的特点选取t分布来计算数据的置信区间,并以此来筛选基本数据;对于复合事件的数据,则在小样本的基础上利用数学的联合分布的计算方法来确定复合事件的可信程度。本文最后对比了以往将大样本应用于各个场景下和针对小样本场景应用小样本专有的算法时的不同,证明了小样本情况下利用其专有算法的优越性。