无线传感器网络中中位数查询算法研究

低廉的价格和恶劣的环境会导致传感器节点采样数据中存在误差和异常数据,所以有时候需要通过中位数查询来反映整个监测区域的平均水平.本文首先提出了基于等高直方图的中位数查询算法HMA,然后我们对其进行了扩展,提出了结合直方图与过滤器的HFMA算法,每个采样周期中只需要收集落在过滤器当中的数据并聚集数据的影响因子,基站根据收集的数据和影响因子聚集值计算出中位数.实验表明HFMA算法优于NAIVE算法和HMA算法,可以有效的节省能量开销,提高网络生命周期.     

面向大图数据的并行图查询

针对传统图模式查询算法难以实现在大图数据上查询或查询时间太长问题,提出基于MapReduce的图查询并行算法PGPQ。该方法包括计算初始匹配节点集、初始不匹配父亲节点集和图模式查询三个部分。在图模式查询过程利用初始不匹配父亲节点集迭代初始匹配节点集中的节点,如果数据图匹配模式图,返回一个最大的匹配。实验结果表明,PGPQ算法查询能有效地进行大图模式查询。     

认知无线电中一种感知节点集自适应选择算法

本文主要考虑认知网络中感知节点集的选择问题。联合谱感知技术虽然可以极大地提高认知系统的感知性能,但是随着参与感知的认知节点数目的增加,对系统资源的占用也会越来越多,使系统的传输效率下降。本文首先给出了认知网络中最优感知节点集的概念,接着分析了最优感知节点集的节点数目和平均接收信噪比所必须满足的条件,最后通过推导得到了在固定虚警概率条件下最优感知节点集的检测概率与它的节点数目和平均接收信噪比之间的关系表达式,并在此基础上提出了一种最优感知节点集的自适应选择算法。该算法不但能在认知网络中寻找最优感知节点集,同时还可以适应认知网络的动态拓扑变化。仿真结果证明了该算法的有效性。      

低压输电网络安全传输敏感数据加密控制技术

传统加密方法节点破解率较高，安全性不佳，提出基于透明加密的低压输电网络安全传输敏感数据加密控制技术。通过同态加密将感知请求发送至与输电网络基站距离最小的根节点，并将所接收的感知命令传送至下级子节点；通过预设处理同态加密密钥池形成随机密钥，利用索引值理论生成同态密文实现敏感数据加密控制；引入透明加密结合分段Logistics混沌排列透明加密敏感数据，构建网络安全传输敏感数据加密认证协议，实现数据加密控制。实验结果表明，改进方法可保障较低节点破解率，信息可读性高于99%,可保护用户隐私数据安全性。     

一种基于覆盖表融合的移动群智感知协作算法

在集中性较高的感知区域中，移动群智感知网络节点在无控制的模式下，容易产生感知数据冗余度大幅升高的问题，降低了网络感知质量。针对这种情况，首先对感知区域进行时空域划分，并对感知过程进行建模;然后引入单元格充足感知覆盖概念，设计了一种基于覆盖表信息融合的移动节点协作感知数据收集算法。实验仿真表明，相较于原始感知模式和本地控制模式，该算法能大幅消除感知冗余数据，从而提高感知网络的数据质量，同时节约移动节点代价。     

基于增量贝叶斯的双偏振气象雷达降水粒子分类方法

面对降水粒子分类过程中可能存在的样本数不足,样本质量不高的问题,提出一种基于增量贝叶斯的双偏振气象雷达降水粒子分类方法。该方法首先处理有标签的训练数据集,获取属性节点和类节点之间的条件概率表构建朴素贝叶斯分类器;接着使用朴素贝叶斯分类器分类无标签数据,判断类置信度值后将符合条件的数据追加到训练数据集中,最后修正朴素贝叶斯分类器完成增量学习,得到增量贝叶斯分类器实现降水粒子分类。增量贝叶斯分类器不仅能够增加有效的数据样本,还能够及时更新分类器从而提高其泛化性和适应性,分类结果的准确性也得到了一定的改善。     

基于约束的局部-全局LWF链图结构学习算法

LWF链图结构学习旨在发现链图中所有节点的父节点、子节点、邻居节点以及配偶节点.然而,目前最新的LWF链图结构学习算法是基于Growing-Shrinking(GS)思想得到节点的局部结构（即节点的马尔科夫毯）来学习全局网络结构,该类算法的条件独立测试是以整个马尔科夫毯为条件集的,为了保证条件独立测试的可靠性,算法要求样本数量是马尔科夫毯大小的指数级,从而使得算法的数据效率较差.针对该问题,本文提出了一种基于约束的局部-全局LWF链图结构学习算法.该算法通过迭代的学习邻接集和配偶集来降低对数据样本量的要求;与此同时,在学习邻接集时采用后向策略保障了条件独立测试的正确性.算法的基本思想如下：首先学习网络中每个节点的马尔科夫毯,将节点马尔科夫毯学习拆分为学习邻接集和学习配偶集;然后利用节点的马尔科夫毯信息恢复网络骨架,根据链图复合体有向边的特点,利用条件独立测试确定网络复合体有向边,从而恢复链图结构.理论分析证明了该算法的正确性,在仿真数据集和标准数据集上的实验测试验证了算法的有效性.     

顽健的无线传感器网络K近邻查询处理算法

提出了一种顽健的K近邻查询处理算法ROC-KNN,根据网络拓扑动态地将查询区域划分成若干子区域.每个子区域中选择一个簇头节点收集其他节点的感知数据,并将其发送至下一个子区域的簇头节点,直至遍历所有子区域.给出了2种分布式的启发式算法,用于设置子区域大小和选择簇头节点,以减少能量消耗.设计了一种利用子区域中非簇头节点恢复查询处理过程的算法,降低了查询处理因簇头节点失效而中断的概率.实验结果表明,ROC-KNN在能量消耗、查询成功率方面均优于现有的算法.     

基于新型混合SVC算法的雷达辐射源信号识别

无监督学习方法能够对雷达辐射源信号进行有效的识别,支持向量聚类（Support Vector Clustering,SVC）算法是一种基于支持向量机的无监督聚类方法。SVC不仅时间复杂度高．而且在处理分布复杂、不均匀样本时,识别率较低。文章结合模糊C-均值算法与SVC算法的优点．提出了一种新的混合模糊C-均值法和SVC算法的无监督聚类方法。此方法用模糊C-均值聚类算法对数据样本作初步地线性划分,以将原数据样本划分成若干子样本。再用SVC算法分别对这些子样本进一步划分,再由模糊C-均值聚类法将二次规划问题分解,因而大大减少了SVC的计算量．降低了时间消耗。相对于原数据样本,子样本的分布较为简单、均匀,容易找到更为合适的SVC参数值。对雷达辐射源信号进行聚类分析的实验结果表明,此方法处理速度较快,具有较高的识别率。     

基于定向扩散的最小连通支配集构造算法

针对区域覆盖算法未考虑节点的通信梯度问题,利用定向扩散路由在构造以sink节点为根的有向路由树时形成的递增梯度序列,提出了一种基于定向扩散的最小连通支配集构造算法.在路由信息扩散的同时逐级挑选出互不相邻的传感器节点构造出一个最大支撑集,然后在相邻层次的支撑集节点间寻找中间节点将独立集节点连通起来,最终得到一个近似的最小连通支配集.理论及仿真实验结果表明,该算法构造的连通支配集最小且计算耗时少,能多重有效覆盖热点区域,从而延长无线传感器网络的寿命.     

SLSB-forest:高维数据的近似k近邻查询

近似k近邻查询的研究一直受到广泛关注,局部敏感散列(LSH)是解决此问题的主流方法之一.LSH及目前大部分改进版本都会面临以下问题:数据散列以后在桶里分布不均匀;无法准确计算对应参数k的查询范围建立索引.基于此,将支持动态数据索引的LSH和B-tree结合,构建新的SLSB-forest索引结构,使散列桶里的数据维持在一个合理的区间.针对SLSB-forest提出了两种查询算法:快速查找和准确率优先查找,并通过理论和实验证明查找过程中查询范围的动态变化.     

基于差分隐私的权重社会网络隐私保护

针对权重社会网络发布隐私保护中的弱保护问题,提出一种基于差分隐私模型的随机扰动方法可实现边及边权重的强保护。设计了满足差分隐私的查询模型-WSQuery,WSQuery模型可捕获权重社会网络的结构,以有序三元组序列作为查询结果集;依据WSQuery模型设计了满足差分隐私的算法-WSPA,WSPA算法将查询结果集映射为一个实数向量,通过在向量中注入Laplace噪音实现隐私保护;针对WSPA算法误差较高的问题提出了改进算法-LWSPA,LWSPA算法对查询结果集中的三元组序列进行分割,对每个子序列构建满足差分隐私的算法,降低了误差,提高了数据效用。实验结果表明,提出的隐私保护方法在实现隐私信息的强保护同时使发布的权重社会网络仍具有可接受的数据效用。     

基于序列的不确定XML整体小枝查询技术

针对基于序列的不确定XML小枝模式匹配算法需要子序列匹配和结构过滤两个阶段,而导致查询效率低的问题,提出一种以PrTRIM算法为基础的整体小枝模式匹配算法。H-PrTRIM算法将PrTRIM算法中子序列匹配和结构过滤两个阶段合并,在子序列匹配的同时进行结构过滤,使子序列匹配得到的结果就是查询的最终结果,解决了由于子序列匹配产生过多的中间结果而降低查询效率的问题。实验结果表明,H-PrTRIM算法的效率高于PrTRIM算法,应用于查询大文档和结构复杂的查询语句时更能体现出优势。     

无线传感器网络中ε-近似区域聚集算法

提出了能够满足任意误差和任意查询区域的ε-近似区域聚集算法。针对聚集函数SUM,提出了动态规划算法计算达到任意误差的最小数据传输量;针对聚集函数MAX/MIN,提出的算法通过只传输可能成为查询结果的数据来降低能量的消耗。在真实数据集上进行的实验表明,算法在满足任意区域和任意精度的同时,能够有效地减少能量消耗。     

鲁棒的无线传感器网络空间范围聚集查询处理算法

现有无线传感器网络环境下的空间范围聚集查询处理算法没有综合考虑节点移动、节点失效和通信链路失效等因素对查询处理的影响,导致查询成功率低和能量消耗大.本文提出了利用节点冗余保证查询处理过程鲁棒性的空间范围聚集查询处理算法RSA(Robust Spatial window aggregation query processing Algorithm),它将查询区域划分为若干个网格,沿一条路线依次收集各网格内所有节点的数据.RSA算法给出了一种自适应的网格大小设置方法和基于网格面积的网格代表节点选择策略,以减少算法的能量消耗和提高查询成功率;给出了基于目标矩形的方法以绕过不存在节点的区域,从而避免查询处理过程出现中断.仿真实验结果表明,RSA算法优于现有的IWQE算法.     

数据库的模糊查询技术

给出了一种利用模糊数学的贴近度进行信息查询的模糊处理方法,拓宽了信息查询的应用范围,使得在不完整语义或歧义描述下可获得较为完整的信息。     

基于改进的混合P2P的Chord算法

Chord是一种数值逐步逼近的P2P路由算法,它能够快速地定位资源。在Chord环上由于结点的随机性,资源定位时产生了逻辑路径和物理路径不一致及绕环问题,致使网络延迟增大。混合P2P具有很强的网络局部性,但查询效率低。提出了基于改进的混合P2P的Chord算法（Chord Algorithm Based on Enhanced Hybrid P2P,CBEH）,该算法利用增强的混合P2P中超级结点的网络信息,在路由过程中优先选取物理距离近的结点。实验表明CBEH能够有效地减少路由查找时延,提高路由性能。     

SCT Based Adaptive Data Aggregation for Wireless Sensor Networks

Communication overhead is a major concern in wireless sensor networks because of inherent behavior of resource constrained sensors. To degrade the communication overhead, a technique called data aggregation is employed. The data aggregation results are used to make crucial decisions. Certain applications apply approximate data aggregation in order to reduce communication overhead and energy levels. Specifically, we propose a technique called semantic correlation tree, which divides a sensor network into ring-like structure. Each ring in sensor network is divided into sectors, and each sector consists of collection of sensor nodes. For each sector, there will be a sector head that is aggregator node, the aggregation will be performed at sector head and determines data association on each sector head to approximate data on sink node. We propose a doorway algorithm to approximate the sensor node readings in sector head instead of sending all sensed data. The main idea of doorway algorithm is to reduce the congestion and also the communication cost among sensor nodes and sector head. This novel approach will avoid congestion by controlling the size of the queue and marking packets. Specifically, we propose a local estimation model to generate a new sensor reading from historic data. The sensor node sends each one of its parameter to sector head, instead of raw data. The doorway algorithm is utilized to approximate data with minimum and maximum bound value. This novel approach, aggregate the data approximately and efficiently with limited energy. The results demonstrate accuracy and efficiency improvement in data aggregation.     

Graph compression algorithm based on a two-level index structure

The demand for the analysis and application of graph data in various fields is increasing day by day.The management of large-scale graph data with complicated structure and high degree of coupling faces two challenges:one is querying speed too slow,the other is space consumption too large.Facing the problems of long query time and large space occupation in graph data management,a two-level index compression algorithm named GComIdx for graph data was proposed.GComIdx algorithm used the ordered Key-Value structure to store the associated nodes and edges as closely as possible,and constructed two-level index and hash node index for efficient attribute query and neighbor query.Furthermore,GComIdx algorithm used a graph data compressed technology to compress the graph data before it directly stored in hard disk,which could effectively reduce the storing space consumption.The experimental results show that GComIdx algorithm can effectively reduce the initialization time of the graph data calculation and the disk space occupancy of the graph data storing,meanwhile,the query time is less than common graph databases and other Key-Value storage solutions.     

移动无线传感网的生存时间优化算法研究

当sink节点位置固定不变时,分布在sink 节点周围的传感节点很容易成为枢纽节点,因转发较多的数据而过早失效。为解决上述问题,提出移动无线传感网的生存时间优化算法（LOAMWSN）。LOAMWSN算法考虑sink节点的移动,采用减聚类算法确定sink节点移动的锚点,采用最近邻插值法寻找能遍历所有锚点的最短路径近似解,采用分布式非同步Bellman-Ford算法构建sink节点k跳通信范围内的最短路径树。最终,传感节点沿着最短路径树将数据发送给sink节点。仿真结果表明：在节点均匀分布和非均匀分布的无线传感网中,LOAMWSN算法都可以延长网络生存时间、平衡节点能耗,将平均节点能耗保持在较低水平。在一定的条件下,比Ratio_w、TPGF算法更优。