传感网络中误差有界的分段逼近数据压缩算法

无线传感器网络通常能量、带宽有限.一个关键而实用的需求是,在保证数据质量的情况下,对持续到达的采样数据进行在线式压缩.主要贡献:①利用传感器节点内置的缓冲区,提出了单传感器节点上基于分段常量逼近的准在线式数据压缩算法(PCADC-sensor),并给出了在无穷范数误差度量下的实现;②提出了单传感器节点上基于分段线性逼近的在线式数据压缩算法(PLADC-sensor).分别在无穷范数和2范数误差度量的情况下给出了计算PLA的两种简单快速算法,推导了分段线性一致逼近的充要条件;③簇头或基站无需接收原始采样数据,提出了基于原始数据的分段线性表示的压缩算法(PLRDC-cluster),推导了同一节点不同时段、不同节点相同时段两种情况下的计算公式.实验结果表明,这些算法较好地匹配了传感器数据流模型,显著减少了冗余数据传输.     

基于感知数据概率模型的无线传感器网络采样和通信调度算法

在无线传感器网络中,如何动态地管理能量,最大限度地延长网络的生命周期是一个关键的问题。文中提出了一种基于感知数据概率模型的传感器网络的采样和通信动态调度算法,使传感器节点根据感知数据的概率模型来确定自己的采样和通信时机,最小化采样频率和通信量,减少传感器节点的能量消耗,延长传感器网络的生命期。该算法是一种分布式算法,适用于无线传感器网络。该算法采用了简单的概率模型,资源需求量小,适合于在目前普遍使用的资源受限的传感器节点上运行。模拟试验结果表明,这种方法与其他方法相比,具有很高的能量有效性。     

基于感知网格的无线传感器网络动态采样策略

在分析无线传感器网络时空相关性模型的基础上,提出一种基于感知网格的无线传感器网络动态采样策略.将监测区域划分为多个感知网格,感知网格内只有簇头节点保持活跃状态,当出现异常数据后再激活感知网格内其他节点来获得更详细的信息.该策略通过减少无线传感器节点之间相同的或相近的采样数据上传来降低冗余信息的传输.仿真结果表明:该策略显著提高了无线传感器网络能量效率.     

基于压缩感知的无线传感器网络动态采样方法

基于固定采样率的无线传感网（WSN）压缩感知（CS）在收集随时间变化的数据时难以获得满意的数据恢复精度。针对该问题,提出了一种基于数据预测和采样率反馈控制的动态采样方法。首先,汇聚节点通过分析当前采样时段与上一采样时段获取数据的线性度量指标,预测数据的变化趋势;然后,根据预测结果计算感知节点未来的采样率,并通过反馈控制机制对感知节点的采样过程进行动态调节。实验结果表明,相比基于目前广泛采用的基于固定采样率的无线传感网压缩感知数据收集方法,该方法能够有效提高压缩数据的恢复精度。     

基于预测的节能数据分发机制

为减少无线传感器网络的数据流量,提出了一种基于预测的数据分发机制.在源节点和sink节点分别配置相同参数的预测器,用以预测未来采样值.当在源节点处预测值和实际采样值的差异大于某门限值时,当前采样数据才会被传送到sink节点.预测器采用双指数平滑预测模型,根据历史数据去预测未来数据.实验表明,该节能的数据分发机制可以滤除83%的冗余数据而仍然保持较高的精度.     

无线传感器网络分簇和节点休眠综合性策略研究

能量有限性是制约传感器网络寿命的瓶颈.在传感器网络中通常采用相似数据收集策略或者节点休眠策略来减少能耗延长网络寿命.但是以往的研究往往局限在其中一种机制:在基于相似数据收集的分簇策略中,基本上所有的传感器节点都是处于活动状态,而在节点体眠机制中,往往也没有使用相似数据收集的思想进行网络的分簇.本文提出一种综合传感器网络分簇和节点休眠机制的协议,将传感器网络的生命划分成若干个时间周期,在每一个时间周期中,确定每个节点的θ相似节点集并选出代表节点(Rnode)来发送感知的数据,并且休眠部分冗余的节点.仿真实验结果表明,在保证网络覆盖的情况下,该协议能让传感器网络有更长的网络寿命.     

SNAP: 无线传感器网络研发测试平台

作为一种新颖实用的传感器网络研发测试辅助平台SNAP,为传感器网络研发人员提供了详细的网络通信拓扑结构、节点通信和内部数据等采集信息;支持实时采集数据观测与数据历史回放;支持数据自定义分析与数据筛选;支持节点程序的远程批量更新,同时SNAP平台对节点传输数据采样不影响传感器网络的正常运行,确保采集数据的真实性.SNAP自主创新性强,减少对昂贵设备的依赖,面向大规模部署的传感器网络,具有很强的通用性和实用性.     

无线传感器网络节点的数据存储管理系统

设计一种无线传感器网络节点本地数据存储系统,通过建立合理的逻辑结构,对存储资源进行分区划分,使之达到最大化利用。给出数据分组存储的方法,在存储过程中进行快速的址定位,有效地减少对存储介质的访问频率和访问存储介质带来的能量损耗,增加安全性检测机制,保障数据的一致性。     

无线传感器网络能量有效自适应频率控制算法

大多数文献都从无线传感器网络路由机制出发考虑节能问题,但是这种假设没有有考虑到在实际应用中传感器可能比无线通信元件消耗更多能量。从这种角度出发,提出了一种有效的传感器节点节能策略,这也关系到无线传感器网络生命周期的长短。利用自适应采样算法来来估计传感器在线最佳采样频率。设计了一种自适应测量系统使传感器能量消耗最小,同时数据采集维持在一个较高的精度。采用环境监控传感器作为研究案例,模拟实验表明相对于传统固定采样率方法这种自适应算法可以将数据采集量减少20%,并且无线传感器网络性能没有下降。     

基于动态数据压缩的能量采集无线传感网络数据收集优化

针对能量采集无线传感网络（WSN）中的数据收集优化问题,考虑传感器节点能量采集的时空变化特性,提出一种基于节点动态采样速率和数据压缩的策略,以实现网络中采样数据总量的最大化。首先,提出一种根据节点的邻居信息决定其最优压缩策略的本地压缩算法,基于节点在数据汇聚树中的拓扑位置考虑其数据接收和转发能耗,逐渐增加其采样速率直到其总能耗到达采集能耗阈值。接着构造网络性能的全局优化问题并提出一种启发式的算法,通过迭代求解线性规划问题计算最优的采样速率和压缩策略。实验结果表明,与现有的自适应传感和压缩率选择方案相比,所提出的两种数据收集优化算法能够维持更加稳定的传感器节点电量水平并实现更高的网络性能。     

Traffic Flow Data Forecasting Based on Interval Type-2 Fuzzy Sets Theory

This paper proposes a long-term forecasting scheme and implementation method based on the interval type-2 fuzzy sets theory for traffic flow data. The type-2 fuzzy sets have advantages in modeling uncertainties because their membership functions are fuzzy. The scheme includes traffic flow data preprocessing module, type-2 fuzzification operation module and long-term traffic flow data forecasting output module, in which the Interval Approach acts as the core algorithm. The central limit theorem is adopted to convert point data of mass traffic flow in some time range into interval data of the same time range (also called confidence interval data) which is being used as the input of interval approach. The confidence interval data retain the uncertainty and randomness of traffic flow, meanwhile reduce the influence of noise from the detection data. The proposed scheme gets not only the traffic flow forecasting result but also can show the possible range of traffic flow variation with high precision using upper and lower limit forecasting result. The effectiveness of the proposed scheme is verified using the actual sample application.      

基于计数型Bloom过滤器的网络数据流统计

现有的流统计信息主要侧重于流抽样而忽视全流统计。为此,提出一种使用优化设计的计数型Bloom过滤器流统计方法。针对计数型Bloom过滤器数据增长带来的计数器溢出和假阳性错误率增高的问题,分别设计动态统计和多个计数器协同统计的方案。概要化的存储结构可方便查询,而且其计数型Bloom过滤器简单的数据结构也易于硬件实现。实验结果表明,与传统哈希方法相比,计数型Bloom过滤器流统计方法的时间复杂度更低,可用于网络应用中的快速全流统计。     

无线传感器网络MAC层节能广播协议

在无线传感器网络中,使节点休眠是一种有效的节能方式。很多较新的MAC协议都采用定期休眠的机制进行节能,如B-MAC、VPCC、X-MAC、A-MAC等。这些协议并未针对广播进行设计,使得发送广播需要消耗较多能量,而且易于发生隐藏节点引起的冲突。提出了适用于休眠传感器网络的节能广播协议。该方法中广播报文以随机间隔进行重传,能够保证异步休眠的节点接收到广播数据;在产生隐藏节点冲突问题时,随机间隔的机制能够使相互干扰的报文较快分离,降低报文冲突的干扰。通过NS-2模拟,验证了广播协议的节能性和高效性。     

一种面向数据流top-k频繁模式发布的差分隐私保护方案

频繁模式挖掘是事务数据分析的常用技术,面向数据流的频繁模式挖掘具有重要的应用价值.然而当事务为敏感信息时,直接发布频繁模式及支持度会导致个体隐私泄露.差分隐私是一种严格且可证明的隐私保护模型,目前虽然已有基于差分隐私的频繁模式发布方案,但它们大都是面向静态数据做一次性发布的隐私保护.本文是面向数据流频繁模式发布的隐私保护,旨在设计一种兼顾可用性和发布效率的持续发布的差分隐私保护方案.与静态发布方案不同,面向数据流的隐私保护处理面临两大挑战:一是持续发布过程中隐私预算的累计消耗会造成发布结果可用性较低;二是候选模式集增大会造成发布结果误差较大和发布效率较低.为解决隐私预算的累计消耗问题,方案设计了满足event级差分隐私的保护机制.该机制可以最大化隐私预算利用率,提高发布结果可用性.为降低候选模式集大小,从而提高发布结果可用性和发布效率,方案首先设计了一种基于模式估计的长事务拆分预处理策略,并对拆分所致的信息丢失率进行了分析和弥补.然后在持续发布阶段,在基于Cantree的挖掘中,先基于支持度阈值对候选模式集进一步缩减.基于缩减后的候选模式集,本文设计了一种蓄水池抽样和指数机制(EM)相结合的持续更新发布策略,该策略通过一遍扫描抽样集,在保证可用性和隐私保护级别的前提下提高了发布效率.最后,理论证明了该方案满足ε-差分隐私,实验结果验证了该方案具有较好的可用性和较高的工作效率.     

可穿戴装置个性化本地差分隐私保护方案

本地差分隐私(local differential privacy,LDP)可以对可穿戴装置(wearable devices)采集到的数据进行隐私保护,每个用户都会在本地扰乱自己的数据,并且将扰动后的数据发送给数据汇聚服务器,以保护用户免受私人信息泄漏的影响.可穿戴装置采集到的数据是多维的,但是现有的针对可穿戴装置多...     

Evidential reasoning using extended fuzzy Dempster–Shafer theory for handling various facets of information deficiency

This work investigates the problem of combining deficient evidence for the purpose of quality assessment. The main focus of the work is modeling vagueness, ambiguity, and local nonspecificity in information within a unified approach. We introduce an extended fuzzy Dempster–Shafer scheme based on the simultaneous use of fuzzy interval‐grade and interval‐valued belief degree (IGIB). The latter facilitates modeling of uncertainties in terms of local ignorance associated with expert knowledge, whereas the former allows for handling the lack of information on belief degree assignments. Also, generalized fuzzy sets can be readily transformed into the proposed fuzzy IGIB structure. The reasoning for quality assessment is performed by solving nonlinear optimization problems on fuzzy Dempster–Shafer paradigm for the fuzzy IGIB structure. The application of the proposed inference method is investigated by designing a reasoning scheme for water quality monitoring and validated through the experimental data available for different sampling points in a water distribution network. © 2011 Wiley Periodicals, Inc.     

Uncovering Representative Groups in Multidimensional Projections

Multidimensional projection‐based visualization methods typically rely on clustering and attribute selection mechanisms to enable visual analysis of multidimensional data. Clustering is often employed to group similar instances according to their distance in the visual space. However, considering only distances in the visual space may be misleading due to projection errors as well as the lack of guarantees to ensure that distinct clusters contain instances with different content. Identifying clusters made up of a few elements is also an issue for most clustering methods. In this work we propose a novel multidimensional projection‐based visualization technique that relies on representative instances to define clusters in the visual space. Representative instances are selected by a deterministic sampling scheme derived from matrix decomposition, which is sensitive to the variability of data while still been able to handle classes with a small number of instances. Moreover, the sampling mechanism can easily be adapted to select relevant attributes from each cluster. Therefore, our methodology unifies sampling, clustering, and feature selection in a simple framework. A comprehensive set of experiments validate our methodology, showing it outperforms most existing sampling and feature selection techniques. A case study shows the effectiveness of the proposed methodology as a visual data analysis tool.     

基于差分隐私的流式直方图发布方法

基于差分隐私保护模型,已经存在多种静态数据集上的直方图发布方法,而目前着重考虑数据流环境下的直方图发布方法却很少.由于数据流本身潜在的复杂性,直接利用现有的满足差分隐私的直方图发布方法处理数据流存在着很多不足,例如发布直方图的可用性低、发布误差大等.基于此,提出了一种基于滑动窗分割的流式直方图发布方法SHP(streaming histogram publication).该方法通过连续分割每个滑动窗中的桶计数,使其构成不同的分组.根据不同的范围计数查询敏感性,提出了3种拉普拉斯噪音添加机制以实现差分隐私保护,分别是滑动窗机制、时间点机制以及自适应抽样机制.在自适应抽样机制中,SHP算法基于当前的滑动窗,依赖于一种自适应抽样方法对下一时刻的计数进行预测,若预测值与真实值的差异小于给定的阈值则发布预测值,否则发布噪音值.该抽样方法可以有效地节省整体的隐私预算.在真实数据集上对SHP算法的可用性进行度量,结果显示,基于抽样的SHP算法的可用性高于另外两种方式.     

基于CP-ABE算法的区块链数据访问控制方案

与公有链不同,联盟区块链超级账本Fabric额外集成了成员管理服务机制,能够提供基于通道层面的数据隔离保护。但这种数据隔离保护机制在通道内同步的仍是明文数据,因此存在一定程度的数据泄露风险。另外,基于通道的数据访问控制在一些细粒度隐私保护场景下也不适用。为了解决上述提及的联盟链超级账本中存在的数据隐私安全问题,提出了一种基于CP-ABE算法的区块链数据访问控制方案。结合超级账本中原有的Fabric-CA模块,提出的方案在实现用户级细粒度安全访问控制区块链数据的同时,还能够实现对CP-ABE方案中用户属性密钥的安全分发。对该方案进行的安全分析表明,该方案实现了ABE用户属性私钥安全分发和数据隐私性保护的安全性目标,性能分析部分也说明了所提方案具有良好的可用性。     

变采样周期和数据包随机丢失的NCS鲁棒H∞ SymboleB控制

网络控制系统与传统的点对点控制方式不同,数据传输具有时延和随机丢包,且为了对信息资源进行合理的分配和调度常采用时变采样方式.本文首先给出NCS的离散区间动态模型,该模型以Bernoulli分布序列描述NCS数据丢包的随机性,并以不确定区间矩阵描述NCS的采样周期与传输时延的时变性;在此基础上,基于线性矩阵不等式（LMI）技术,给出具有时变有界采样周期和数据随机丢包NCS的鲁棒H∞控制器存在充分条件,且将控制器的求解问题转化为一个有限维LMI凸优化问题,便于数值计算.所设计的控制器可以保证系统渐近稳定且具有一定的H∞扰动抑制水平γ.数值仿真表明提出控制器设计方法的有效性。