支持情境感知的无线传感器网络近似聚集技术
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 引言 | 第13-20页 |
| ·无线传感器网络的基本概念 | 第13-15页 |
| ·无线传感器网络的宏观结构 | 第13-14页 |
| ·无线传感器节点的微观结构 | 第14-15页 |
| ·无线传感器网络的特点 | 第15-18页 |
| ·拓扑特点 | 第15页 |
| ·网络特点 | 第15-17页 |
| ·资源特点 | 第17-18页 |
| ·本文的研究内容 | 第18页 |
| ·文章组织结构 | 第18-20页 |
| 第二章 传感器网络近似查询相关研究 | 第20-31页 |
| ·无线传感器网络的研究哲学 | 第20-24页 |
| ·平台的评价指标 | 第20-21页 |
| ·操作系统式平台 OSaaP | 第21-22页 |
| ·虚拟机式平台 VMaaP | 第22-23页 |
| ·演绎框架式平台 DFaaP | 第23页 |
| ·数据库式平台 DBaaP | 第23-24页 |
| ·无线传感器网络数据管理研究现状 | 第24-26页 |
| ·数据模型 | 第24页 |
| ·数据存储 | 第24-25页 |
| ·查询语言 | 第25页 |
| ·数据索引 | 第25-26页 |
| ·无线传感器网络查询处理研究现状 | 第26-29页 |
| ·连接查询 | 第26页 |
| ·聚集查询 | 第26-28页 |
| ·K 近邻查询 | 第28页 |
| ·数据收集查询 | 第28-29页 |
| ·无线传感器网络近似查询研究现状 | 第29-30页 |
| ·概率模型 | 第29页 |
| ·概要技术 | 第29-30页 |
| ·采样技术 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于空间相关性的采样模型 | 第31-64页 |
| ·基于空间相关性的采样策略提出的背景 | 第31-33页 |
| ·采样的基本概念 | 第33-37页 |
| ·度量与误差 | 第33-34页 |
| ·采样的理论基础 | 第34-37页 |
| ·无线传感器网络采样的问题描述 | 第37-38页 |
| ·传统采样存在的问题 | 第38-43页 |
| ·采样框的一般性理论 | 第39-40页 |
| ·无线传感器网络采样中的采样框缺失 | 第40-41页 |
| ·无线传感器网络采样中的采样框偏斜 | 第41-43页 |
| ·空间格局的数学模型 | 第43-50页 |
| ·单点外推函数 | 第43-45页 |
| ·信息覆盖函数 | 第45-49页 |
| ·经典采样的误差分析 | 第49-50页 |
| ·无线传感器网络分层采样框架 | 第50-63页 |
| ·分层采样的基本定义 | 第50-52页 |
| ·分层采样的误差分析 | 第52-54页 |
| ·分层采样的非采样误差优化 | 第54-57页 |
| ·层内采样参数的确定 | 第57-63页 |
| ·本章小结 | 第63-64页 |
| 第四章 基于 X-连通分支的采样算法 | 第64-74页 |
| ·X-连通分支相关定义 | 第64页 |
| ·基于 X-连通分支的分布式近似聚集算法框架 | 第64-67页 |
| ·连通支配集相关概念 | 第65-66页 |
| ·维诺图相关概念 | 第66页 |
| ·分层 Bernoulli 采样算法 SBSA | 第66-67页 |
| ·分布式 X-连通树构建算法 | 第67-69页 |
| ·XTC 算法主体框架 | 第67-68页 |
| ·X-连通树碰撞检测算法 XCD | 第68-69页 |
| ·父节点确定算法 FD | 第69页 |
| ·基于 X-连通树的划分算法 | 第69-70页 |
| ·实验设计和结果 | 第70-72页 |
| ·实验环境 | 第70-71页 |
| ·精度比较 | 第71-72页 |
| ·能耗比较 | 第72页 |
| ·本章小结 | 第72-74页 |
| 第五章 基于 W-DBSCAN 聚类的采样算法 | 第74-84页 |
| ·W-DBSCAN 的源起 | 第74页 |
| ·W-DBSCAN 算法的相关定义 | 第74-75页 |
| ·W-DBSCAN 算法的实现 | 第75-80页 |
| ·W-DBSCAN 算法框架 | 第75-77页 |
| ·密度连通碰撞检测算法 DCCD | 第77-79页 |
| ·二义性消除算法 AE | 第79-80页 |
| ·W-DBSCAN 算法复杂度分析 | 第80-81页 |
| ·时间复杂度 | 第80-81页 |
| ·通信复杂度 | 第81页 |
| ·算法实验和分析 | 第81-83页 |
| ·实验环境 | 第81-82页 |
| ·精度实验 | 第82页 |
| ·能耗实验 | 第82-83页 |
| ·本章小结 | 第83-84页 |
| 第六章 近似聚集在情境感知中的应用 | 第84-94页 |
| ·情境感知的相关背景 | 第84-85页 |
| ·情境分类 | 第84页 |
| ·情境建模的几种策略 | 第84-85页 |
| ·Archery 系统 | 第85-87页 |
| ·Slog 语言介绍 | 第85-87页 |
| ·无线传感器网络中的情景需求 | 第87页 |
| ·近似聚集在 Archery 系统中的实现 | 第87-92页 |
| ·基本事实 | 第87-88页 |
| ·链路规则 | 第88页 |
| ·核心节点探测规则 | 第88-89页 |
| ·路由规则 | 第89-90页 |
| ·数据收集规则 | 第90页 |
| ·W-DBSCAN 聚类规则 | 第90-92页 |
| ·近似聚集算法的应用 | 第92-93页 |
| ·本章小结 | 第93-94页 |
| 第七章 结论 | 第94-96页 |
| ·本文的主要工作和贡献 | 第94-95页 |
| ·本文的不足和后续研究 | 第95-96页 |
| 参考文献 | 第96-103页 |
| 致谢 | 第103-105页 |
| 在学期间的研究成果及发表的学术论文 | 第105页 |
