| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 专用术语注释表 | 第8-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景及意义 | 第9-12页 |
| 1.1.1 物联网数据特点 | 第9-11页 |
| 1.1.2 物联网信息聚合需求 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的结构安排 | 第14-15页 |
| 1.4 本文创新点 | 第15-16页 |
| 第二章 相关背景知识介绍 | 第16-30页 |
| 2.1 物联网概述 | 第16-17页 |
| 2.2 PML 语言介绍 | 第17-23页 |
| 2.2.1 PML 描述的信息类型 | 第18页 |
| 2.2.2 PML 语言的作用 | 第18-19页 |
| 2.2.3 PML 语法 | 第19页 |
| 2.2.4 PML 语义 | 第19页 |
| 2.2.5 PML 数据存储和管理 | 第19-20页 |
| 2.2.6 PML 文档实例 | 第20-22页 |
| 2.2.7 PML 与 XML | 第22-23页 |
| 2.3 贝叶斯网络 | 第23-25页 |
| 2.4 XML 相似度计算 | 第25-27页 |
| 2.4.1 元素比较法 | 第25-26页 |
| 2.4.2 边集比较法 | 第26页 |
| 2.4.3 编辑距离法 | 第26-27页 |
| 2.4.4 邻接矩阵 | 第27页 |
| 2.5 XML 数据流聚类 | 第27-29页 |
| 2.5.1 数据流的定义 | 第28页 |
| 2.5.2 基于滑动窗口的数据流聚类方法 | 第28-29页 |
| 2.6 本章小结 | 第29-30页 |
| 第三章 物联网异构信息聚合模型 | 第30-37页 |
| 3.1 PML 归一化处理 | 第30-34页 |
| 3.2 PML 文档相似度计算 | 第34-35页 |
| 3.3 PML 数据流聚类 | 第35页 |
| 3.4 本章小结 | 第35-37页 |
| 第四章 基于贝叶斯网络的 PML 文档相似度计算 | 第37-56页 |
| 4.1 过滤 PML 文档冗余信息 | 第37-40页 |
| 4.2 建立贝叶斯网络模型 | 第40-43页 |
| 4.3 建立贝叶斯网络模型算法 | 第43-46页 |
| 4.4 定义概率 | 第46-52页 |
| 4.4.1 先验概率 | 第47-48页 |
| 4.4.2 条件概率 | 第48-52页 |
| 4.5 PML 文档相似度计算 | 第52-55页 |
| 4.6 本章小结 | 第55-56页 |
| 第五章 基于动态滑动窗口的 PML 数据流聚类 | 第56-64页 |
| 5.1 数据模型定义 | 第56-57页 |
| 5.2 动态滑动窗口设定 | 第57-59页 |
| 5.3 基于动态滑动窗口的 PML 数据流聚类模型 | 第59页 |
| 5.4 基于动态滑动窗口的 PML 数据流聚类算法 | 第59-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 实验仿真 | 第64-77页 |
| 6.1 实验数据集 | 第64-66页 |
| 6.1.1 PML 相似度计算实验数据集 | 第64-65页 |
| 6.1.2 PML 数据流聚类数据集 | 第65-66页 |
| 6.2 实验评价标准 | 第66-69页 |
| 6.2.1 相似度计算评价标准 | 第66-67页 |
| 6.2.2 数据流聚类评价标准 | 第67-69页 |
| 6.3 实验结果与分析 | 第69-76页 |
| 6.3.1 PML 文档相似度计算的结果与分析 | 第69-72页 |
| 6.3.2 PML 数据流聚类的结果与分析 | 第72-76页 |
| 6.4 本章小结 | 第76-77页 |
| 第七章 总结与展望 | 第77-79页 |
| 7.1 论文总结 | 第77页 |
| 7.2 工作展望 | 第77-79页 |
| 参考文献 | 第79-81页 |
| 附录 1 程序清单 | 第81-91页 |
| 附录 2 攻读硕士学位期间撰写的论文 | 第91-92页 |
| 附录 3 攻读硕士学位期间申请的专利 | 第92-93页 |
| 附录 4 攻读硕士学位期间参加的科研项目 | 第93-94页 |
| 致谢 | 第94页 |