| 摘要 | 第3-6页 |
| ABSTRACT | 第6-8页 |
| 英文缩略语表 | 第9-11页 |
| 目录 | 第11-14页 |
| 第一章 绪论 | 第14-25页 |
| 1.1 无线传感器网络简介 | 第14-15页 |
| 1.2 无线传感器网络研究开展情况 | 第15-16页 |
| 1.3 无线传感器网络特征及面临的问题和挑战 | 第16-17页 |
| 1.4 传感器网络节能机制研究现状 | 第17-19页 |
| 1.4.1 基于数据处理的节能机制研究 | 第17页 |
| 1.4.2 基于数据传输的节能机制研究 | 第17-19页 |
| 1.5 传感器网络数据收集机制研究现状 | 第19-20页 |
| 1.6 传感器网络数据属性及分布特征 | 第20-21页 |
| 1.6.1 时间序列特征 | 第20页 |
| 1.6.2 价值特征 | 第20-21页 |
| 1.6.3 统计特征 | 第21页 |
| 1.6.4 信息残缺特征 | 第21页 |
| 1.6.5 分布特征 | 第21页 |
| 1.7 本文主要研究工作和创新点 | 第21-23页 |
| 1.7.1 主要研究工作 | 第21-22页 |
| 1.7.2 研究工作的创新点 | 第22-23页 |
| 1.7.3 本文研究内容框图 | 第23页 |
| 1.7.4 课题来源 | 第23页 |
| 1.8 本文章节安排 | 第23-25页 |
| 第二章 面向数据预测模式的节能机制 | 第25-63页 |
| 2.1 引言 | 第25-26页 |
| 2.2 传感器网络数据时间序列预测模型 | 第26-27页 |
| 2.2.1 数据的时空相关性特征 | 第26页 |
| 2.2.2 时间序列型数据预测模式 | 第26-27页 |
| 2.3 基于预测模式的冗余数据滤波机制 | 第27-45页 |
| 2.3.1 问题的引入 | 第27页 |
| 2.3.2 采样数据预测模型的建立与修正 | 第27-30页 |
| 2.3.3 预测误差驱动的自适应数据通信 | 第30-36页 |
| 2.3.4 基于预测模式的数据重构 | 第36-38页 |
| 2.3.5 实验结果分析 | 第38-45页 |
| 2.4 基于预测模式的能量感知数据路由 | 第45-62页 |
| 2.4.1 问题的引入 | 第46页 |
| 2.4.2 基于ARMA 模型的数据流量预测 | 第46-48页 |
| 2.4.3 基于流量负载预测的能量状况评估 | 第48-50页 |
| 2.4.4 基于预测模式的蚁群优化路由 | 第50-54页 |
| 2.4.5 实验结果分析 | 第54-62页 |
| 2.5 本章小结 | 第62-63页 |
| 第三章 面向数据价值的区分服务节能机制 | 第63-87页 |
| 3.1 引言 | 第63页 |
| 3.2 传感器网络数据价值区分及判别 | 第63-65页 |
| 3.3 数据价值因子 | 第65-67页 |
| 3.3.1 基于融合机制判断标准的价值因子 | 第65-66页 |
| 3.3.2 基于应用贡献度判断标准的价值因子 | 第66页 |
| 3.3.3 数据价值因子阈值 | 第66-67页 |
| 3.4 基于数据价值贡献的集合覆盖机制 | 第67-76页 |
| 3.4.1 问题的引入 | 第67-68页 |
| 3.4.2 混合型蚁群优化算法(IMAH)的最小覆盖集实现 | 第68-73页 |
| 3.4.3 实验结果分析 | 第73-76页 |
| 3.5 基于价值冗余数据滤波的分发机制 | 第76-85页 |
| 3.5.1 问题的引入 | 第76-77页 |
| 3.5.2 支持QoS 的MAC 层性能分析 | 第77-78页 |
| 3.5.3 依据价值区分性的数据滤波体系结构 | 第78-82页 |
| 3.5.4 实验结果分析 | 第82-85页 |
| 3.6 本章小结 | 第85-87页 |
| 第四章 面向数据内容关联度的节能机制 | 第87-107页 |
| 4.1 引言 | 第87页 |
| 4.2 基于数据内容关联规则的聚类构建 | 第87-93页 |
| 4.2.1 问题的引入 | 第88页 |
| 4.2.2 关联规则基本概念 | 第88-90页 |
| 4.2.3 关联规则挖掘及成簇聚类 | 第90-91页 |
| 4.2.4 实验与分析 | 第91-93页 |
| 4.3 基于数据内容关联度的聚类结构优化 | 第93-97页 |
| 4.3.1 问题的引入 | 第93-94页 |
| 4.3.2 数据内容关联度的粗略判别 | 第94-95页 |
| 4.3.3 簇重组和自愈过程 | 第95-97页 |
| 4.4 基于内容关联度的冗余数据滤波机制 | 第97-106页 |
| 4.4.1 问题的引入 | 第97页 |
| 4.4.2 基于元数据协商的冗余数据滤波 | 第97-99页 |
| 4.4.3 基于DSC 方式的簇际传输数据融合 | 第99-102页 |
| 4.4.4 实验结果分析 | 第102-106页 |
| 4.5 本章小结 | 第106-107页 |
| 第五章 面向数据统计分布模型的节能机制 | 第107-129页 |
| 5.1 引言 | 第107页 |
| 5.2 问题的引入 | 第107-108页 |
| 5.3 基于ACO 算法的异构数据聚类 | 第108-110页 |
| 5.4 模型匹配驱动的自适应数据滤波 | 第110-120页 |
| 5.4.1 异构数据分布模型的半监督学习 | 第110-112页 |
| 5.4.2 数据分布模型匹配性分析 | 第112-114页 |
| 5.4.3 模型匹配自适应数据滤波 | 第114-116页 |
| 5.4.4 实验结果分析 | 第116-120页 |
| 5.5 基于主元分析的传输数据压缩和重构 | 第120-127页 |
| 5.5.1 基于特征抽取的数据降维 | 第123页 |
| 5.5.2 数据重构 | 第123-125页 |
| 5.5.3 实验结果分析 | 第125-127页 |
| 5.6 本章小结 | 第127-129页 |
| 第六章 总结与展望 | 第129-132页 |
| 6.1 本文研究工作总结 | 第129-131页 |
| 6.2 未来研究工作展望 | 第131-132页 |
| 参考文献 | 第132-145页 |
| 攻读博士学位期间发表、录用和投稿的论文目录 | 第145-147页 |