面向信息物理系统的主动式复杂事件处理技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第15-30页 |
| 1.1 研究背景及意义 | 第15-20页 |
| 1.1.1 信息物理系统概述 | 第15-17页 |
| 1.1.2 信息物理系统的特点与发展趋势 | 第17-18页 |
| 1.1.3 主动式复杂事件处理技术概述 | 第18-20页 |
| 1.2 相关研究进展 | 第20-25页 |
| 1.2.1 复杂事件处理 | 第20-22页 |
| 1.2.2 事件上下文处理方法 | 第22页 |
| 1.2.3 主动式处理中预测分析方法 | 第22-23页 |
| 1.2.4 主动式处理中的决策方法 | 第23-25页 |
| 1.3 存在的问题与挑战 | 第25-27页 |
| 1.4 研究内容 | 第27-28页 |
| 1.5 论文的组织 | 第28-30页 |
| 第2章 理论和技术基础 | 第30-46页 |
| 2.1 复杂事件处理技术 | 第30-39页 |
| 2.1.1 事件模型 | 第30-33页 |
| 2.1.2 事件选择策略 | 第33-35页 |
| 2.1.3 复杂事件处理模型 | 第35-39页 |
| 2.2 事件上下文聚类技术 | 第39-40页 |
| 2.3 主动式处理技术 | 第40-44页 |
| 2.3.1 贝叶斯网络 | 第40-42页 |
| 2.3.2 马尔科夫决策过程 | 第42-43页 |
| 2.3.3 Q-learning | 第43-44页 |
| 2.4 系统体系结构 | 第44-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第3章 面向不确定性事件流的并行处理方法 | 第46-61页 |
| 3.1 本章引言 | 第46-47页 |
| 3.2 查询语言与事件概率模型 | 第47-48页 |
| 3.3 不确定性事件流的处理方法 | 第48-54页 |
| 3.3.1 基于匹配树的处理方法 | 第48-51页 |
| 3.3.2 事件流的并行处理 | 第51-52页 |
| 3.3.3 SEQ事件的并行处理 | 第52-54页 |
| 3.4 实验分析 | 第54-60页 |
| 3.4.1 实验数据源 | 第55-56页 |
| 3.4.2 实验结果及分析 | 第56-60页 |
| 3.5 本章小结 | 第60-61页 |
| 第4章 事件上下文处理方法 | 第61-73页 |
| 4.1 本章引言 | 第61页 |
| 4.2 基于模糊本体的事件上下文建模 | 第61-65页 |
| 4.2.1 上下文与模糊本体 | 第61-63页 |
| 4.2.2 上下文建模 | 第63-65页 |
| 4.3 事件上下文聚类方法 | 第65-69页 |
| 4.4 实验及结果分析 | 第69-72页 |
| 4.4.1 数据描述 | 第69页 |
| 4.4.2 实验结果与分析 | 第69-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第5章 主动式复杂事件处理中的预测方法 | 第73-85页 |
| 5.1 本章引言 | 第73-74页 |
| 5.2 基于适应性贝叶斯网络的预测方法 | 第74-79页 |
| 5.2.1 预测模型架构 | 第74页 |
| 5.2.2 适应性贝叶斯网络模型 | 第74-76页 |
| 5.2.3 适应性贝叶斯网络结构学习方法 | 第76-78页 |
| 5.2.4 多贝叶斯模型组合 | 第78-79页 |
| 5.3 实验及结果分析 | 第79-84页 |
| 5.4 本章小结 | 第84-85页 |
| 第6章 主动式复杂事件处理决策方法 | 第85-100页 |
| 6.1 本章引言 | 第85-86页 |
| 6.2 并行马尔科夫决策过程 | 第86-89页 |
| 6.2.1 决策模型 | 第86页 |
| 6.2.2 基于结点的状态划分与并行 | 第86-88页 |
| 6.2.3 报酬分解 | 第88-89页 |
| 6.3 并行Q-LEARNING决策方法 | 第89-94页 |
| 6.3.1 决策模型 | 第89-92页 |
| 6.3.2 基于子问题的状态划分 | 第92-94页 |
| 6.4 实验及结果分析 | 第94-98页 |
| 6.5 本章小结 | 第98-100页 |
| 结论 | 第100-102页 |
| 参考文献 | 第102-110页 |
| 致谢 | 第110-111页 |
| 附录A 攻读学位期间所完成的论文 | 第111-112页 |
| 附录B 攻读学位期间主持和参加的科研课题 | 第112页 |
