基于粒子滤波的能量高效传感器数据查询处理技术
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-8页 |
| 图表清单 | 第8-9页 |
| 缩略词 | 第9-10页 |
| 第一章 绪论 | 第10-15页 |
| ·研究背景和意义 | 第10-11页 |
| ·研究现状及不足 | 第11-13页 |
| ·论文的主要研究工作 | 第13-14页 |
| ·论文的组织结构 | 第14-15页 |
| 第二章 无线传感器网络中基于模型的查询研究现状 | 第15-25页 |
| ·非模型的传感器数据查询 | 第15-16页 |
| ·模型驱动的传感器数据查询 | 第16-18页 |
| ·传感器数据建模 | 第18-22页 |
| ·传感器数据的时空关联性 | 第18-20页 |
| ·动态概率模型 | 第20-21页 |
| ·动态概率模型对传感器数据的时空关联性建模 | 第21-22页 |
| ·模型上的概率推理 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于粒子滤波的查询处理技术 | 第25-32页 |
| ·贝叶斯框架下的概率推理 | 第25-26页 |
| ·状态空间模型 | 第25页 |
| ·贝叶斯估计 | 第25-26页 |
| ·粒子滤波 | 第26-29页 |
| ·重要性采样 | 第27页 |
| ·序贯重要性采样 | 第27-28页 |
| ·重采样 | 第28-29页 |
| ·基本粒子滤波算法 | 第29页 |
| ·实验 | 第29-31页 |
| ·实验设置 | 第29-30页 |
| ·实验结果及分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于高斯模型的粒子滤波技术 | 第32-41页 |
| ·高斯粒子滤波 | 第32-33页 |
| ·后验概率分布的多元高斯分布近似 | 第32页 |
| ·观测更新及算法 | 第32-33页 |
| ·时间更新及算法 | 第33页 |
| ·高斯和粒子滤波 | 第33-38页 |
| ·传感器节点划分簇 | 第34页 |
| ·节点簇的多元高斯模型 | 第34-35页 |
| ·多元高斯模型的最大似然参数估计 | 第35-36页 |
| ·混合高斯分布的近似 | 第36页 |
| ·高斯和粒子滤波算法 | 第36-38页 |
| ·实验 | 第38-40页 |
| ·实验设置 | 第38-39页 |
| ·实验结果及分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 粒子滤波的数据库管理系统内部实现 | 第41-55页 |
| ·基于动态概率模型的视图的不确定数据处理 | 第41-45页 |
| ·基于动态概率模型的视图 | 第41-43页 |
| ·基于粒子的表示 | 第43-44页 |
| ·基于粒子表的查询 | 第44-45页 |
| ·PostgreSQL 数据库实现传感器数据查询 | 第45-54页 |
| ·PostgreSQL 数据库管理系统简介 | 第45页 |
| ·PostgreSQL 的过程语言和辅助模块 | 第45-47页 |
| ·实验设置 | 第47-54页 |
| ·本章小结 | 第54-55页 |
| 第六章 论文总结和工作展望 | 第55-57页 |
| ·论文总结 | 第55页 |
| ·工作展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 在学期间的研究成果及发表的学术论文 | 第62页 |
