| 摘要 | 第3-4页 |
| ABSTRACT | 第4页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-9页 |
| 1.1 本文工作及意义 | 第7-8页 |
| 1.2 结构安排 | 第8-9页 |
| 第二章 无线传感器网络概述 | 第9-21页 |
| 2.1 无线传感器网络的体系结构 | 第10-14页 |
| 2.1.1 网络结构 | 第10-13页 |
| 2.1.2 硬件环境 | 第13页 |
| 2.1.3 软件环境 | 第13-14页 |
| 2.2 传感器节点的限制 | 第14-15页 |
| 2.3 传感器网络的特点 | 第15-17页 |
| 2.4 传感器网络的典型应用 | 第17-18页 |
| 2.5 传感器网络关键技术 | 第18-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 感知数据传输整合问题 | 第21-26页 |
| 3.1 数据收集问题 | 第21-22页 |
| 3.2 应用领域 | 第22页 |
| 3.3 WSN 中的数据整合 | 第22-25页 |
| 3.3.1 基于时空关联性的数据传输整合 | 第24页 |
| 3.3.2 基于模型的数据传输整合 | 第24-25页 |
| 3.4 本章小结 | 第25-26页 |
| 第四章 矩阵奇异值分解 | 第26-31页 |
| 4.1 数据流挖掘 | 第26-28页 |
| 4.1.1 什么是流数据 | 第26-27页 |
| 4.1.2 流数据挖掘的特点 | 第27页 |
| 4.1.3 流数据挖掘的难点 | 第27页 |
| 4.1.4 多数据流关联分析算法 | 第27-28页 |
| 4.2 一种有效利用时空关联性的SVD 模型 | 第28-30页 |
| 4.2.1 矩阵奇异值分解定理 | 第29-30页 |
| 4.3 本章小结 | 第30-31页 |
| 第五章 数据传输整合算法 | 第31-37页 |
| 5.1 初始化阶段 | 第31-32页 |
| 5.2 利用空间关联性的SVD-QR-K 算法 | 第32-36页 |
| 5.2.1 利用时间关联性的SSS-T 算法 | 第34页 |
| 5.2.2 利用时空关联性：SSS | 第34-36页 |
| 5.3 本章小结 | 第36-37页 |
| 第六章 负载均衡 | 第37-42页 |
| 6.1 一维属性值方案 MSAO | 第37-38页 |
| 6.2 多维属性值方案MSAM | 第38-41页 |
| 6.3 本章小结 | 第41-42页 |
| 第七章 感知数据传输整合算法实验 | 第42-48页 |
| 7.1 奇异值数量k 选取对网络中数据传输量的影响 | 第42-43页 |
| 7.2 数据值改变量阀值? 的选取对网络中数据传输量的影响 | 第43-44页 |
| 7.3 SSS 算法对于网络中突发事件的检测 | 第44-45页 |
| 7.4 负载均衡性能 | 第45-47页 |
| 7.4.1 一维属性值的负载均衡 | 第45-46页 |
| 7.4.2 多维属性值的负载均衡 | 第46-47页 |
| 7.5 本章小结 | 第47-48页 |
| 第八章 全文总结 | 第48-49页 |
| 8.1 主要结论 | 第48页 |
| 8.2 研究展望 | 第48-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的学术论文目录 | 第54-56页 |