基于圖模型的傳感網(wǎng)事件檢測(cè)技術(shù)研究.pdf

1、隨著傳感器技術(shù)、嵌入式計(jì)算技術(shù)和分布式信息處理技術(shù)的迅速發(fā)展，無線傳感器網(wǎng)絡(luò)(Wireless Sensor Networks，WSN)應(yīng)運(yùn)而生。無線傳感器網(wǎng)絡(luò)具有的廣闊應(yīng)用前景，在基礎(chǔ)理論和工程技術(shù)兩個(gè)層面向研究者提出了很多具有挑戰(zhàn)性的問題。事件檢測(cè)是WSN中的一個(gè)應(yīng)用重點(diǎn)。用戶不僅要求檢測(cè)出哪些傳感器節(jié)點(diǎn)的數(shù)據(jù)發(fā)生了異常，而且還要求檢測(cè)出引發(fā)這些數(shù)據(jù)異常的具體事件類型，這種事件類型的判斷具有重要的現(xiàn)實(shí)意義。
　　為了更好地體現(xiàn)

2、事件特征，我們可以對(duì)事件進(jìn)行抽象，即建模，用具體的模型描述事件的特征。由于圖模型在描述復(fù)雜事件上具有很強(qiáng)的能力，若將某個(gè)節(jié)點(diǎn)的數(shù)據(jù)看作圖中的頂點(diǎn)，數(shù)據(jù)間的時(shí)空相關(guān)性看作圖中的邊，則可以很自然地使用圖模型描述事件特性。本文利用節(jié)點(diǎn)間接收事件數(shù)據(jù)的時(shí)間延遲，構(gòu)造出時(shí)延有向圖模型，它具有豐富的語義信息，可以較為全面地描述WSN事件特征。然后基于時(shí)延有向圖模型，可以將事件類型的判定轉(zhuǎn)化為事件模式圖數(shù)據(jù)庫中事件圖的相似度查詢。
　　針對(duì)傳統(tǒng)

3、的圖相似性查詢復(fù)雜度較高，本文利用WSN事件的特征信息，對(duì)圖查詢工作進(jìn)行了轉(zhuǎn)化，通過挖掘出模式圖和事件圖中的特征結(jié)構(gòu)，構(gòu)造出“特征-圖”矩陣，將圖轉(zhuǎn)化為特征向量，從而將圖查詢問題轉(zhuǎn)化為特征向量匹配問題。對(duì)于特征向量相似度的衡量，針對(duì)歐氏距離和余弦相似性的不足，提出了更符合WSN事件特點(diǎn)的基于特征結(jié)構(gòu)包含的向量匹配方法(GFC)。
　　考慮到WSN事件圖中不同特征結(jié)構(gòu)的重要程度是不同的，本文將每個(gè)圖的特征結(jié)構(gòu)按其重要性由大到小排序，

4、形成一個(gè)特征結(jié)構(gòu)序列。在此基礎(chǔ)上，將圖查詢問題轉(zhuǎn)化為特征序列匹配問題，并提出了兩種序列相似度計(jì)算方法:基于權(quán)重的最大公共子序列的方法(WLCS)和基于權(quán)重的序列編輯距離的方法(WSED)。
　　最后的實(shí)驗(yàn)表明，針對(duì)WSN的事件檢測(cè)，本文提出的時(shí)延有向圖建模方法相對(duì)于簡(jiǎn)單的建模方法具有較高的檢測(cè)質(zhì)量;GFC算法相對(duì)于基于歐氏距離和余弦相似性算法具有更高的查詢準(zhǔn)確率;考慮特征結(jié)構(gòu)重要性的WLCS和WSED算法相對(duì)于特征向量匹配算法具有