面向无线传感器网络不确定性数据的Rank查询与优化的研究

无线传感器网络中的Rank查询优化问题一直是学术界关注的热点。近几年，人们发现感知数据普遍带有不确定性，这为Rank查询优化提出了新的挑战。本项目主要研究面向不确定性感知数据的Rank查询与优化处理问题，具体内容包括：第一，定义不确定性感知数据的数据模型，充分表达观测数据的属性依赖性和时空关联性；研究全局数据模型与节点数据模型的映射关系和节点数据的索引策略；第二，提出适用于无线传感器网络的不确定性Rank查询的形式化定义，分析查询结果集的基本性质，评价不同语义下的查询结果对于基本性质的满足程度,从而确定结果的准确度；第三，针对不确定性感知数据分布式存储，网络拓扑结构动态变化，节点资源有限的特点，提出分布式的Rank查询优化处理算法。算法中主要考虑采用基于属性依赖和时空关联的本地压缩技术、带通滤波器技术、网内聚集和近似查询技术等，从而降低查询处理的通信代价。

2012年至2015年，物联网技术蓬勃发展。其中，各种形式的无线传感器网络（WSN）被广泛使用，是众多物联网应用数据获取和处理的基础平台。由于应用中的多种因素会导致感知数据具有不确定性，基于不确定性感知数据的Rank查询与优化问题仍然是学术界关注的热点。项目在四年的执行过程中，首先研究了面向不确定性感知数据的Rank查询与优化处理问题：提出了针对集中式不确定数据集UTop-k查询语义的MSS4UTop-k算法，用以确定查询处理需访问的最小数据集，为后续的查询优化算法选择提供依据；针对属性级不确定性的U-Topk查询处理问题，提出了UTopk查询处理优化算法APT4U-Topk；针对目前不确定性数据集上U-Topk查询语义返回的结果不能完全满足用户需求的问题，提出了一种新的面向实体的U-Topk查询语义EoU-Topk；进一步，针对EoU-Topk查询，提出了查询处理算法，将元组级概率数据库转换为实体级概率数据库，这一方面可以消除元组级查询结果的片面性，同时可以把查询处理的时间复杂度从传统的指数级别降为多项式级别。项目组自建了无线传感器网络环境对所提算法进行实验验证。在这个过程中，为保证数据安全，对所涉及到的数据安全问题也进行了扩展研究。另外，本项目在实施期间，大数据、移动互联网等技术也取得了迅猛的发展，成为了社会热点领域，其中同样存在着不确定性数据和Rank查询问题，本项目对此也进行了应用研究。