面向传感器网络的不确定数据查询处理与优化

随着电子技术的飞速发展，传感器网络已经逐渐渗透到国民经济各个领域当中。受到硬件设备、传感技术、通信质量和监测环境等多种因素影响，不确定性成为感知数据的固有属性，无法运用确定性感知数据管理技术进行有效管理，查询处理与优化是不确定感知数据管理的核心。因此，研究面向传感器网络的不确定数据查询处理与优化对满足人们日益提高的应用需求将起到十分重要的作用，必将成为近期的研究热点。本项目考虑传感器网络的分布式环境、传感器节点的资源受限性、感知数据的不确定性和属性及时空相关性等特点，紧紧围绕不确定感知数据查询处理与优化问题，重点针对不确定感知数据模型、不确定感知数据存储与索引和不确定感知数据的查询处理与优化算法等关键技术展开深入研究。设计并实现一个传感器网络仿真系统来验证研究成果的正确性和有效性。相关研究成果将为传感器网络实际应用提供更加可靠的保证，具有十分重要的理论研究意义和实际应用价值。

在传感器网络中，由于受硬件设备、传感技术、通信质量和周围环境等多种因素的共同影响，节点采集的往往是不精确或可信度很低的感知数据。可以说，感知数据本质上是不确定数据，不确定性是感知数据的固有属性。不确定感知数据查询处理与优化是不确定感知数据管理的核心技术，它与不确定感知数据模型、不确定感知数据存储与索引密切相关，直接关系到无线传感器网络应用系统的性能。因此，本项目以不确定感知数据表达模型、分布式存储、分布式索引、分布式查询处理和分布式查询优化等为核心，从面向传感器网络的不确定查询处理与优化和面向感知大数据的不确定查询处理与优化两个方面入手，深入研究了不确定感知数据的分布式查询处理与优化技术。在面向传感器网络的不确定查询处理与优化方面，主要研究了传感器网络中的Reverse Skyline、β-Approximate Skyline、Skycube、Skyline节点和概率Skyline的分布式查询处理与优化，以及面向感知数据流的概率Reverse Skyline和子空间Global Skyline的查询处理与优化；在面向感知大数据的不确定查询处理与优化方面，主要研究了基于MapReduce框架的k-NN、Top-k、Skyline、概率Skyline和分类等查询的分布式处理与优化技术。经过项目组成员为期三年的共同努力，本项目在理论研究、学术交流和人才培养等方面均取得了大量成果。在理论研究方面，共申请发明专利3项、发表感知数据管理领域学术论文23篇，包括《TKDE》、《DKE》、《NEUCOM》、《NCA》、《WWWJ》、《MPE》、《计算机学报》和《计算机研究与发展》等学术期刊，以及EDBT、DASFAA、BigData Congress、ELM、NDBC和CNCC等学术会议。上述23篇论文被SCI收录8篇、EI收录19篇，其中1篇论文还获得了CCF认定的B类会议DASFAA 2012的Best Paper Award First Runner-up奖励；此外，还另有录用待发表论文2篇。在学术交流方面，项目组成员和硕博士研究生三年来共23人次参加了国内外重要的学术会议，与相关领域的专家和同行进行了广泛而深入的交流。在人才培养方面，协助培养博士研究生3人，2人已顺利毕业；协助培养硕士研究生5人，均已顺利毕业；独立培养硕士研究生4人，均将于2015年7月份毕业。