面向Markov鏈的新型復(fù)合事件檢測(cè)技術(shù)研究.pdf

1、隨著RFID和傳感器網(wǎng)絡(luò)技術(shù)的快速發(fā)展，針對(duì)RFID數(shù)據(jù)的復(fù)合事件探測(cè)技術(shù)得到了日益廣泛的應(yīng)用，如事件預(yù)警與事件監(jiān)控。已有工作一般都是針對(duì)確定性數(shù)據(jù)流，對(duì)大量原子事件進(jìn)行精確匹配，查找復(fù)合事件。而在真實(shí)情況中，由于閱讀器漏讀等原因，會(huì)造成事件具有不確定性和關(guān)聯(lián)性，而且往往需要對(duì)原子事件進(jìn)行相似性檢測(cè)。同時(shí)，敏感數(shù)據(jù)的隱私保護(hù)也十分重要。因此，本文主要針對(duì)符合Markov相關(guān)性的數(shù)據(jù)，從精確匹配、相似性檢測(cè)和隱私保護(hù)三方面進(jìn)行復(fù)合事件檢測(cè)

2、技術(shù)的相關(guān)研究。
　　首先，針對(duì)符合Markov特性的不確定事件序列，本文形式化定義了匹配事件集和不確定復(fù)合事件查詢(xún)，并針對(duì)不確定復(fù)合事件精確查詢(xún)問(wèn)題，提出了基于序列優(yōu)先的查詢(xún)處理方法(seqF_Q)和基于相關(guān)性?xún)?yōu)先的查詢(xún)處理方法(corF_Q)。兩種算法可在多項(xiàng)式時(shí)間內(nèi)對(duì)該問(wèn)題進(jìn)行求解。考慮到兩種算法的影響因素，本文使用真實(shí)數(shù)據(jù)集和虛擬數(shù)據(jù)集進(jìn)行測(cè)評(píng)分析。實(shí)驗(yàn)表明，corF_Q方法的處理效率高于seqF_Q方法。
　　其次

3、，針對(duì)Markov不確定事件序列的相似性查詢(xún)問(wèn)題，本文對(duì)上面提出的問(wèn)題進(jìn)行擴(kuò)展，形式化定義了復(fù)合事件相似性距離和不確定性復(fù)合事件相似性查詢(xún)問(wèn)題。為提高檢測(cè)效率，本文構(gòu)建了MCE_ Index索引并將其分別與seqF_Q和corF_Q方法結(jié)合，提出序列優(yōu)先的相似性查詢(xún)處理方法(seqF_SQ)和相關(guān)性?xún)?yōu)先的查詢(xún)處理方法(corF_SQ)。進(jìn)一步，本文通過(guò)設(shè)計(jì)緩存機(jī)制改進(jìn)了corF_SQ方法，即corF_ca_ SQ方法。在真實(shí)數(shù)據(jù)集和虛擬

4、數(shù)據(jù)集上的實(shí)驗(yàn)驗(yàn)證了三種算法的可行性。其中，corF_ ca_SQ處理效率最高。
　　最后，針對(duì)Markov事件序列的復(fù)合事件隱私保護(hù)問(wèn)題，本文對(duì)隱私保護(hù)的相關(guān)概念進(jìn)行定義，提出了適用于Markov事件序列的效用增益函數(shù)，然后提出了基于事件類(lèi)型(Type_S)和基于事件實(shí)例(Instance_S)的舍棄策略，并基于corF_Q方法實(shí)現(xiàn)兩種策略。效用增益和處理時(shí)間的實(shí)驗(yàn)結(jié)果表明，Type_S方法具有較高的處理效率，而Instance