☆☆☆☆☆
簡體網頁||繁體網頁



點擊這裡下載

類似圖書 點擊查看全場最低價

---

內容簡介

　　《無綫傳感網中低能耗近似計算方法》研究瞭麵嚮物理過程可重現的數據采集方法，以從源頭提高感知數據的獲取質量、控製感知數據的規模。大多數研究均假設傳感器節點通過等頻數據采集而獲得的感知數據能夠精準地反映物理世界的變化情況。但是，現實中物理地界往往是連續變化的，而傳感器節點的等頻數據采集僅是對連續變化的物理世界的一個離散過程，故等頻數據采集還存在關鍵點丟失和麯綫失真等問題。當然，加大傳感器節點的數據采集頻率，確實能縮小等頻數據采集與真實物理過程之間的差距，但是加大數據采集頻率也同樣意味著消耗*多的能量，並且會使整個網絡中産生大量的感知數據。導緻傳感器網絡陷入感知數據存不下、傳不齣的睏境。鑒於上述原因，本書開展瞭麵嚮物理過程可高精度重現的數據采集算法的研究，並提齣瞭2種變頻數據采集算法，用以獲取感知麯綫。同時，我們對感知麯綫上的查詢處理算法進行瞭討論，並以聚集操作為例，給齣瞭感知麯綫的聚集算法。

目錄

第1章 緒論1.1 研究的目的和意義1.2 無綫傳感器網絡簡介1.2.1 什麼是無綫傳感器網絡1.2.2 無綫傳感器網絡的特點與挑戰1.2.3 無綫傳感器網絡領域的研究現狀與熱點問題1.3 無綫傳感網中感知數據的獲取與計算技術簡介1.3.1 無綫傳感網中感知數據獲取與計算技術的研究現狀1.3.2 無綫傳感網中感知數據的獲取與計算技術所麵臨的新挑戰1.4 本書研究的問題與成果第2章 靜態傳感器網絡中基於均衡抽樣的（ε。δ）一近似聚集算法2.1 引言2.2 問題定義2.3 數學基礎2.3.1 聚集和的估計器2.3.2 平均值的估計器2.3.3 無重復計數值的估計器2.4 分布式均衡抽樣算法2.4.1 樣本容量的確定2.4.2 均衡抽樣算法2.5 近似聚集算法2.6 樣本信息維護算法2.6.1 ε和δ變化時樣本數據信息維護算法2.6 2感知數據變化時樣本信息維護算法2.7 實驗結果2.7 1基於抽樣技術算法的特有性能2.7.2 查詢處理過程中的能量消耗28相關工作2.9 本章小節第3章 動態傳感器網絡中基於Betnoulli抽樣的（ε，δ）-近似聚集算法3.1 引言3.2 預備知識3.2.1 問題定義3.2.2 Bemoulli抽樣3.3 數學基礎3.3.1 計數值及聚集和的估計器3.3.2 平均值估計器3.4 Bernoulli抽樣算法3.4.1 抽樣概率的確定3.4.2 Bernoulli抽樣算法3.5 基於Bernoulli抽樣的（ε，δ）一聚集算法3.5.1 Snapshot查詢處理算法3.5.2 連續查詢處理算法3.5.3 基於多抽樣概率的（ε，δ）近似聚集算法3.6 實驗結果3.6.1 大規模傳感網中算法的性能3.6.2 中等規模傳感網中算法的性能3.7 本章小結第4章 傳感器網絡中地理位置敏感的近似極值點查詢算法4.1 引言4.2 問題定義4.3 貪心算法4.3.1 集中式貪心算法4.3.2 分布式貪心算法4.3.3 算法的復雜性4.4 基於區域劃分的分布式算法4.4.1 算法的總體思想4.4.2 RrDk的計算方法4.4.3 算法的復雜性4.5 實驗結果4.5.1 “Top-k”與“LAP（D，k）”的比較4.5.2 不同算法在計算“LAP-（D,k）”時的性能4.6 相關工作4.7 本章小結第5章 傳感器網絡中麵嚮物理過程可重現的感知數據采集算法5.1 引言5.2 問題定義5.3 兩種變頻數據采集算法5.3.1 基於Hermit插值的變頻數據采集算法5.3.2 基於三次樣條插值的變頻數據采集算法5.4 感知麯綫聚集算法5.4.1 問題的定義5.4.2 感知麯綫聚集算法5.4.3 聚集算法的優化策略——麯綫閤並算法5.5 實驗結果5.5.1 變頻數據采集算法的性能5.5.2 感知麯綫聚集算法的性能5.6 相關工作5.7 本章小結第6章 結論參考文獻索引
無綫傳感網中低能耗近似計算方法 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價