基于内存受限的RFID复杂事件处理优化算法

复杂事件处理是RFID数据管理的关键技术,由于受到内存的限制,海量实时的RFID原始流数据处理的中间结果部分只能存储在外存中,会产生内存瓶颈,严重限制了大规模RFID的部署。为此,提出了B+-树分时优化索引(B IOT)的复杂事件处理算法。在内存受限的情况下,将数据流按时序进行分割,且用B+-树进行区间分块索引,之后利用RFID数据流统计分布特性进行复杂事件查找与匹配,避免了频繁搜索外存,极大地降低了I/O开销并提高了吞吐量。此外,进行了相关的对比实验,验证了算法的有效性。

多维度的RFID复杂事件处理优化算法研究

复杂事件处理是RFID领域的一项关键技术,然而当前复杂事件技术处理的原始事件是建立在Tag ID相同的情况,且只能含有单一属性。针对当前算法研究的局限性,现提出多维度RFID复杂事件处理优化算法(SIMOA)。将复杂事件处理从原始的Tag ID相同情况扩展到通用的关系运算模型上,并通过将中间结果网状传递的方法,减少了状态更新冗余,极大的提高了复杂事件的处理性能。此外,编写了仿真程序进行了相关的对比实验,验证了算法的有效性。

基于滑动窗口的RFID数据流多标签清洗算法

RFID数据流清洗技术主要关注的是数据的实时性、完整性和动态性。传统的适应性清洗机制针对的只是单标签的情况,且在调整窗口以保证动态性的情况下丧失了完整性。为此,首先在二项分布模型的基础上提出了一种新的单标签清洗算法,改进和完善了传统的单标签清洗算法;之后提出了基于防碰撞模型的多标签清洗算法,从而形成了一套完整的数据流清洗算法。此外,进行了大量实验,验证了算法的有效性。