针对不确定射频识别数据流的改进概率推导方法

针对射频识别(RFID)数据存在漏读和交叉读而导致所提供的位置信息不准确,以及RFID数据与上层应用需求之间存在的信息鸿沟,提出了一种可以处理RFID交叉读问题的改进的RFID数据推导方法.该方法利用动态图模型并辅以历史RFID识读,从不确定RFID数据流上有效捕获对象的当前状态,采用基于熵的方法推导对象的最可能位置与包含,并且利用仿真物流仓库的RFID模拟数据进行算法评价.实验结果显示,该方法在获得准确推导结果的同时,能确保其高效性.对于常见RFID部署,位置推导和包含推导的错误率都可以控制在10%以内,针对超过17万个节点的推导所用时间小于1s,采用修剪措施后内存使用低于700MB.

一种完备数据流的不确定数据择优算法

针对射频识别(RFID)数据与上层应用需求之间存在的信息鸿沟及其需要实时处理的特征,提出了一种完备数据流的不确定数据择优算法。分析了常规粒子滤波方法存在的不足之处,采用基于熵的方法推导属性最优权重,并利用可能度矩阵选择最佳粒子,从不确定RFID数据流上有效捕获对象的当前状态。算法的优化结果使得采样集向后验概率密度分布取值较大的区域运动,从而提高了算法计算效率并且显著地减少了精确定位所需的粒子数。最后,通过实例表明了该方法能够有效度量RFID数据中蕴含的不确定性。

在线RFID多复杂事件查询处理技术

在线无线射频识别(radio frequency identification,RFID)数据流上的复杂事件处理技术是一个新的课题。现有研究工作仅是针对单一的复杂事件查询,没有考虑多复杂事件同时查询的处理策略。在复杂事件语言SASE(stream-based and shared event processing)的基础上设计了专门针对多查询的自动机及相关的优化技术,解决了RFID数据流上多复杂事件查询的问题。实验结果表明,算法在查询数量较大时,时间与空间上较传统算法有更好的表现。