无线传感网中低能耗近似计算方法 浙江大学出版社 pdf pdb 阿里云 极速 mobi caj kindle 下载

《无线传感网中低能耗近似计算方法》研究了面向物理过程可重现的数据采集方法，以从源头提高感知数据的获取质量、控制感知数据的规模。大多数研究均假设传感器节点通过等频数据采集而获得的感知数据能够精准地反映物理世界的变化情况。但是，现实中物理地界往往是连续变化的，而传感器节点的等频数据采集仅是对连续变化的物理世界的一个离散过程，故等频数据采集还存在关键点丢失和曲线失真等问题。当然，加大传感器节点的数据采集频率，确实能缩小等频数据采集与真实物理过程之间的差距，但是加大数据采集频率也同样意味着消耗更多的能量，并且会使整个网络中产生大量的感知数据。导致传感器网络陷入感知数据存不下、传不出的困境。鉴于上述原因，本书开展了面向物理过程可高精度重现的数据采集算法的研究，并提出了2种变频数据采集算法，用以获取感知曲线。同时，我们对感知曲线上的查询处理算法进行了讨论，并以聚集操作为例，给出了感知曲线的聚集算法。

第1章绪论

1.1研究的目的和意义

1.2无线传感器网络简介

1.2.1什么是无线传感器网络

1.2.2无线传感器网络的特点与挑战

1.2.3无线传感器网络领域的研究现状与热点问题

1.3无线传感网中感知数据的获取与计算技术简介

1.3.1无线传感网中感知数据获取与计算技术的研究现状

1.3.2无线传感网中感知数据的获取与计算技术所面临的新挑战

1.4本书研究的问题与成果

第2章静态传感器网络中基于均衡抽样的(ε，δ)-近似聚集算法

2.1引言

2.2问题定义

2.3数学基础

2.3.1聚集和的估计器

2.3.2平均值的估计器

2.3.3无重复计数值的估计器

2.4分布式均衡抽样算法

2.4.1样本容量的确定

2.4.2均衡抽样算法

2.5近似聚集算法

2.6样本信息维护算法

2.6.1ε和δ变化时样本数据信息维护算法

2.62感知数据变化时样本信息维护算法

2.7实验结果

2.71基于抽样技术算法的特有性能

2.7.2查询处理过程中的能量消耗

28相关工作

2.9本章小节

第3章动态传感器网络中基于Betnoulli抽样的(ε，δ)-近似聚集算法

3.1引言

3.2预备知识

3.2.1问题定义

3.2.2Bemoulli抽样

3.3数学基础

3.3.1计数值及聚集和的估计器

3.3.2平均值估计器

3.4Bernoulli抽样算法

3.4.1抽样概率的确定

3.4.2Bernoulli抽样算法

3.5基于Bernoulli抽样的(ε，δ)-聚集算法

3.5.1Snapshot查询处理算法

3.5.2连续查询处理算法

3.5.3基于多抽样概率的(ε，δ)-近似聚集算法

3.6实验结果

3.6.1大规模传感网中算法的性能

3.6.2中等规模传感网中算法的性能

3.7本章小结

第4章传感器网络中地理位置敏感的近似极值点查询算法

4.1引言

4.2问题定义

4.3贪心算法

4.3.1集中式贪心算法

4.3.2分布式贪心算法

4.3.3算法的复杂性

4.4基于区域划分的分布式算法

4.4.1算法的总体思想

4.4.2RrDk的计算方法

4.4.3算法的复杂性

4.5实验结果

4.5.1“Top-k”与“LAP-(D，k)”的比较

4.5.2不同算法在计算“LAP-(D，k)”时的性能

4.6相关工作

4.7本章小结

第5章传感器网络中面向物理过程可重现的感知数据采集算法

5.1引言

5.2问题定义

5.3两种变频数据采集算法

5.3.1基于Hermit插值的变频数据采集算法

5.3.2基于三次样条插值的变频数据采集算法

5.4感知曲线聚集算法

5.4.1问题的定义

5.4.2感知曲线聚集算法

5.4.3聚集算法的优化策略——曲线合并算法

5.5实验结果

5.5.1变频数据采集算法的性能

5.5.2感知曲线聚集算法的性能

5.6相关工作

5.7本章小结

第6章结论

参考文献

索引

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

暂无相关书籍摘录，正在全力查找中！

在线阅读地址：无线传感网中低能耗近似计算方法 浙江大学出版社在线阅读

在线听书地址：无线传感网中低能耗近似计算方法 浙江大学出版社在线收听

在线购买地址：无线传感网中低能耗近似计算方法 浙江大学出版社在线购买

暂无原文赏析，正在全力查找中！

暂无其它内容！