無(wú)線傳感網(wǎng)中低能耗近似計(jì)算方法

定　價(jià)：￥65.00

作　者：	程思瑤，李建中著
出版社：	浙江大學(xué)出版社
叢編項(xiàng)：	杰出青年學(xué)者研究文叢
標(biāo)　簽：	電子通信工業(yè)技術(shù) 無(wú)線通信

購(gòu)買這本書可以去

ISBN：	9787308152075	出版時(shí)間：	2016-11-01	包裝：	平裝
開本：	16開	頁(yè)數(shù)：	229	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　《無(wú)線傳感網(wǎng)中低能耗近似計(jì)算方法》研究了面向物理過(guò)程可重現(xiàn)的數(shù)據(jù)采集方法，以從源頭提高感知數(shù)據(jù)的獲取質(zhì)量、控制感知數(shù)據(jù)的規(guī)模。大多數(shù)研究均假設(shè)傳感器節(jié)點(diǎn)通過(guò)等頻數(shù)據(jù)采集而獲得的感知數(shù)據(jù)能夠精準(zhǔn)地反映物理世界的變化情況。但是，現(xiàn)實(shí)中物理地界往往是連續(xù)變化的，而傳感器節(jié)點(diǎn)的等頻數(shù)據(jù)采集僅是對(duì)連續(xù)變化的物理世界的一個(gè)離散過(guò)程，故等頻數(shù)據(jù)采集還存在關(guān)鍵點(diǎn)丟失和曲線失真等問(wèn)題。當(dāng)然，加大傳感器節(jié)點(diǎn)的數(shù)據(jù)采集頻率，確實(shí)能縮小等頻數(shù)據(jù)采集與真實(shí)物理過(guò)程之間的差距，但是加大數(shù)據(jù)采集頻率也同樣意味著消耗*多的能量，并且會(huì)使整個(gè)網(wǎng)絡(luò)中產(chǎn)生大量的感知數(shù)據(jù)。導(dǎo)致傳感器網(wǎng)絡(luò)陷入感知數(shù)據(jù)存不下、傳不出的困境。鑒于上述原因，本書開展了面向物理過(guò)程可高精度重現(xiàn)的數(shù)據(jù)采集算法的研究，并提出了2種變頻數(shù)據(jù)采集算法，用以獲取感知曲線。同時(shí)，我們對(duì)感知曲線上的查詢處理算法進(jìn)行了討論，并以聚集操作為例，給出了感知曲線的聚集算法。

作者簡(jiǎn)介

　　程思瑤，李建中著

圖書目錄

第1章緒論1.1 研究的目的和意義1.2 無(wú)線傳感器網(wǎng)絡(luò)簡(jiǎn)介1.2.1 什么是無(wú)線傳感器網(wǎng)絡(luò)1.2.2 無(wú)線傳感器網(wǎng)絡(luò)的特點(diǎn)與挑戰(zhàn)1.2.3 無(wú)線傳感器網(wǎng)絡(luò)領(lǐng)域的研究現(xiàn)狀與熱點(diǎn)問(wèn)題1.3 無(wú)線傳感網(wǎng)中感知數(shù)據(jù)的獲取與計(jì)算技術(shù)簡(jiǎn)介1.3.1 無(wú)線傳感網(wǎng)中感知數(shù)據(jù)獲取與計(jì)算技術(shù)的研究現(xiàn)狀1.3.2 無(wú)線傳感網(wǎng)中感知數(shù)據(jù)的獲取與計(jì)算技術(shù)所面臨的新挑戰(zhàn)1.4 本書研究的問(wèn)題與成果第2章靜態(tài)傳感器網(wǎng)絡(luò)中基于均衡抽樣的（ε。δ）一近似聚集算法2.1 引言2.2 問(wèn)題定義2.3 數(shù)學(xué)基礎(chǔ)2.3.1 聚集和的估計(jì)器2.3.2 平均值的估計(jì)器2.3.3 無(wú)重復(fù)計(jì)數(shù)值的估計(jì)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(hù)算法2.6.1 ε和δ變化時(shí)樣本數(shù)據(jù)信息維護(hù)算法2.6 2感知數(shù)據(jù)變化時(shí)樣本信息維護(hù)算法2.7 實(shí)驗(yàn)結(jié)果2.7 1基于抽樣技術(shù)算法的特有性能2.7.2 查詢處理過(guò)程中的能量消耗28相關(guān)工作2.9 本章小節(jié)第3章動(dòng)態(tài)傳感器網(wǎng)絡(luò)中基于Betnoulli抽樣的（ε，δ）-近似聚集算法3.1 引言3.2 預(yù)備知識(shí)3.2.1 問(wèn)題定義3.2.2 Bemoulli抽樣3.3 數(shù)學(xué)基礎(chǔ)3.3.1 計(jì)數(shù)值及聚集和的估計(jì)器3.3.2 平均值估計(jì)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 基于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(xù)查詢處理算法3.5.3 基于多抽樣概率的（ε，δ）近似聚集算法3.6 實(shí)驗(yàn)結(jié)果3.6.1 大規(guī)模傳感網(wǎng)中算法的性能3.6.2 中等規(guī)模傳感網(wǎng)中算法的性能3.7 本章小結(jié)第4章傳感器網(wǎng)絡(luò)中地理位置敏感的近似極值點(diǎn)查詢算法4.1 引言4.2 問(wèn)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(fù)雜性4.4 基于區(qū)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(jì)算方法4.4.3 算法的復(fù)雜性4.5 實(shí)驗(yàn)結(jié)果4.5.1 “Top-k”與“LAP（D，k）”的比較4.5.2 不同算法在計(jì)算“LAP-（D,k）”時(shí)的性能4.6 相關(guān)工作4.7 本章小結(jié)第5章傳感器網(wǎng)絡(luò)中面向物理過(guò)程可重現(xiàn)的感知數(shù)據(jù)采集算法5.1 引言5.2 問(wèn)題定義5.3 兩種變頻數(shù)據(jù)采集算法5.3.1 基于Hermit插值的變頻數(shù)據(jù)采集算法5.3.2 基于三次樣條插值的變頻數(shù)據(jù)采集算法5.4 感知曲線聚集算法5.4.1 問(wèn)題的定義5.4.2 感知曲線聚集算法5.4.3 聚集算法的優(yōu)化策略——曲線合并算法5.5 實(shí)驗(yàn)結(jié)果5.5.1 變頻數(shù)據(jù)采集算法的性能5.5.2 感知曲線聚集算法的性能5.6 相關(guān)工作5.7 本章小結(jié)第6章結(jié)論參考文獻(xiàn)索引