版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著當(dāng)前的電子采集設(shè)備如RFID(Radio Frequency Identification)、傳感器等的廣泛應(yīng)用及其高速發(fā)展,產(chǎn)生了空前的海量動態(tài)數(shù)據(jù)流。由于復(fù)雜事件檢測技術(shù)能夠幫助人們從這些海量數(shù)據(jù)中獲取有用信息,因而近年來受到了廣泛關(guān)注與研究。傳統(tǒng)的對復(fù)雜事件的檢測都是在內(nèi)存中進(jìn)行的,檢測的事件都是發(fā)生在一個相對較短的時間內(nèi),但現(xiàn)實(shí)生活中還存在著這樣的一些復(fù)雜事件,它們從開始發(fā)生到其完全結(jié)束延續(xù)時間很長,通常稱這種是面向長過程的
2、復(fù)雜事件。由于內(nèi)存的有限性,完全采用傳統(tǒng)的檢測技術(shù)對長過程復(fù)雜事件檢測并不可行,而目前幾乎還沒有對長過程事件流進(jìn)行復(fù)雜事件檢測的研究成果,因此對長過程復(fù)雜事件檢測技術(shù)的研究迫在眉睫。
為了實(shí)現(xiàn)面向長過程的復(fù)雜事件檢測,本文以傳統(tǒng)的檢測方法為基礎(chǔ),結(jié)合長過程事件流自身的特點(diǎn),設(shè)計了事件流在內(nèi)外存的存儲和置換策略,使得對長過程復(fù)雜事件的檢測成為可能并具有較高的效率。本文的主要貢獻(xiàn)如下:
首先,提出了對象樹對內(nèi)存中的事件實(shí)
3、例進(jìn)行存儲。對象樹是一種基于屬性共享的結(jié)構(gòu),具有壓縮事件的作用,使有限的內(nèi)存空間存儲更多的事件實(shí)例,并且由于將相同的對象事件存儲到同一棵樹中,也方便了檢測匹配的進(jìn)行。
其次,在內(nèi)存滿時,設(shè)計了一種將事件實(shí)例從內(nèi)存調(diào)出到外存的PR置換策略。該策略基于事件流的規(guī)律性,將內(nèi)存中最不會發(fā)生檢測的對象事件調(diào)出到外存,這使對長過程復(fù)雜事件的檢測成為可能并使得檢測具有較高的效率。
再次,為了檢測存儲于外存的事件,提出了一種稱為外存
4、事件實(shí)例映射表的結(jié)構(gòu)來幫助查找所需實(shí)例。由于它能對外存事件的存儲位置進(jìn)行索引,因而加速了匹配檢測的進(jìn)行。
最后,在對置換到外存的事件存儲時,本文采用分類存儲的策略,將事件按其屬性分類存儲到不同的文件中,并以文件名作為索引,文件中只存儲時間戳。這種分類存儲方式不僅對事件實(shí)例進(jìn)行了一定程度的壓縮,而且便利了檢測的進(jìn)行。
通過理論和實(shí)驗的評估,證明了本文為進(jìn)行長過程復(fù)雜事件檢測所提出的事件存儲和置換策略能夠?qū)﹂L過程復(fù)雜事件
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于云的復(fù)雜事件檢測服務(wù).pdf
- RFID復(fù)雜事件檢測方法及應(yīng)用.pdf
- 事件流上復(fù)雜事件檢測技術(shù)研究.pdf
- 面向多元時序數(shù)據(jù)的復(fù)雜事件檢測方法研究.pdf
- 基于Petri網(wǎng)的RFID復(fù)雜事件檢測方法及優(yōu)化策略研究.pdf
- 制造業(yè)物聯(lián)網(wǎng)基于事件優(yōu)先級的復(fù)雜事件檢測方法研究.pdf
- 面向多事件源的復(fù)雜事件處理方法的研究.pdf
- 亂序RFID復(fù)雜事件檢測算法研究.pdf
- 基于時間區(qū)間的RFID復(fù)雜事件處理方法的研究.pdf
- 面向長過程的復(fù)雜事件檢測技術(shù)的研究.pdf
- 基于有向圖的復(fù)雜事件共享檢測技術(shù)研究.pdf
- 基于復(fù)雜事件處理的企業(yè)應(yīng)用與研究
- 基于復(fù)雜事件處理的模型及算法研究.pdf
- 基于復(fù)雜事件處理的企業(yè)應(yīng)用與研究.pdf
- 語義物聯(lián)網(wǎng)中基于RDF流的復(fù)雜事件處理方法研究.pdf
- 面向物聯(lián)網(wǎng)的復(fù)雜事件處理方法的研究.pdf
- 基于TCSP求解RFID復(fù)雜事件處理.pdf
- 分布式復(fù)雜事件實(shí)時檢測及其應(yīng)用.pdf
- 基于圖相似的傳感器復(fù)雜事件檢測技術(shù)研究.pdf
- 面向大型物聯(lián)網(wǎng)的概率復(fù)雜事件處理方法.pdf
評論
0/150
提交評論