学位论文 > 优秀研究生学位论文题录展示

挖掘概率频繁模式恢复不确定RFID数据流

作　者: 吴凌琴
导　师: 廖国琼
学　校: 江西财经大学
专　业: 计算机应用技术
关键词: RFID中间件不确定数据流概率频繁模式多元统计分析贝叶斯方法
分类号: TP391.44
类　型: 硕士论文
年　份: 2010年
下　载: 70次
引　用: 0次
阅　读: 论文下载

内容摘要

射频识别(RFID)技术是一种非接触自动识别技术,该技术凭借标签体积小、成本低、非接触识别、自动识别等特点,已广泛应用于多个领域。但是,由于易受外部环境的干扰和射频信号的不稳定,阅读器所产生的数据通常是不可靠、不完全和有噪声,其主要表现为漏读和交错读现象。如何正确恢复RFID数据流中的数据已成为RFID中间件急需解决的重要课题。该文首先对RFID数据流的特征进行了详细分析,指出RFID数据具有简单性、关联性、时态性和空间性、不确定性(包括漏读和交错读),并对相关技术包括数据流窗口模型、数据流挖掘技术、RFID数据流恢复技术等方面的研究现状进行了详细介绍与分析。为了更准确地恢复RFID不确定数据,该文提出了一种综合考虑多种因素的RFID不确定数据流恢复方法。该方法主要包括三个步骤：第一,运用基于PFP-tree树的不确定数据流挖掘方法挖掘RFID数据流中的概率频繁模式。该方法通过设置数据项索引表和事务索引表,能够快速有效地进行频繁模式挖掘。该方法还运用了衰减窗口模型,通过区分“老”事务和“新”事务的贡献度,保证了该方法具有较高的模式召回率。第二,基于所挖掘的概率频繁模式,通过计算标签对象之间的关联度,确定最大关联标签。而且,通过计算概率相似运动轨迹,确定最相似运动轨迹标签。基于这些信息,采用基于多元统计分析的不确定RFID数据流恢复方法——RR方法进行恢复。该方法综合考虑了标签的当前窗口信息、标签前一窗口信息、最大关联标签信息及最相似轨迹标签信息等四个因素,根据标签矢量的欧式距离判定标签的真实位置。第三,由于RR方法可能存在误判现象,我们通过统计标签与阅读器的拒真率和交错读率,运用贝叶斯修正方法校正标签位于阅读器范围的概率,为后续窗口的准确恢复提供更为准确的后验概率信息。最后,通过大量的实验分析和比较,证明基于PFP-tree树的概率模式挖掘方法比基于SUF-growth的方法具有更好的性能,以及所提出的RR恢复方法比SIS方法具有更高的恢复准确率。

全文目录

目录  3-5
OCNTENT  5-7
摘要  7-8
ABSTRACT  8-10
1 绪论  10-14
  1.1 研究背景、目的及意义  10-11
  1.2 RFID系统概述  11-12
  1.3 RFID数据流特征分析  12-13
  1.4 本文主要研究内容及论文组织  13-14
2 相关研究分析  14-23
  2.1 数据流窗口模型  14-16
  2.2 数据流挖掘方法  16-20
    2.2.1 确定数据流挖掘技术  17-19
    2.2.2 不确定数据流挖掘技术  19-20
  2.3 RFID数据流清洗策略  20-22
  2.4 本章小结  22-23
3 利用PFP-tree挖掘概率频繁模式  23-41
  3.1 问题背景  23-24
  3.2 基本概念  24-25
  3.3 衰减窗口模型  25-27
  3.4 概率频繁模式树PFP-tree  27-35
    3.4.1 PFP-tree结构和特征  28-30
    3.4.2 PFP-tree构建与维护算法  30-35
  3.5 实验数据准备及指标  35-36
  3.6 实验方法性能分析  36-40
  3.7 本章小结  40-41
4 基于距离的RFID数据恢复策略  41-51
  4.1 标签相关性  41-42
  4.2 概率运动轨迹  42
  4.3 基于距离的恢复方法及其修正  42-47
    4.3.1 基于距离的恢复方法  43-45
    4.3.2 概率修正方法  45-47
  4.4.实验数据准备及参致  47
  4.5 实验方法性能分析  47-50
  4.6 本章小结  50-51
5 总结与展望  51-52
参考文献  52-55
攻读硕士学位期间参与项目及发表论文  55-56
致谢  56

挖掘概率频繁模式恢复不确定RFID数据流

内容摘要

全文目录

相似论文