專利名稱：傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法
技術(shù)領(lǐng)域：
本發(fā)明屬于傳感器網(wǎng)絡(luò)環(huán)境下的復(fù)雜事件處理技術(shù)領(lǐng)域，具體地涉及一種傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法。
背景技術(shù)：
隨著工業(yè)無(wú)線網(wǎng)絡(luò)技術(shù)、無(wú)線射頻識(shí)別 技術(shù)、傳感器網(wǎng)絡(luò)技術(shù)、信息技術(shù)和認(rèn)知科學(xué)的進(jìn)一步發(fā)展，人類在信息的獲取、識(shí)別、處理、傳遞、檢索、分析和利用的各個(gè)技術(shù)層面都得到了很大的提高，從而極大地?cái)U(kuò)展了人們對(duì)信息的控制和使用能力。與傳統(tǒng)工業(yè)應(yīng)用相比，傳感器網(wǎng)絡(luò)數(shù)據(jù)具有分布、動(dòng)態(tài)、不確定性和海量性，它是一種時(shí)空數(shù)據(jù)，因而時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警更加復(fù)雜和困難。如何對(duì)大量的時(shí)空動(dòng)態(tài)傳感器網(wǎng)絡(luò)進(jìn)行實(shí)時(shí)報(bào)警是實(shí)時(shí)監(jiān)控系統(tǒng)的迫切需求。在傳感器網(wǎng)絡(luò)中時(shí)空動(dòng)態(tài)數(shù)據(jù)的實(shí)時(shí)報(bào)警具有以上提到的復(fù)雜特點(diǎn)，其事件檢測(cè)是復(fù)雜類型的事件監(jiān)測(cè)。事件可以分為原子事件和復(fù)雜事件(也稱為復(fù)合事件)，原子事件指在系統(tǒng)中預(yù)定義的事件，通過(guò)使用原子事件表達(dá)式和修飾符定義的事件。原子事件又可分為數(shù)據(jù)庫(kù)事件、時(shí)態(tài)事件(temporal)和外部事件(explicit)。復(fù)雜事件是指通過(guò)對(duì)原子事件和復(fù)雜事件應(yīng)用一組算子而形成的事件，復(fù)雜事件可定義為通過(guò)對(duì)復(fù)雜事件表達(dá)式應(yīng)用一個(gè)事件修飾符而得到的事件，默認(rèn)情況下假定存在end-of 修飾符。復(fù)雜事件檢測(cè)是學(xué)術(shù)界近年來(lái)熱衷的方向，它是結(jié)合實(shí)時(shí)理論、知識(shí)發(fā)現(xiàn)、數(shù)據(jù)流、數(shù)據(jù)挖掘、數(shù)理邏輯、離散數(shù)學(xué)等理論技術(shù)而興起的一項(xiàng)新的理論和技術(shù)，其可以幫助研究人員更好地描述事件之間的各種關(guān)系和相關(guān)性，更深入的認(rèn)識(shí)事件的本質(zhì)，以及更方便的研究事件的應(yīng)用。國(guó)外學(xué)者對(duì)于復(fù)合事件檢測(cè)的研究已經(jīng)開展了起來(lái)，基于事件的分布式系統(tǒng)國(guó)際會(huì)議(DEBS)成立于 2002 年，在 2002 年-2006 年是作為講習(xí)會(huì)(Workshops)和 ICDCS、ICSE、SIGM0D/P0DS等大會(huì)一起舉行的。從2007年以來(lái)作為獨(dú)立大會(huì)而召開。國(guó)外學(xué)者目前在復(fù)合事件檢測(cè)及應(yīng)用方面取得了一定的進(jìn)展和成果。目前主要有以下幾種方法來(lái)進(jìn)行復(fù)合事件的檢測(cè)基于Petri網(wǎng)、基于樹、基于圖、基于自動(dòng)機(jī)的檢測(cè)方法，基于自動(dòng)機(jī)的復(fù)合事件檢測(cè)方法。其中基于Petri網(wǎng)的檢測(cè)方法，其檢測(cè)思想是對(duì)每一個(gè)新的事件模型創(chuàng)建相應(yīng)的Petri網(wǎng)，輸入庫(kù)所表示原子事件，輸出庫(kù)所表示復(fù)合事件。原子事件的發(fā)生就會(huì)導(dǎo)致相應(yīng)的輸入庫(kù)所被標(biāo)記了，當(dāng)一個(gè)遷移對(duì)應(yīng)的所有的輸入庫(kù)所被標(biāo)記了，則此遷移對(duì)應(yīng)的輸出庫(kù)所(即表示復(fù)合事件的庫(kù)所)就被標(biāo)記了，依此下去，直到到達(dá)一個(gè)表示此事件模型且沒(méi)有向外的遷移的庫(kù)所，則檢測(cè)成功。而采用基于樹的方法來(lái)檢測(cè)復(fù)合事件，其關(guān)鍵的步驟是為事件表達(dá)式創(chuàng)建一棵事件求值樹，使得其結(jié)構(gòu)匹配事件表達(dá)式，以及處理延遲檢測(cè)是遞歸進(jìn)行的。其過(guò)程為①對(duì)每一個(gè)復(fù)合事件表達(dá)式創(chuàng)建相應(yīng)的事件求值樹。②每當(dāng)復(fù)合事件中的原子事件被檢測(cè)到時(shí)，就會(huì)通知相應(yīng)的葉子節(jié)點(diǎn)它們的發(fā)生，接著計(jì)算其守衛(wèi)表達(dá)式，如果滿足則葉子節(jié)點(diǎn)就在它的歷史中更新相應(yīng)的事件記錄，并且通知它的父節(jié)點(diǎn)新記錄的發(fā)生。③父節(jié)點(diǎn)根據(jù)其語(yǔ)義使用此子節(jié)點(diǎn)的新記錄和其他子節(jié)點(diǎn)的歷史記錄以及它的守衛(wèi)表達(dá)式去產(chǎn)生盡可能多的新事件記錄，接著它又通知它的父節(jié)點(diǎn)。這個(gè)過(guò)程一直持續(xù)到此復(fù)合事件被檢測(cè)到或者不能產(chǎn)生新的記錄為止?；趫D的檢測(cè)方法引入事件歷史的概念，給出一個(gè)全局的事件歷史，就可以計(jì)算任意由上述事件操作構(gòu)造的復(fù)合事件歷史，即所有可能使得復(fù)合事件發(fā)生的原子事件組成的集合。因?yàn)檫@個(gè)集合有大量的事件實(shí)例組合，而并不是所有的對(duì)應(yīng)用程序有用，所以引入上下文參數(shù)的概念，根據(jù)上下文參數(shù)而得到相應(yīng)需要的事件實(shí)例組合。此方法對(duì)于每個(gè)復(fù)合事件模式構(gòu)造相應(yīng)的事件圖，葉子結(jié)點(diǎn)為 原子事件，非葉子結(jié)點(diǎn)為操作結(jié)點(diǎn)，分別存儲(chǔ)其每個(gè)子結(jié)點(diǎn)，且同一個(gè)事件的不同實(shí)例也被作為不同的實(shí)體存儲(chǔ)起來(lái)若檢測(cè)到原子事件發(fā)生就把它的參數(shù)存儲(chǔ)到相應(yīng)的葉結(jié)點(diǎn)，然后標(biāo)記此事件，接著把它的參數(shù)傳給其父結(jié)點(diǎn)即操作結(jié)點(diǎn)，然后操作結(jié)點(diǎn)根據(jù)自身操作語(yǔ)義以及所給出的上下文參數(shù)執(zhí)行相應(yīng)的算法得到相應(yīng)的事件序列，再把此事件序列傳給它的父結(jié)點(diǎn)，依此下去直至根結(jié)點(diǎn)檢測(cè)到此復(fù)合事件。當(dāng)此復(fù)合事件被檢測(cè)到后，根據(jù)上面所講的上下文參數(shù)語(yǔ)義刪除此檢測(cè)序列中的事件，最后從子結(jié)點(diǎn)的參數(shù)列表中刪除已傳播的實(shí)體?；谧詣?dòng)機(jī)的檢測(cè)方法采用規(guī)則結(jié)構(gòu)的簡(jiǎn)單自動(dòng)機(jī)，但與傳統(tǒng)的有窮自動(dòng)機(jī)不同的是它支持時(shí)間模型、參數(shù)化機(jī)制以及并發(fā)事件模型的檢測(cè)等。其檢測(cè)思想是對(duì)于每個(gè)復(fù)合事件模式構(gòu)造相應(yīng)的自動(dòng)機(jī)，并且得到相應(yīng)的狀態(tài)集和遷移集、每個(gè)狀態(tài)相應(yīng)的輸入事件域和每個(gè)遷移相應(yīng)的事件域，然后根據(jù)這些限制進(jìn)行匹配，若最后到達(dá)一個(gè)沒(méi)有向外遷移的生成狀態(tài)，則匹配成功，復(fù)合事件被成功檢測(cè)。此外,在事件處理技術(shù)中Event-Condition-Action CA)規(guī)則及其推理技術(shù),也即主動(dòng)規(guī)則推理技術(shù)的發(fā)展，為實(shí)時(shí)反應(yīng)系統(tǒng)中的推理技術(shù)提供了另外一條途徑。利用ECA規(guī)則，推理規(guī)則被描述為“事件-條件-動(dòng)作”模式。事件分為原子事件和復(fù)合事件兩類，原子事件是基于事件的環(huán)境給出的外來(lái)事件，而復(fù)合事件是原子事件具有時(shí)序邏輯關(guān)系的組合。條件部分描述環(huán)境狀態(tài)的命題邏輯的諸如“與”、“或”簡(jiǎn)單邏輯的組合。動(dòng)作部分描述了在事件發(fā)生條件滿足的情況下，推理系統(tǒng)應(yīng)該向用戶或者執(zhí)行系統(tǒng)發(fā)送什么樣的反應(yīng)。ECA規(guī)則作為一種主動(dòng)規(guī)則如下優(yōu)點(diǎn)1)ECA規(guī)則能夠描述主動(dòng)行為。ECA規(guī)則不僅能夠描述事件之間諸如“與”、“或”的簡(jiǎn)單邏輯組合，而且能夠描述事件之間具有時(shí)序邏輯關(guān)系的組合。2)復(fù)合事件、復(fù)合條件讓ECA規(guī)則具有描述復(fù)雜環(huán)境的能力。目前，學(xué)術(shù)界對(duì)基于ECA規(guī)則的推理尚未展開專門研究，僅有一些與該領(lǐng)域相關(guān)的研究工作。這些工作包括復(fù)合事件檢測(cè)及規(guī)則觸發(fā)。雖然這些工作可以用來(lái)實(shí)現(xiàn)基于ECA規(guī)則的推理，但卻無(wú)法滿足實(shí)時(shí)反應(yīng)式系統(tǒng)對(duì)智能化的需求。因此，如何題提高傳感器網(wǎng)絡(luò)中的復(fù)雜事件處理實(shí)時(shí)性和穩(wěn)定性是目前亟待解決的技術(shù)問(wèn)題。

發(fā)明內(nèi)容
本發(fā)明的目的在于提供一種實(shí)時(shí)性和穩(wěn)定性好的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法。為達(dá)到上述目的，本發(fā)明提供了一種傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，包括以下步驟
傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，包括以下步驟預(yù)先利用實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng)實(shí)時(shí)采集來(lái)自傳感器網(wǎng)絡(luò)的實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)；預(yù)先定義基于ECA規(guī)則的原子事件，將多個(gè)原子事件復(fù)合得到復(fù)雜事件；預(yù)先建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型得到不確定復(fù)雜事件規(guī)則庫(kù)；預(yù)先基于自動(dòng)機(jī)構(gòu)建對(duì)事件流進(jìn)行 實(shí)時(shí)解析匹配處理的檢測(cè)方法；預(yù)先建立基于智能體依賴圖的推理結(jié)構(gòu)；采用基于ECA規(guī)則的實(shí)時(shí)推理算法在基于智能體依賴圖的推理結(jié)構(gòu)上對(duì)來(lái)自所述傳感器網(wǎng)絡(luò)的事件流進(jìn)行推理，得到事件的判斷結(jié)果；當(dāng)上步的判斷結(jié)果為真時(shí)觸發(fā)實(shí)時(shí)報(bào)警，執(zhí)行對(duì)應(yīng)的通知操作，并給出報(bào)警動(dòng)作。與現(xiàn)有技術(shù)相比，本發(fā)明的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法采用了數(shù)據(jù)驅(qū)動(dòng)的貝葉斯網(wǎng)絡(luò)方法處理傳感器網(wǎng)絡(luò)中復(fù)雜事件發(fā)生機(jī)理不明確的問(wèn)題，并采用基于ECA規(guī)則的實(shí)時(shí)推理算法在基于智能體依賴圖的推理結(jié)構(gòu)上對(duì)來(lái)自傳感器網(wǎng)絡(luò)的事件流進(jìn)行推理，即實(shí)現(xiàn)了基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的不確定復(fù)雜事件檢測(cè)規(guī)則學(xué)習(xí)以及融合確定性規(guī)則和不確定規(guī)則的實(shí)時(shí)主動(dòng)規(guī)則推理，從而使報(bào)警過(guò)程的穩(wěn)定性和實(shí)時(shí)性得到了提高，使得當(dāng)傳感器網(wǎng)絡(luò)環(huán)境產(chǎn)生大量事件的時(shí)候，也能在要求的時(shí)間內(nèi)給出所有正確的反應(yīng)。


圖I為本發(fā)明一個(gè)實(shí)施例的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法中貝葉斯網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)示意圖；圖2為本發(fā)明一個(gè)實(shí)施例的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法中基于智能體依賴圖的推理結(jié)構(gòu)示意圖；圖3為本發(fā)明一個(gè)實(shí)施例的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法的流程圖。
具體實(shí)施例方式下面結(jié)合附圖對(duì)本發(fā)明的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法的具體實(shí)施方式
進(jìn)行詳細(xì)描述參見圖3所示，本實(shí)施例的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法的具體實(shí)施步驟如下步驟SI、預(yù)先利用大型分布式實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng)實(shí)時(shí)采集來(lái)自傳感器網(wǎng)絡(luò)的實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)。例如Agilor數(shù)據(jù)庫(kù)，其具有海量實(shí)時(shí)/歷史數(shù)據(jù)的壓縮/存儲(chǔ)與解壓/查詢等功能，達(dá)到每秒能夠處理2萬(wàn)個(gè)數(shù)據(jù)更新事務(wù)，在石化、電力、冶金、航天、電信等行業(yè)200多家大中型企業(yè)得到成功應(yīng)用。步驟S2、預(yù)先根據(jù)領(lǐng)域知識(shí)定義基于ECA (Event-condition-action)規(guī)則的原子事件的特征，將多個(gè)原子事件復(fù)合得到復(fù)雜事件，從而得到事件模式規(guī)則庫(kù)，并結(jié)合領(lǐng)域?qū)＜抑R(shí)與統(tǒng)計(jì)資料等確定影響復(fù)雜事件發(fā)生的輸入變量、事件狀態(tài)變量以及事件的輸出變量。步驟S3、預(yù)先建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型得到不確定復(fù)雜事件規(guī)則庫(kù)。收集足夠多的樣本，經(jīng)過(guò)多次的學(xué)習(xí)可以得到貝葉斯網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，如圖I所示，對(duì)于數(shù)據(jù)樣本有缺失的情況，采用期望極大化算法(即EM算法)對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)。通過(guò)計(jì)算事件貝葉斯網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)及其雙親節(jié)點(diǎn)的采樣統(tǒng)計(jì)頻率信息得到各節(jié)點(diǎn)的先驗(yàn)概率與條件概率，從而得到貝葉斯網(wǎng)絡(luò)的參數(shù)及規(guī)則。 步驟S4、預(yù)先基于自動(dòng)機(jī)構(gòu)建對(duì)事件流進(jìn)行實(shí)時(shí)解析匹配處理的檢測(cè)方法。根據(jù)所有預(yù)設(shè)的判斷條件建立有限狀態(tài)自動(dòng)機(jī)，采用自頂向下的匹配過(guò)程進(jìn)行匹配，當(dāng)匹配成功返回判斷條件代碼。否則返回error,表示未匹配上任何條件。步驟S5、預(yù)先建立基于智能體依賴圖(Agent Dependent Graph)的推理結(jié)構(gòu)。推理結(jié)構(gòu)如圖2所示，智能體依賴圖是一個(gè)有向圖。其節(jié)點(diǎn)為智能體(Agent)，可與事件、條件以及動(dòng)作相對(duì)應(yīng)(其中，與動(dòng)作相對(duì)應(yīng)的智能體被稱為出口節(jié)點(diǎn))。連接這些智能體的邊被稱為端口(Port)。且指向智能體的邊被稱為“輸入端口”;從智能體發(fā)出的邊被稱為“輸出端口”。推理的中間結(jié)果被存儲(chǔ)在令牌(Token)中，并通過(guò)端口在智能體間傳遞。當(dāng)一個(gè)智能體通過(guò)其輸入端口接收到令牌后，要根據(jù)當(dāng)前情況來(lái)決定對(duì)令牌做何種處理。在此，對(duì)令牌的處理有三種方式即，丟棄令牌、從令牌中獲取信息，以及產(chǎn)生新的令牌。當(dāng)智能體產(chǎn)生了新的令牌后，便會(huì)將新令牌通過(guò)輸出端口傳遞給與之相連的其它節(jié)點(diǎn)。同時(shí)，當(dāng)與動(dòng)作相對(duì)應(yīng)的智能體接到令牌后，便可輸出相應(yīng)的推理結(jié)果，即輸出該動(dòng)作的標(biāo)識(shí)符及內(nèi)容。步驟S6、采用基于ECA規(guī)則的實(shí)時(shí)推理算法在基于智能體依賴圖的推理結(jié)構(gòu)上對(duì)來(lái)自傳感器網(wǎng)絡(luò)的事件流進(jìn)行推理，得到事件的判斷結(jié)果。它是融合確定性規(guī)則和不確定規(guī)則的實(shí)時(shí)主動(dòng)規(guī)則推理，使推理系統(tǒng)能保證在傳感器網(wǎng)絡(luò)環(huán)境產(chǎn)生大量事件的時(shí)候，能在要求的時(shí)間內(nèi)給出所有正確的反應(yīng)。首先加入時(shí)間約束的復(fù)合事件檢測(cè)算法、復(fù)合條件檢測(cè)算法和規(guī)則觸發(fā)算法，即前述的基于自動(dòng)機(jī)構(gòu)建對(duì)事件流進(jìn)行實(shí)時(shí)解析匹配處理的檢測(cè)方法；其次，針對(duì)由復(fù)合事件檢測(cè)、復(fù)合條件檢測(cè)和規(guī)則觸發(fā)所組成的主動(dòng)規(guī)則推理算法，嚴(yán)格的描述其實(shí)時(shí)問(wèn)題，包括實(shí)時(shí)主動(dòng)規(guī)則推理、實(shí)施目標(biāo)、實(shí)時(shí)任務(wù)的劃分等；然后，針對(duì)實(shí)施目標(biāo)，對(duì)實(shí)時(shí)任務(wù)進(jìn)行調(diào)度，從而保證主動(dòng)規(guī)則推理過(guò)程的實(shí)時(shí)性。步驟S7、上步的判斷結(jié)果為真時(shí)觸發(fā)實(shí)時(shí)報(bào)警，執(zhí)行對(duì)應(yīng)的通知操作，給出動(dòng)畫和聲音提示，否則不予處理。報(bào)警的結(jié)果是用戶可配置的，從而使實(shí)時(shí)報(bào)警過(guò)程靈活，用戶根據(jù)報(bào)警的類型配置報(bào)警的可視化形式，包括彈出報(bào)警框、觸發(fā)報(bào)警處理事件、給用戶發(fā)送消息等。在記錄報(bào)警的通知，并且觸發(fā)相應(yīng)的處理事件，對(duì)報(bào)警進(jìn)行及時(shí)的處理，避免更進(jìn)一步的災(zāi)害。例如當(dāng)系統(tǒng)的溫度超過(guò)最大限值時(shí)，發(fā)出報(bào)警并啟動(dòng)注水功能，避免引發(fā)爆炸
坐寸o以上的實(shí)施例僅僅是對(duì)本發(fā)明的優(yōu)選實(shí)施方式進(jìn)行描述，并非對(duì)本發(fā)明的范圍進(jìn)行限定，在不脫離本發(fā)明設(shè)計(jì)精神的前提下，本領(lǐng)域普通工程技術(shù)人員對(duì)本發(fā)明的技術(shù)方案作出的各種變形和改進(jìn)，均應(yīng)落入本發(fā)明的權(quán)利要求書確定的保護(hù)范圍內(nèi)。
權(quán)利要求
1.一種傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，其特征在于，包括以下步驟 預(yù)先利用實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng)實(shí)時(shí)采集來(lái)自傳感器網(wǎng)絡(luò)的實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)； 預(yù)先定義基于ECA規(guī)則的原子事件，將多個(gè)原子事件復(fù)合得到復(fù)雜事件； 預(yù)先建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型得到不確定復(fù)雜事件規(guī)則庫(kù)； 預(yù)先基于自動(dòng)機(jī)構(gòu)建對(duì)事件流進(jìn)行實(shí)時(shí)解析匹配處理的檢測(cè)方法； 預(yù)先建立基于智能體依賴圖的推理結(jié)構(gòu)； 采用基于ECA規(guī)則的實(shí)時(shí)推理算法在基于智能體依賴圖的推理結(jié)構(gòu)上對(duì)來(lái)自所述傳感器網(wǎng)絡(luò)的事件流進(jìn)行推理，得到事件的判斷結(jié)果； 當(dāng)上步的判斷結(jié)果為真時(shí)觸發(fā)實(shí)時(shí)報(bào)警，執(zhí)行對(duì)應(yīng)的通知操作，并給出報(bào)警動(dòng)作。
2.根據(jù)權(quán)利要求I所述的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，其特征在于，在所述建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型得到不確定復(fù)雜事件規(guī)則庫(kù)的過(guò)程中，還包括 對(duì)于數(shù)據(jù)樣本有缺失的情況，采用期望極大化算法對(duì)缺失數(shù)據(jù)進(jìn)行填補(bǔ)。
3.根據(jù)權(quán)利要求2所述的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，其特征在于，所述基于自動(dòng)機(jī)構(gòu)建對(duì)事件流進(jìn)行實(shí)時(shí)解析匹配處理的檢測(cè)方法，具體包括 根據(jù)所有預(yù)設(shè)的判斷條件建立有限狀態(tài)自動(dòng)機(jī)； 采用自頂向下的匹配過(guò)程進(jìn)行匹配，當(dāng)匹配成功返回判斷條件代碼，否則返回錯(cuò)誤。
4.根據(jù)權(quán)利要求3所述的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，其特征在于，所述在基于智能體依賴圖的推理結(jié)構(gòu)上進(jìn)行推理的過(guò)程中，推理的中間結(jié)果被存儲(chǔ)在令牌中，并通過(guò)所述智能體依賴圖的端口在智能體間傳遞。
5.根據(jù)權(quán)利要求4所述的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，其特征在于，所述實(shí)時(shí)報(bào)警的類型可配置。
6.根據(jù)權(quán)利要求I所述的傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，其特征在于，所述預(yù)先定義基于ECA規(guī)則的原子事件，將多個(gè)原子事件復(fù)合得到復(fù)雜事件的過(guò)程中，還包括 結(jié)合領(lǐng)域?qū)＜抑R(shí)與統(tǒng)計(jì)資料確定影響復(fù)雜事件發(fā)生的輸入變量、事件狀態(tài)變量以及事件的輸出變量。
全文摘要
本發(fā)明公開了一種傳感器網(wǎng)絡(luò)時(shí)空動(dòng)態(tài)模式下的實(shí)時(shí)報(bào)警方法，其包括以下步驟預(yù)先利用實(shí)時(shí)數(shù)據(jù)庫(kù)系統(tǒng)實(shí)時(shí)采集來(lái)自傳感器網(wǎng)絡(luò)的實(shí)時(shí)動(dòng)態(tài)數(shù)據(jù)；預(yù)先定義基于ECA規(guī)則的原子事件，將多個(gè)原子事件復(fù)合得到復(fù)雜事件；預(yù)先建立動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)模型得到不確定復(fù)雜事件規(guī)則庫(kù)；預(yù)先基于自動(dòng)機(jī)構(gòu)建對(duì)事件流進(jìn)行實(shí)時(shí)解析匹配處理的檢測(cè)方法；預(yù)先建立基于智能體依賴圖的推理結(jié)構(gòu)；采用基于ECA規(guī)則的實(shí)時(shí)推理算法在基于智能體依賴圖的推理結(jié)構(gòu)上對(duì)來(lái)自所述傳感器網(wǎng)絡(luò)的事件流進(jìn)行推理，得到事件的判斷結(jié)果；當(dāng)上步的判斷結(jié)果為真時(shí)觸發(fā)實(shí)時(shí)報(bào)警，執(zhí)行對(duì)應(yīng)的通知操作，并給出報(bào)警動(dòng)作。該方法實(shí)時(shí)性、性能穩(wěn)定、效率較高。
文檔編號(hào)H04W24/00GK102790981SQ201210226420
公開日2012年11月21日 申請(qǐng)日期2012年6月29日 優(yōu)先權(quán)日2012年6月29日
發(fā)明者郭海濤 申請(qǐng)人:石化盈科信息技術(shù)有限責(zé)任公司