本發(fā)明涉及無線傳感器網(wǎng)絡服務質(zhì)量領域，特別涉及一種基于高斯云模型和關聯(lián)規(guī)則挖掘的無線傳感器網(wǎng)絡路由層服務質(zhì)量評價方法。

背景技術：
無線傳感器網(wǎng)絡(WirelessSensorNetwork，WSN)由大量分布于空間內(nèi)的微型傳感器節(jié)點設備組成，通過無線鏈路配置傳感器節(jié)點間協(xié)同工作，完成對監(jiān)測區(qū)域的數(shù)據(jù)傳輸。WSN部署場景復雜，且與應用高度相關，傳統(tǒng)評價方法多基于統(tǒng)計數(shù)據(jù)給出定量的精確評價表述，不能有效反映WSN的不確定性。目前對于WSN路由層服務質(zhì)量(QualityofService，QoS)評價方面的研究集中在對網(wǎng)絡參數(shù)的分析與修改等方面，主要通過模擬仿真和實物測試兩種方法對于協(xié)議性能進行分析、比較和評價，典型的評價內(nèi)容包括：低功耗性、通信可靠性、網(wǎng)絡拓撲健壯性及快速收斂性。由于WSN路由協(xié)議間的差異性，各項研究針對不同協(xié)議自身特點涵蓋了包括吞吐量、網(wǎng)絡時延、能耗水平、生命周期在內(nèi)的多種QoS參數(shù)。云模型反映了某個定性概念與其定量表示之間的雙向認知轉(zhuǎn)換過程。對于自然語言表示的某一定性概念，給出其精確數(shù)學表達往往十分困難甚至不可能，同時定性概念的每一次具體實現(xiàn)通常具有隨機性，這使得其精確模型建立時的過擬合風險增加。而目前越來越多的領域涉及到定性概念的模糊性與隨機性，經(jīng)典概率論和傳統(tǒng)模糊數(shù)學的處理方法已經(jīng)不能滿足要求。云模型從自然語言的基本語言值出發(fā)，給出了定性概念的量化方法，同時兼顧其的模糊性與隨機性，使其在數(shù)據(jù)挖掘、自動控制、模式識別等領域更具優(yōu)勢；云模型以定性概念為基本單位,從數(shù)據(jù)中挖掘知識構成定性規(guī)則庫，當特定的定性概念組合出現(xiàn)時則激活對應規(guī)則，完成定性云推理過程。云模型參數(shù)依賴于統(tǒng)計樣本的分布情況，而高斯分布在各種概率分布的研究與應用中居于首要地位，基于高斯分布的高斯云模型是目前研究最多，也是最重要的一種云模型。與傳統(tǒng)網(wǎng)絡路由協(xié)議不同，WSN路由協(xié)議的特殊性主要體現(xiàn)在以下幾個方面：首先，WSN節(jié)點不具備如IP地址等傳統(tǒng)網(wǎng)絡協(xié)議地址，故不能應用基于IP地址的路由協(xié)議；其次，WSN路由協(xié)議設計需要考慮節(jié)點能量、通信帶寬、設備內(nèi)存及計算能力等資源限制問題；最后,WSN路由協(xié)議有其自身的有效性、容錯能力、安全性等性能評價問題，QoS通常受到不止一個指標的影響，并且各指標具有一定內(nèi)在聯(lián)系，難以給出適當?shù)木C合評價。由于WSN路由協(xié)議高度面向應用場景，其不同協(xié)議間差異較大，同時WSN網(wǎng)絡不確定性強，單純的定量評價無法體現(xiàn)WSN的模糊性及不確定性。因此，客觀而有效的路由協(xié)議性能評價機制對提高網(wǎng)絡通信的可靠性、進一步完善協(xié)議算法具有重要意義。

技術實現(xiàn)要素：
本發(fā)明的目的在于克服現(xiàn)有技術的不足，提出一種無線傳感器網(wǎng)絡路由層服務質(zhì)量評價方法，由高斯云模型完成對服務質(zhì)量數(shù)據(jù)的定性概念劃分，并通過樹頻集關聯(lián)規(guī)則挖掘算法對定性概念劃分進行組合挖掘，得到服務質(zhì)量規(guī)則評語集，解決了無線傳感器網(wǎng)絡路由層中定性評價及綜合評價問題。本發(fā)明解決其技術問題所采用的技術方案是：一種無線傳感器網(wǎng)絡路由層服務質(zhì)量評價方法，包括：對服務質(zhì)量數(shù)據(jù)進行高斯云變換獲得高斯云模型，通過高斯云模型完成對服務質(zhì)量數(shù)據(jù)的定性概念劃分；針對不同服務質(zhì)量指標得到的多組定性概念劃分，采用樹頻集關聯(lián)規(guī)則挖掘算法進行關聯(lián)規(guī)則挖掘，得到用于進行服務質(zhì)量評價的關聯(lián)規(guī)則集。所述定性概念劃分由生成的高斯云模型表示，對于指定服務質(zhì)量指標，其高斯云模型個數(shù)表示當前定性概念劃分個數(shù)。所述對服務質(zhì)量數(shù)據(jù)進行高斯云變換獲得高斯云模型，通過高斯云模型完成對服務質(zhì)量數(shù)據(jù)的定性概念劃分，包括如下步驟：步驟a，通過高斯變換參數(shù)估計將服務質(zhì)量數(shù)據(jù)擬合為包含若干個高斯分布的混合高斯模型；步驟b，獲取混合高斯模型中每個高斯分布對應的高斯云模型的概念含混度；對所有高斯云模型的概念含混度進行篩選，低于預設概念含混度閾值的高斯云模型作為當前定性概念劃分；步驟c，重復步驟a和b，完成對所有服務質(zhì)量指標的定性概念劃分。所述高斯云模型由數(shù)字特征期望，熵及超熵表示；所述數(shù)字特征期望表示定性概念在論域空間的中心值，所述熵表示定性概念的離散程度，所述超熵表示熵的離散程度。所述高斯云模型的參數(shù)用如下方式表示：Ex＝μ其中，Ex表示數(shù)字特征期望，En表示熵，He表示超熵，μ表示高斯分布期望，σ表示高斯分布標準差，α表示高斯分布的縮放比。所述概念含混度用于表示定性概念的外延離散程度，通過CD＝3He/En表示。所述關聯(lián)規(guī)則用于表示待評價服務質(zhì)量指標在運行過程中可能出現(xiàn)的評價情況，包含由若干種服務質(zhì)量指標組成的事務數(shù)據(jù)庫及預定義的規(guī)則前件與規(guī)則后件；當規(guī)則前件所表示的定性概念全部滿足時，該關聯(lián)規(guī)則被激活，所對應的評價生效；所述事務數(shù)據(jù)庫由不同服務質(zhì)量指標隨機組合而成，組合的具體形式根據(jù)路由層運行過程中出現(xiàn)的各定性概念生成；所述規(guī)則前件由多個服務質(zhì)量指標的定性概念組成；所述規(guī)則后件由當前待評價的服務質(zhì)量指標的定性概念組成。所述樹頻集關聯(lián)規(guī)則挖掘算法以所述事務數(shù)據(jù)庫與最小支持度為初始輸入；所述最小支持度表示為數(shù)據(jù)庫事務記錄中定性概念的出現(xiàn)頻率；所述關聯(lián)規(guī)則集包括若干由用戶定義的規(guī)則前件與規(guī)則后件組成的關聯(lián)規(guī)則。本發(fā)明提供的技術方案帶來的有益效果是：(1)采用了以高斯云模型為基礎的定性概念劃分方法，在降低評價復雜性的同時保留了無線傳感器網(wǎng)絡的模糊性與不確定性，對于數(shù)據(jù)中的離群點具有一定的處理能力，同時高斯云模型作為應用最廣泛的云模型，可以有效擬合大多數(shù)服務質(zhì)量指標；(2)采用關聯(lián)規(guī)則挖掘手段，將得到的定性概念以關聯(lián)規(guī)則前件與后件的方式進行組合，針對不同的評價目標可隨時更改規(guī)則組合，從而發(fā)掘不同評價指標間的內(nèi)在聯(lián)系，有利于給出綜合評價。(3)采用FP-樹頻集算法，提高了關聯(lián)規(guī)則挖掘的效率，在大規(guī)模數(shù)據(jù)或細粒度評價中，節(jié)省了計算資源與存儲空間。以下結(jié)合附圖及實施例對本發(fā)明作進一步詳細說明，但本發(fā)明的一種無線傳感器網(wǎng)絡路由層服務質(zhì)量評價方法不局限于實施例。附圖說明圖1是本發(fā)明實施例中評價方法的數(shù)據(jù)流圖；圖2是本發(fā)明實施例中ECL高斯變換過程；圖3是本發(fā)明實施例中ECL定性概念劃分結(jié)果；圖4是本發(fā)明實施例中ATD評價結(jié)果圖。具體實施方式本發(fā)明公開的一種無線傳感器網(wǎng)絡路由層服務質(zhì)量評價方法，其核心在于通過將數(shù)據(jù)進行高斯云變換，得到不同指標的高斯云模型的定性概念劃分；同時通過關聯(lián)規(guī)則挖掘找到不同指標間的內(nèi)在聯(lián)系，最終給出定性的綜合評價結(jié)果。本發(fā)明方法具體包括如下步驟：步驟1，通過高斯變換參數(shù)估計將服務質(zhì)量(QoS)數(shù)據(jù)擬合為包含若干個高斯分布的混合高斯模型；步驟2，將混合高斯模型中每個高斯分布轉(zhuǎn)換為高斯云模型，得到的高斯云模型即作為當前定性概念劃分；步驟3，重復步驟1與2，對所有服務質(zhì)量指標生成定性概念；步驟4，根據(jù)高斯云模型將路由層各指標數(shù)據(jù)定量表示映射為定性概念，從而生成以定性為基本單位的事務數(shù)據(jù)庫；步驟5，對步驟4中所得事務數(shù)據(jù)庫進行關聯(lián)規(guī)則挖掘，得到符合條件的QoS指標關聯(lián)規(guī)則集，當對應規(guī)則前件被激活，對應的規(guī)則后件即為當前指標的定性評價。所述步驟1可進一步表示為：a)設置樣本集波峰個數(shù)為高斯分布個數(shù)M；b)對第k(k＝1,...,M)個高斯分布，根據(jù)極大似然估計，計算高斯分布參數(shù)；c)重復步驟b，通過期望值最大化算法進行迭代，優(yōu)化高斯分布參數(shù)；d)達到最大迭代次數(shù)或誤差小于期望值，停止迭代，輸出所有高斯分布。所述步驟2可進一步表示為：a)對每個高斯分布計算其縮放比α，縮放比α滿足如下條件：μk-1+3α1σk-1＝μk-3α1σkμk+3α2σk＝μk+1-3α2σk+1α＝min(α1,α2)其中μ表示高斯分布期望，σ表示高斯分布標準差；b)根據(jù)縮放比及高斯分布期望及標準差計算高斯云模型參數(shù)，高斯云模型參數(shù)計算公式如下：Exk＝μk其中，Ex表示數(shù)字特征期望，En表示熵，He表示超熵，μ表示高斯分布期望，σ表示高斯分布標準差，α表示高斯分布的縮放比；c)計算高斯云模型概念含混度CD＝3He/En，若CD大于給定閾值β，則M＝M-1，同時剔除當前高斯云模型；d)重復步驟a)～c)，剔除所有含混度不小于β的高斯云模型，最終輸出M個高斯云模型。所述步驟4可進一步表示如下：a)設定進行QoS評價的關聯(lián)規(guī)則前件指標序列及關聯(lián)后件指標；b)對于所有指標，根據(jù)其同一時刻的定量數(shù)據(jù)表示與對應指標高斯云模型關系，將其映射為定性概念；c)由所有定性概念組合事務數(shù)據(jù)庫，剔除重復組合；所述步驟5可進一步表示為：a)掃描事務數(shù)據(jù)庫，統(tǒng)計事務中每個項目的出現(xiàn)次數(shù)，將次數(shù)低于最小支持度minsupport的項目刪除，事務集合中剩余事務項目按照出現(xiàn)次數(shù)由高到低排列，得到新的事務集合F{fi|i＝1,2,...,K}b)將步驟a得到的事務集合F導入條件模式基(ConditionalPatternBase，CPB)，創(chuàng)建后綴模式PostModel作為頻繁模式初始列表，初始時PostModel為空；c)掃描CPB構建頻繁模式樹FP-Tree，將每條事務記錄插入FP-Tree；d)選取FP-Tree中未被選取過的一個項目，對該項目尋找FP-Tree根節(jié)點到該項目節(jié)點的所有路徑，將該項目加入PostModel并從每條路徑中刪除，輸出PostModel作為一條頻繁模式及其支持度；e)步驟d中每條路徑作為一條新事務記錄并加入新的條件模式基CPBNew，若CPBNew不為空則轉(zhuǎn)到步驟3，否則重新轉(zhuǎn)到步驟4。如下結(jié)合具體實施例及附圖對本發(fā)明的方法作進一步說明。為獲取實施過程中所需路由層數(shù)據(jù)，構建基于多種路由協(xié)議的無線傳感器網(wǎng)絡測試平臺。其中傳感器節(jié)點采用TI公司的CC2530與CC2531，嵌入式操作系統(tǒng)采用面向無線傳感器網(wǎng)絡的TinyOS系統(tǒng)。網(wǎng)絡節(jié)點通過串口或USB接口與PC機傳輸數(shù)據(jù)，PC機可通過測試平臺管理軟件發(fā)送協(xié)議控制與數(shù)據(jù)采集指令。如圖1，本發(fā)明的基于一種無線傳感器網(wǎng)絡路由層服務質(zhì)量評價方法實施例數(shù)據(jù)處理流程如下：步驟S100，采集無線傳感器網(wǎng)絡測試平臺路由層QoS運行數(shù)據(jù)；步驟S200，對QoS數(shù)據(jù)進行高斯云變換，劃分各QoS指標表示的定性概念；步驟S300，對指標表示的定性概念進行關聯(lián)規(guī)則挖掘；步驟S400，輸入以規(guī)則前件為組合的待評價QoS數(shù)據(jù)，激活相應關聯(lián)規(guī)則，得到QoS評價結(jié)果。所述步驟S200進一步包括：步驟S201，求出QoS數(shù)據(jù)頻度分布圖及頻度分布圖波峰個數(shù)，作為初始定性概念個數(shù)M；步驟S202，采用高斯變換擬合QoS數(shù)據(jù)頻度分布圖，得到M個高斯分布組成的混合高斯模型；步驟S203，對每個高斯分布計算縮放比α，求出對應高斯云模型C(Exk,Enk,Hek)；步驟S204，對每個高斯云模型計算概念含混度CD，剔除含混度不小于給定閾值β的高斯云模型，并使M＝M-1；步驟S205，跳轉(zhuǎn)至步驟S203，重新生成高斯云模型并繼續(xù)執(zhí)行，直至所有高斯云模型含混度均小于β，輸出所有高斯云模型。針對當前被處理指標，其高斯云模型個數(shù)即為該指標定性概念個數(shù)。在本實施例中，共針對三種路由協(xié)議共四種QoS指標進行處理：協(xié)議運行能耗水平數(shù)據(jù)ECL(EnergyConsumptionLevel)、網(wǎng)絡傳輸效率NTE(NetworkTransmissionEffects)、網(wǎng)絡擁塞度DoC(DegreeofCongestion)及網(wǎng)絡平均傳輸時延ATD(AverageTransmissionDelay)。經(jīng)過高斯云變換，ECL被劃分為三類定性概念{低,中,高}，NTE被劃分為三類定性概念{低,中,高}，DoC被劃分為兩類定性概念{低,高}，ATD被劃分為四類定性概念{極低,低,中,高}。圖2及圖3(圖3中從左至右的三條曲線依次表示低、中、高)表示了ECL進行定性概念劃分的過程及結(jié)果。所述步驟S300進一步包括：步驟S301，用戶根據(jù)評價需求選取的規(guī)則前件定性概念指標組合，本實施例中以ECL，NTE與DoC作為規(guī)則前件定性概念組合；步驟S302，根據(jù)評價需求選取規(guī)則后件定性概念指標，本實施例中選取ATD作為規(guī)則后件定性概念指標；步驟S303，將采集到的各指標數(shù)據(jù)，依照對應指標的高斯云模型進行映射，得到定量數(shù)據(jù)的定性概念表示；步驟S304，依時間順序提取所有指標定性概念排列組合，并作為事務記錄存儲至事務數(shù)據(jù)庫；步驟S305，對事務數(shù)據(jù)庫應用樹頻集關聯(lián)規(guī)則挖掘算法，得到符合條件的若干關聯(lián)規(guī)則評語(該評語以ECL，NTE與DoC作為規(guī)則前件，以ATD作為規(guī)則后件)。在本實施例中，對于各指標進行關聯(lián)規(guī)則挖掘后得到7條強關聯(lián)規(guī)則評語，如下表所示(為方便進行關聯(lián)規(guī)則挖掘，以對文字敘述的定性概念進行標號代替)：所述步驟S400進一步包括：步驟S401，對于待評價QoS數(shù)據(jù)，根據(jù)已生成的高斯云模型獲取其對應的定性概念組合；步驟S402，查找評語集中對應規(guī)則前件的關聯(lián)規(guī)則評語，輸出其規(guī)則后件作為待評價指標的定性概念描述。圖4為以ATD為評價指標的最終評價結(jié)果，對比洪泛協(xié)議(Flooding)，低功耗自適應集簇分層型協(xié)議(LowEnergyAdaptiveClusteringHierarchy，LEACH)，定向擴散協(xié)議(DirectedDiffusion，DD)三種無線傳感器網(wǎng)絡路由協(xié)議進行橫向評價比較。輸入的定量表示的ATD數(shù)據(jù)與ATD高斯云模型定性描述保持一致，表示基于高斯云模型的路由層QoS評價結(jié)果與實際數(shù)據(jù)相吻合。以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。