《面向大型物聯網的主動式複雜事件處理技術研究》是依託湖南大學，由王永恆擔任項目負責人的面上項目。
基本介紹
- 中文名：面向大型物聯網的主動式複雜事件處理技術研究
- 項目類別：面上項目
- 項目負責人：王永恆
- 依託單位：湖南大學
中文摘要,結題摘要,
中文摘要
物聯網的套用正向著智慧型化、大數據的方向發展。複雜事件處理作為物聯網軟體的核心，正在由回響式向主動式的方向發展。本課題針對大型物聯網主動式複雜事件處理面臨的各種挑戰，提出一套完整的模型、體系結構的算法。面向海量不確定事件數據提出並行和分散式機率複雜事件處理方法。面向複雜事件處理領域的特徵提出基於模糊本體的上下文模型，並提出對應的基於相似度聚類的分散式推理方法和基於查詢重寫的分散式上下文敏感複雜事件處理方法。針對大型物聯網中的事件特徵，提出基於適應性動態貝葉斯網路的狀態預測模型及面向大數據的基於高斯混合模型的近似計算方法和基於MapReduce的並行化參數學習方法。為了提高預測準確度提出多貝葉斯網路組合模型及對應的高效參數學習方法。針對主動式複雜事件處理的特徵提出一種改進的並發馬爾可夫決策過程模型，並面向其複雜計算問題提出一種基於狀態劃分和平均域理論的近似計算方法。
結題摘要
當前隨著感測器和無線通信技術的日趨成熟，物聯網套用的關鍵集中在數據的處理上。主動式事件處理能夠避免或減緩某些狀態的發生，對物聯網套用具有重要價值。本課題針對大型物聯網中的主動式事件處理問題展開了研究。具體研究了面向大型物聯網的不確定性複雜事件處理方法、基於模糊本體的上下文敏感複雜事件處理、面向大型物聯網的狀態預測方法和主動式複雜事件處理方法等。在研究過程中提出了一套滿足物聯網主動式複雜事件處理要求的事件模型、查詢語言、主動式複雜事件處理體系結構和實現框架。在此基礎上提出了高性能的並行和分散式機率複雜事件處理體系結構和算法、基於模糊本體的上下文表示模型及其推理方法、基於查詢重寫的上下文敏感複雜事件處理方法。提出了基於貝葉斯網路模型的預測式複雜事件處理方法。針對物聯網流式數據分布的變化問題，提出了基於變結構貝葉斯網路的預測方法。針對複雜的物聯網流式數據，提出了基於深度信念網路的流式大數據預測框架及多階段增量式深度信念網路演化方法。針對主動式複雜事件處理問題，提出了基於並發馬爾科夫決策過程的序列決策模型，以及基於狀態劃分和平均域的最佳化方法。對所有的方法進行了實驗驗證，並建立了面向智慧型交通和信用卡欺詐的原型系統。本課題的預測方法錯誤率在仿真數據和實際數據上分別上平均比當前主流方法低11個和7個百分點。在仿真實驗中，本課題的主動式複雜事件處理方法效果比傳統方法平均高出個12個百分點，並且面向大型物聯網有良好的可擴展性。通過本項目的研究，奠定了大型物聯網主動式複雜事件處理的基礎。當前物聯網新的發展趨勢是數據處理和設備控制的智慧型化。本項目的研究工作為物聯網和人工智慧的進一步結合提供了底層支持和很多可以借鑑的思路。
