【摘要】：隨著大數(shù)據(jù)時代的到來,以及多種多樣的智能設(shè)備、互聯(lián)網(wǎng)技術(shù)的普及,我們每天產(chǎn)生的各類數(shù)據(jù)總量一直在呈現(xiàn)出爆發(fā)式的增長。因此,針對海量數(shù)據(jù)的信息采集、通信與分析等技術(shù)也面臨著新的機(jī)遇與挑戰(zhàn)。如何通過對這些數(shù)據(jù)進(jìn)行有效的獲取、匯集、通信以及分析和挖掘,使它們的價值最大化已經(jīng)成為影響未來科技與經(jīng)濟(jì)發(fā)展方向的重要因素。在本文中,我們從大數(shù)據(jù)處理過程中數(shù)據(jù)通信、數(shù)據(jù)采集和數(shù)據(jù)分析三個環(huán)節(jié)出發(fā),重點(diǎn)研究了無線網(wǎng)絡(luò)中的資源管理、移動數(shù)據(jù)流量卸載、基于分布式優(yōu)化算法的資源分配和基于大數(shù)據(jù)挖掘的空氣質(zhì)量預(yù)測等問題。具體地,我們將本文的主要研究內(nèi)容與貢獻(xiàn)點(diǎn)總結(jié)如下:1).針對大數(shù)據(jù)通信的問題,我們研究了無線通信網(wǎng)絡(luò)中的移動數(shù)據(jù)流量卸載問題,并提出了一種基于分解-協(xié)調(diào)的分布式優(yōu)化框架。在此框架下,我們將蜂窩網(wǎng)絡(luò)從移動數(shù)據(jù)流量卸載中獲取的收益最大化問題建模為一個非光滑的凸優(yōu)化問題,并將該收益最大化問題進(jìn)一步分解為一組子問題,其中每一個子問題均由一個蜂窩網(wǎng)絡(luò)運(yùn)營商或者無線網(wǎng)絡(luò)接入點(diǎn)利用其本地信息求解。所有的子問題將由一個虛擬數(shù)據(jù)流量卸載協(xié)調(diào)器進(jìn)行協(xié)調(diào),即每一個蜂窩網(wǎng)絡(luò)運(yùn)營商或者無線網(wǎng)絡(luò)接入點(diǎn)會將其每一次迭代的中間計算結(jié)果匯報給虛擬數(shù)據(jù)流量卸載協(xié)調(diào)器,然后虛擬數(shù)據(jù)流量卸載協(xié)調(diào)器會對這些結(jié)果進(jìn)行匯總協(xié)調(diào)并反饋。進(jìn)一步地,我們在上述分解-協(xié)調(diào)框架下,針對不同應(yīng)用場景提出了兩種分布式優(yōu)化算法,并證明了它們的全局收斂性。相關(guān)數(shù)值仿真實(shí)驗(yàn)及結(jié)果分析證明,所提框架與算法能夠大幅度提高蜂窩網(wǎng)絡(luò)運(yùn)營商的收益及用戶的服務(wù)質(zhì)量。2).針對大數(shù)據(jù)采集的問題,我們研究了無線傳感器網(wǎng)絡(luò)中的低能耗混合數(shù)據(jù)流量卸載問題。我們考慮了一種在城市環(huán)境中與多個小蜂窩基站、Wi-Fi系統(tǒng)并存的無線傳感器網(wǎng)絡(luò),并為之提出了一種混合數(shù)據(jù)流量卸載框架。在這種框架中,每一個傳感器節(jié)點(diǎn)不僅可以將其采集到的數(shù)據(jù)直接發(fā)送至無線傳感器網(wǎng)絡(luò)的融合中心中,也可以利用周圍的可供選擇的其他無線傳輸技術(shù)。具體地,線傳感器網(wǎng)絡(luò)中的每一個節(jié)點(diǎn)可以通過三種可能的方式卸載其數(shù)據(jù):將數(shù)據(jù)卸載至鄰近的Wi-Fi接入點(diǎn)中;通過從蜂窩運(yùn)營商處租賃專用的授權(quán)頻段進(jìn)行數(shù)據(jù)傳輸和將數(shù)據(jù)卸載至鄰近的小蜂窩基站。我們提出了一種基于異步協(xié)調(diào)更新的分布式混合數(shù)據(jù)流量卸載算法,使得每個傳感器節(jié)點(diǎn)可以最優(yōu)化地決定使用每一種卸載方式傳輸?shù)臄?shù)據(jù)量。我們證明了所提出的算法能夠以線性速率收斂至全局最優(yōu)解。相應(yīng)地數(shù)值仿真實(shí)驗(yàn)結(jié)果表明,在共存的Wi-Fi設(shè)備數(shù)量較小(小于5)的時候,與其它的卸載方式相比,所提出的混合數(shù)據(jù)流量卸載框架能夠?yàn)闊o線傳感器網(wǎng)絡(luò)節(jié)省約為75%的能耗。3).針對大數(shù)據(jù)分析的問題,我們研究了基于異構(gòu)大數(shù)據(jù)源的高分辨、高精度空氣質(zhì)量預(yù)測問題。我們首先將地表空氣質(zhì)量觀測站以及配備有傳感器的移動平臺對空氣污染物的分布信息的觀測過程建模為一個動態(tài)時空模型,并通過隨機(jī)偏微分方程方法將其進(jìn)一步描述為一個高斯-馬爾科夫隨機(jī)域。由于高斯-馬爾科夫隨機(jī)域是通過一些稀疏矩陣進(jìn)行定義的,因此當(dāng)對其進(jìn)行基于貝葉斯方法的高分辨率預(yù)測時,我們采用了一種計算復(fù)雜度較低的集成嵌套拉普拉斯逼近法。為了進(jìn)一步提高預(yù)測的精度,我們在分析了不同空氣污染物分布數(shù)據(jù)特征信息的基礎(chǔ)上,將高精度的分布信息的重構(gòu)問題描述為一個全變差最小化問題,并分別提出了兩種不同的算法對其進(jìn)行了求解。我們將所提出的算法分別應(yīng)用在意大利皮埃蒙特區(qū)域的數(shù)據(jù)集上對其空氣污染物的分布信息進(jìn)行了預(yù)測,驗(yàn)證了所提算法的有效性。
【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TN92;TP311.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李康樂;;算法“塑造世界”客觀嗎[J];中國報業(yè);2018年11期

2 ;聚焦核心素養(yǎng)案例研討專題二:體驗(yàn)編程計算,初步了解算法[J];中國信息技術(shù)教育;2017年08期

3 李亞娟;劉建貞;張興剛;鄧重陽;;結(jié)合科研的計算機(jī)輔助幾何設(shè)計教學(xué)[J];數(shù)學(xué)學(xué)習(xí)與研究;2017年17期

4 何克晶;張星明;鄭運(yùn)平;;算法設(shè)計與分析課程全方位實(shí)踐教學(xué)改革探索[J];計算機(jī)教育;2017年02期

5 李勇;;基于實(shí)踐性教學(xué)的《算法設(shè)計與分析》教學(xué)研究[J];曲靖師范學(xué)院學(xué)報;2015年06期

6 張遠(yuǎn)平;邱麗娜;;在算法設(shè)計與分析課程教學(xué)中融入計算思維[J];價值工程;2016年08期

7 秦丹;;算法設(shè)計與分析教學(xué)常見問題分析[J];電腦知識與技術(shù);2014年24期

8 黃如兵;楊鶴標(biāo);;算法設(shè)計與分析課程的教學(xué)與實(shí)踐探索與研究[J];科教文匯(上旬刊);2015年03期

9 紀(jì)穎;;算法設(shè)計與分析課程教學(xué)改革探討[J];黑龍江教育學(xué)院學(xué)報;2014年08期

10 李秦;;建構(gòu)主義教學(xué)模式與算法設(shè)計與分析課程教學(xué)[J];甘肅科技;2013年24期

相關(guān)會議論文 前10條

1 王輝;劉治昌;;用一種新算法設(shè)計的安全系統(tǒng)[A];2007年中國智能自動化會議論文集[C];2007年

2 雷詠梅;;橢圓曲線密碼體制的算法設(shè)計與實(shí)現(xiàn)[A];西部大開發(fā) 科教先行與可持續(xù)發(fā)展——中國科協(xié)2000年學(xué)術(shù)年會文集[C];2000年

3 韓進(jìn)宏;張先峰;王運(yùn)凱;;表面粗糙度頻譜分析C++算法設(shè)計[A];2007'中國儀器儀表與測控技術(shù)交流大會論文集（二）[C];2007年

4 高文超;孫宇清;韓冬雪;;一種改進(jìn)的素數(shù)尋找問題的算法設(shè)計與實(shí)現(xiàn)[A];中國電子學(xué)會第十六屆信息論學(xué)術(shù)年會論文集[C];2009年

5 楊俊;關(guān)旭東;;板形控制液壓彎輥系統(tǒng)的特性分析與控制算法設(shè)計[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

6 黃翔東;李海亮;王玲;;光時域反射儀的事件檢測算法設(shè)計[A];第六屆全國信號和智能信息處理與應(yīng)用學(xué)術(shù)會議論文集[C];2012年

7 徐子珊;;《算法設(shè)計與分析》課程中的工程教育[A];2005年全國理論計算機(jī)科學(xué)學(xué)術(shù)年會論文集[C];2005年

8 李皓;羅熊;;云存儲部署優(yōu)化的進(jìn)化算法設(shè)計[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第三分冊）[C];2013年

9 宋琦;陳璞;;有限元分析中結(jié)構(gòu)修改的算法設(shè)計[A];北京力學(xué)會第18屆學(xué)術(shù)年會論文集[C];2012年

10 楊利容;;用優(yōu)化算法設(shè)計雙工器[A];中國航海學(xué)會通信導(dǎo)航專業(yè)委員會2005年學(xué)術(shù)年會論文集[C];2005年

相關(guān)重要報紙文章 前8條

1 趙丹;大數(shù)據(jù)算法的困境[N];學(xué)習(xí)時報;2017年

2 ;算法設(shè)計的策略[N];電腦報;2003年

3 武衛(wèi);通過算法來思考世界[N];財會信報;2018年

4 陸峰;大數(shù)據(jù)健康發(fā)展需要新機(jī)制護(hù)航[N];學(xué)習(xí)時報;2019年

5 李健 周勝利;懂算法才能打“算法戰(zhàn)”[N];解放軍報;2019年

6 本報記者 霍光;從算法設(shè)計角度推進(jìn)網(wǎng)絡(luò)節(jié)能[N];中國計算機(jī)報;2012年

7 林東;迎接算法決定戰(zhàn)法的時代[N];解放軍報;2018年

8 胡捷遞　記者 姜雪松;“計算機(jī)奧運(yùn)會”將在哈舉行[N];哈爾濱日報;2010年

相關(guān)博士學(xué)位論文 前10條

1 王子玉;網(wǎng)絡(luò)異常檢測算法研究[D];清華大學(xué);2017年

2 陳培;探測復(fù)雜疾病臨界點(diǎn)的算法[D];華南理工大學(xué);2018年

3 李瑩玉;基于分布式ADMM算法的無線網(wǎng)絡(luò)資源管理與大數(shù)據(jù)分析[D];西安電子科技大學(xué);2018年

4 蔣海青;開放式低碳選址—路徑模型及其算法研究[D];浙江工業(yè)大學(xué);2019年

5 王普;多標(biāo)記學(xué)習(xí)算法研究及在生物醫(yī)學(xué)數(shù)據(jù)挖掘中的應(yīng)用[D];中國科學(xué)院大學(xué)(中國科學(xué)院深圳先進(jìn)技術(shù)研究院);2017年

6 陳寧濤;基于二分技術(shù)的高效算法設(shè)計及其應(yīng)用[D];華中科技大學(xué);2006年

7 張磊;約束優(yōu)化算法的關(guān)鍵技術(shù)研究及應(yīng)用[D];哈爾濱工程大學(xué);2016年

8 孫賀;算法設(shè)計中的若干前沿問題[D];復(fù)旦大學(xué);2009年

9 劉院英;社會網(wǎng)絡(luò)影響最大化方法研究[D];燕山大學(xué);2017年

10 任志磊;組合優(yōu)化問題的特化與泛化算法設(shè)計[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 張煜;強(qiáng)化學(xué)習(xí)中基于函數(shù)逼近的多步統(tǒng)一算法研究[D];浙江大學(xué);2019年

2 劉凌云;基于Q-學(xué)習(xí)算法的序列決策模型研究[D];河北大學(xué);2019年

3 夏志雄;動力電池管理單元及其SOC估算算法的研究與實(shí)現(xiàn)[D];武漢理工大學(xué);2018年

4 初星漢;基于蟻群算法的專家抽取系統(tǒng)設(shè)計與實(shí)現(xiàn)[D];大連理工大學(xué);2018年

5 楊欣;基于正交化學(xué)反應(yīng)優(yōu)化算法的社團(tuán)檢測研究與實(shí)現(xiàn)[D];河南大學(xué);2018年

6 曾鳳華;護(hù)士周排班算法研究及其系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2018年

7 刁澤浩;自由活體動物的動態(tài)跟蹤算法研究[D];河北大學(xué);2018年

8 李江飛;基于蜂群算法的越庫車輛調(diào)度與路徑優(yōu)化研究[D];廣東工業(yè)大學(xué);2018年

9 尹詩德;基于模擬退火的混合布谷鳥算法求解公交調(diào)度問題[D];華南理工大學(xué);2018年

10 彭關(guān)禮;基于FPGA的AES算法硬件設(shè)計實(shí)現(xiàn)[D];西華師范大學(xué);2018年

本文編號：2716255