信息物理系統(tǒng)(Cyber Physical System,CPS)將計(jì)算進(jìn)程和物理進(jìn)程進(jìn)行融合,是集計(jì)算機(jī)技術(shù)、通信和控制技術(shù)于一體的智能系統(tǒng)。CPS應(yīng)用需要面對的一個(gè)重要問題就是如何處理系統(tǒng)中持續(xù)產(chǎn)生的海量、異構(gòu)和不確定性的數(shù)據(jù)流�，F(xiàn)有的面向數(shù)據(jù)流的處理平臺大多數(shù)只支持流式數(shù)據(jù)的基礎(chǔ)處理,比如過濾、轉(zhuǎn)換和計(jì)數(shù)等功能,難以滿足從在線數(shù)據(jù)流中實(shí)時(shí)挖掘并做出反饋的需求。作為CPS的核心技術(shù)之一,主動(dòng)式復(fù)雜事件處理技術(shù)不僅能夠?qū)崟r(shí)處理大量數(shù)據(jù)流,而且可以對已獲得的數(shù)據(jù)進(jìn)行預(yù)測分析,從而提供改變系統(tǒng)未來狀態(tài)的決策能力。目前主動(dòng)式復(fù)雜事件處理還面臨著一些問題,其中的重點(diǎn)和難點(diǎn)包括了設(shè)計(jì)過程中的不確定性事件處理、事件的上下文處理、預(yù)測分析和決策方法等。本文針對這些問題,以CPS應(yīng)用中的智能交通系統(tǒng)為背景,分別引入了模糊C均值、貝葉斯網(wǎng)絡(luò)、馬爾科夫決策過程和Q-learning等方法,并結(jié)合其他并行優(yōu)化技術(shù)進(jìn)行了研究。本文的貢獻(xiàn)主要包括以下幾個(gè)方面:(1)針對不確定性數(shù)據(jù)處理問題,提出了一種并行復(fù)雜事件處理方法(Parallel Indeterminate Stream Complex Event P...

【文章頁數(shù)】：112 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景及意義
        1.1.1 信息物理系統(tǒng)概述
        1.1.2 信息物理系統(tǒng)的特點(diǎn)與發(fā)展趨勢
        1.1.3 主動(dòng)式復(fù)雜事件處理技術(shù)概述
    1.2 相關(guān)研究進(jìn)展
        1.2.1 復(fù)雜事件處理
        1.2.2 事件上下文處理方法
        1.2.3 主動(dòng)式處理中預(yù)測分析方法
        1.2.4 主動(dòng)式處理中的決策方法
    1.3 存在的問題與挑戰(zhàn)
    1.4 研究內(nèi)容
    1.5 論文的組織
第2章 理論和技術(shù)基礎(chǔ)
    2.1 復(fù)雜事件處理技術(shù)
        2.1.1 事件模型
        2.1.2 事件選擇策略
        2.1.3 復(fù)雜事件處理模型
    2.2 事件上下文聚類技術(shù)
    2.3 主動(dòng)式處理技術(shù)
        2.3.1 貝葉斯網(wǎng)絡(luò)
        2.3.2 馬爾科夫決策過程
        2.3.3 Q-learning
    2.4 系統(tǒng)體系結(jié)構(gòu)
    2.5 本章小結(jié)
第3章 面向不確定性事件流的并行處理方法
    3.1 本章引言
    3.2 查詢語言與事件概率模型
    3.3 不確定性事件流的處理方法
        3.3.1 基于匹配樹的處理方法
        3.3.2 事件流的并行處理
        3.3.3 SEQ事件的并行處理
    3.4 實(shí)驗(yàn)分析
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)源
        3.4.2 實(shí)驗(yàn)結(jié)果及分析
    3.5 本章小結(jié)
第4章 事件上下文處理方法
    4.1 本章引言
    4.2 基于模糊本體的事件上下文建模
        4.2.1 上下文與模糊本體
        4.2.2 上下文建模
    4.3 事件上下文聚類方法
    4.4 實(shí)驗(yàn)及結(jié)果分析
        4.4.1 數(shù)據(jù)描述
        4.4.2 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第5章 主動(dòng)式復(fù)雜事件處理中的預(yù)測方法
    5.1 本章引言
    5.2 基于適應(yīng)性貝葉斯網(wǎng)絡(luò)的預(yù)測方法
        5.2.1 預(yù)測模型架構(gòu)
        5.2.2 適應(yīng)性貝葉斯網(wǎng)絡(luò)模型
        5.2.3 適應(yīng)性貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)方法
        5.2.4 多貝葉斯模型組合
    5.3 實(shí)驗(yàn)及結(jié)果分析
    5.4 本章小結(jié)
第6章 主動(dòng)式復(fù)雜事件處理決策方法
    6.1 本章引言
    6.2 并行馬爾科夫決策過程
        6.2.1 決策模型
        6.2.2 基于結(jié)點(diǎn)的狀態(tài)劃分與并行
        6.2.3 報(bào)酬分解
    6.3 并行Q-LEARNING決策方法
        6.3.1 決策模型
        6.3.2 基于子問題的狀態(tài)劃分
    6.4 實(shí)驗(yàn)及結(jié)果分析
    6.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
附錄A 攻讀學(xué)位期間所完成的論文
附錄B 攻讀學(xué)位期間主持和參加的科研課題



本文編號：4046285