无线传感网中低能耗近似计算方法

第1章 绪论1.1 研究的目的和意义1.2 无线传感器网络简介1.2.1 什么是无线传感器网络1.2.2 无线传感器网络的特点与挑战1.2.3 无线传感器网络领域的研究现状与热点问题1.3 无线传感网中感知数据的获取与计算技术简介1.3.1 无线传感网中感知数据获取与计算技术的研究现状1.3.2 无线传感网中感知数据的获取与计算技术所面临的新挑战1.4 本书研究的问题与成果第2章 静态传感器网络中基于均衡抽样的（ε。δ）一近似聚集算法2.1 引言2.2 问题定义2.3 数学基础2.3.1 聚集和的估计器2.3.2 平均值的估计器2.3.3 无重复计数值的估计器2.4 分布式均衡抽样算法2.4.1 样本容量的确定2.4.2 均衡抽样算法2.5 近似聚集算法2.6 样本信息维护算法2.6.1 ε和δ变化时样本数据信息维护算法2.6 2感知数据变化时样本信息维护算法2.7 实验结果2.7 1基于抽样技术算法的特有性能2.7.2 查询处理过程中的能量消耗28相关工作2.9 本章小节第3章 动态传感器网络中基于Betnoulli抽样的（ε，δ）-近似聚集算法3.1 引言3.2 预备知识3.2.1 问题定义3.2.2 Bemoulli抽样3.3 数学基础3.3.1 计数值及聚集和的估计器3.3.2 平均值估计器3.4 Bernoulli抽样算法3.4.1 抽样概率的确定3.4.2 Bernoulli抽样算法3.5 基于Bernoulli抽样的（ε，δ）一聚集算法3.5.1 Snapshot查询处理算法3.5.2 连续查询处理算法3.5.3 基于多抽样概率的（ε，δ）近似聚集算法3.6 实验结果3.6.1 大规模传感网中算法的性能3.6.2 中等规模传感网中算法的性能3.7 本章小结第4章 传感器网络中地理位置敏感的近似极值点查询算法4.1 引言4.2 问题定义4.3 贪心算法4.3.1 集中式贪心算法4.3.2 分布式贪心算法4.3.3 算法的复杂性4.4 基于区域划分的分布式算法4.4.1 算法的总体思想4.4.2 RrDk的计算方法4.4.3 算法的复杂性4.5 实验结果4.5.1 “Top-k”与“LAP（D，k）”的比较4.5.2 不同算法在计算“LAP-（D,k）”时的性能4.6 相关工作4.7 本章小结第5章 传感器网络中面向物理过程可重现的感知数据采集算法5.1 引言5.2 问题定义5.3 两种变频数据采集算法5.3.1 基于Hermit插值的变频数据采集算法5.3.2 基于三次样条插值的变频数据采集算法5.4 感知曲线聚集算法5.4.1 问题的定义5.4.2 感知曲线聚集算法5.4.3 聚集算法的优化策略——曲线合并算法5.5 实验结果5.5.1 变频数据采集算法的性能5.5.2 感知曲线聚集算法的性能5.6 相关工作5.7 本章小结第6章 结论参考文献索引