多源感知數據流上的連續(xù)真值發(fā)現技術

　　真值發(fā)現作為整合由不同數據源提供的沖突信息的一種手段，在傳統(tǒng)數據庫領域已經得到了廣泛的研究，然而現有的很多真值發(fā)現方法不適用于數據流應用，主要原因是它們都包含迭代的過程，針對一種特殊的數據流一一感知數據流上的連續(xù)真值發(fā)現問題進行了研究．結合感知數據本身及其應用特點，提出一種變頻評估數據源可信度的策略，減少了迭代過程的執(zhí)行，提高了每一時刻多源感知數據流真值發(fā)現的效率．首先定義并研究了當感知數據流真值發(fā)現的相對誤差和累積誤差較小時，相鄰時刻數據源的可信度變化需要滿足的條件，進而給出了一種概率模型，以預測數據源的可信度滿足該條件的概率．之后，通過整合上述結論，實現在預測的累積誤差以一定概率不超過給定閾值的前提下，最大化數據源可信度的評估周期以提高效率，并將該問題轉化為一個最優(yōu)化問題．在此基礎上，提出了一種變頻評估數據源可信度的算法-CTF-Stream（continuous truth finding over sensor data streams），CTF-Stream結合歷史數據動態(tài)地確定數據源可信度的評估時刻，在保證真值發(fā)現結果達到用戶給定精度的同時提高了效率．最后，通過在真實的感知數據集合上進行實驗，進一步驗證了算法在處理感知數據流的真值發(fā)現問題時的效率和準確率．