[發明專利]無線傳感器環境下多屬性事件的預測方法

有效

• 申請號: 201410040442.9
• 申請日: 2014-01-27
• 公開（公告）號: CN103745130B
• 公開（公告）日: 2016-11-23
• 發明（設計）人: 林樹寬;楊禮國;喬建忠
• 申請（專利權）人: 東北大學
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 沈陽東大知識產權代理有限公司 21109
• 代理人: 梁焱

1.一種無線傳感器環境下多屬性事件的預測方法，其特征在于：包括以下步驟：

（1）對傳感器采集的事件數據的所有非數值型屬性和事件類型進行數值編碼，形成屬性值/事件類型與其編碼對應的編碼文件輸出至磁盤上存儲；同時對相關變量進行初始化；

（2）將所有的編碼文件從磁盤讀入內存，以方便構建多屬性事件場MAEF時進行編碼轉換；同時在內存中建立多屬性事件場結構MAEF，并將與MAEF相關的變量初始化；

（3）從傳感器事件流讀取當前事件，將當前事件的各屬性值或非數值型屬性編碼填入MAEF適當的行粒度，并根據當前事件在MAEF中的位置更新當前最新行粒度current和有效行計數eff_row_count；

（4）判斷在MAEF中是否已生成d行有效數據，即判斷有效行計數eff_row_count≥d是否成立，若成立，則轉入步驟（5）；否則，轉入步驟（3）；

（5）在MAEF中確定構建各預測模型訓練樣本文件的起始行粒度start和終止行粒度end；

（6）若建立垂直預測模型的標志model_flag=1，說明需建立預測模型，則基于MAEF中存儲的各屬性值和步驟（5）確定的起始行粒度start、終止行粒度end，在內存中構建每個屬性所對應的垂直預測模型的樣本空間，并按照LIBSVM的格式要求將其輸出到磁盤上，形成與各屬性對應的訓練樣本文件，轉入步驟（7）；否則，若標志model_flag≠1，則繞過建立預測模型的步驟，轉入步驟（10）；

（7）針對多屬性事件中的每個屬性，分別建立其垂直預測模型，并置建立垂直預測模型的標志model_flag為0；

（8）若水平預測模型已經建立，即model_count=1，則轉入步驟（10）；否則，利用屬性值和事件類型均已知的d條歷史數據，構建水平預測模型的訓練樣本空間，并將其按照LIBSVM的格式要求輸出至磁盤，形成水平預測模型的訓練樣本文件sensor_trans_train；

（9）建立水平預測模型，并將水平預測模型已建立標志置為1；

（10）基于步驟（7）所建立的各屬性所對應的垂直預測模型，對各屬性下一個時間點的值進行預測；

（11）首先以各屬性的預測值作為輸入形成水平預測模型的測試樣本，輸出到磁盤上，建立水平預測模型的測試數據文件；然后對事件類型進行預測；若事件類型為非數值型，需對照其編碼對其進行轉換，并將轉換結果輸出到輸出設備上；

（12）進行誤差統計以決定是否需重建垂直預測模型，以對預測模型進行自適應修改；

（13）檢查用戶是否終止預測過程，若是，則整個多屬性事件預測過程結束；否則，轉入步驟（3），讀取事件流的下一個事件。

2.如權利要求1所述的無線傳感器環境下多屬性事件的預測方法，其特征在于步驟（1）所述對傳感器采集的事件數據的所有非數值型屬性和事件類型進行數值編碼，形成屬性值/事件類型與其編碼對應的編碼文件輸出至磁盤上存儲，是對每個非數值型屬性進行數值編碼，形成各自的編碼文件存儲于磁盤上，每個文件存儲的是相應屬性值與其編碼的對應關系，每個非數值型屬性的編碼值為從1開始的連續自然數；如果事件類型也是非數值類型，同樣對事件類型進行編碼，建立存儲它們之間對應關系的編碼文件存儲于磁盤上；同時對相關變量進行初始化，是對多屬性事件預測過程中的相關變量進行初始化，包括：將建立垂直預測模型的標志model_flag初始化為1，將水平預測模型已建立標志model_count初始化為0，將不準確預測計數inaccu_count初始化為0，建立垂直預測模型的標志model_flag為1意味著需要執行建立垂直預測模型的過程，其值為0意味著不需執行建立垂直預測模型的過程，可利用已有的垂直預測模型直接進行預測，水平預測模型已建立標志model_count為0，表示水平預測模型尚未建立；model_count為1，表示水平預測模型已經建立，不準確預測計數inaccu_count是預測誤差超出用戶規定閾值的計數。