论文部分内容阅读
近年来随着人们对智能计算、物联网与人机交互等技术研究的日益深入,情景感知技术得到了快速发展。情景感知计算的目标在于实现“无时不在而又无处不在”地主动为用户提供恰当的服务。在动态、复杂的情景感知环境中,情景信息的种类繁多、规模巨大,通常存在不完备性、不精确性以及不一致性等不确定性问题,会导致系统做出错误的决策,降低用户的体验质量。因此,消除情景信息的不确定性,提高情景感知率是非常重要的。针对上述情景信息的不确定性问题,本论文主要研究基于QoX自适应管理的情景信息不确定性消除系统以及基于改进Dempster-Shafer(D-S)证据论的基本信度分配(Basic Probability Assignment,BPA)的情景信息不一致性消除算法,具体研究内容如下:(1)针对情景感知环境的动态性与复杂性,本论文提出了一种基于QoX自适应管理的情景信息不确定性消除系统框架,并将该模型应用于智慧医疗系统。本论文基于目前已有的几类质量指标,即设备质量(Quality of Device,QoD)、情景信息质量(Quality of Context,QoC)、服务质量(Quality of Service,QoS)、体验质量(Quality of Experience,QoE),创新性地定义了层次化综合质量指标--QoX。该系统模型利用QoX指标和应用层的错误矫正等机制,通过对各类情景质量指标的计算、分析和管理,充分提高了情景感知系统的可靠性,为情景信息的不确定性消除提供了一种行之有效的解决策略,使得本系统具有更好的主动性、容错性与适应性。(2)针对从动态、异构的情景感知系统中获取的多源同类与多源非同类不一致性连续情景信息,本论文提出了基于改进D-S证据论BPA的多源同类和多源非同类连续情景信息不一致性消除算法。其中针对多源同类不一致性连续情景信息采用传感器精度、隶属度和数据间的距离三个因素定义情景信息的基本信度,而针对多源非同类不一致性连续情景信息则采用传感器精度、隶属度和灰色关联度三个因素定义情景信息的基本信度。通过实验仿真,验证了所提多源同类与非同类连续情景信息不一致性消除算法的准确性和容错性能。通过对基于QoX自适应管理的情景信息不确定性消除系统框架模型的研究,建立了更具主动性、自适应性与容错性的情景感知系统框架模型;通过对基于改进D-S证据论BPA的多源同类和多源非同类连续情景信息不一致性消除算法的研究,提高了情景感知率和容错性能。以上研究,为情景感知系统中的多源同类和多源非同类连续情景信息不确定性消除提供了一种行之有效的解决策略,为情景感知系统框架提供了坚实的计算基础,为情景感知系统的高效运行提供了有力保障。