目前大多数物联网应用都是基于无线传感设备,通过无线传感设备接入互联网实现物物相连,造成数据的实时性、海量性、异构性等。基于上述原因,复杂事件处理技术被提出。本文分析了目前复杂事件处理存在的不足即:复杂事件处理技术仅限于如何有效地使用事件处理规则进行规则匹配,对于事件处理规则是否符合当前环境变化却很少涉及。其次,在规则匹配(或模式匹配)过程中,现有的复杂事件处理技术很少考虑数据本身的不确定性。文中主要针对复杂事件处理系统中存在的不足进行研究。(1)针对规则定义存在的环境适应不良问题,本文提出自适应事件处理规则模型,采用异常检测和分类规则学习思想,首先根据规则的评估结果,对不符合当前环境的规则进行重新定义学习。(2)针对规则匹配存在的不足,提出将不确定模型融入规则匹配过程方法,利用事件类型的不确定模型在规则匹配的过程中过滤部分匹配结果,提高复杂事件处理结果的准确性并且降低中间结果的存储压力,并且采用保存多条件中匹配节点的方式减少不必要的匹配。最后,通过实验分别验证两部分方法的有效性、可行性。