边缘计算环境下多不确定物联网数据流的概率 Top-k 支配查询监控
分布式、并行与集群计算
2026-01-27 v1 数据库
摘要
从大数据中提取有价值的特征与信息已成为数据科学中的重要研究课题之一。在大多数物联网（IoT）应用中，由于传感器设备差异或传输错误，所采集数据具有不确定与不精确性。此外，感知数据可能随时间演变。我们将不确定数据流称为同时具有速度、真实性和容量属性的数据集。本文利用边缘计算环境中的并行性，以促进多不确定 IoT 数据流上的 top-k 支配查询处理。该问题的挑战包括如何快速更新结果以处理不确定性、降低计算成本并提供高准确度结果。参考现有针对确定数据的相关论文，我们提供了一种可有效并行化的不确定数据流上的概率 top-k 支配查询处理方法。在讨论所提方法的属性后，我们通过复杂度分析与大量模拟实验验证了我们的方法。与现有工作相比，实验结果表明我们的方法可改善近 60% 计算时间，降低近 20% 服务器间通信成本，并在大多数场景中提供高准确度结果。
引用
@article{arxiv.1906.00219,
title = {Probabilistic Top-k Dominating Query Monitoring over Multiple Uncertain IoT Data Streams in Edge Computing Environments},
author = {Chuan-Chi Lai and Tien-Chun Wang and Chuan-Ming Liu and Li-Chun Wang},
journal= {arXiv preprint arXiv:1906.00219},
year = {2026}
}
备注
14 pages, 9 figures, Accepted by IEEE Internet of Things Journal