论文部分内容阅读
普适计算以用户为中心，追求透明地提供智能服务，其重要产物——情景感知系统已广泛应用于智能家居、智慧医疗和智慧旅游等领域。目前，面向不同场景实现不同功能的情景感知系统层出不穷，但缺少统一的系统整体评估标准以及具体且有效的系统自适应优化方法。
另一方面，在高动态智能环境下，异构采集设备的错误、网络延迟等原因导致情景信息无可避免地存在不一致性，使情景信息质量较低并影响系统做出正确的推理及决策，极大降低了用户体验质量(Quality of Experience，QoE)。因此，情景信息的不一致性问题必须得到有效处理。
本论文立足实际需求，研究面向情景感知系统的质量评估指标管理体系和情景信息不一致性消除算法，主要研究内容如下:
(1)对于情景感知系统的质量评估及自适应优化问题，提出面向情景感知系统的多层级质量评估指标管理系统，从采集设备质量(Quality of Device，QoD)、情景信息质量(Quality of Context，QoC)、系统服务质量(Quality of Service，QoS)和信息质量(Quality of Information，QoI)和QoE五个层级评估情景感知系统的整体性能，为系统性能评估提供可靠标准。同时，构建五个层级的关联结构，利用质量指标协同交互实现系统的自适应优化，充分发挥各层级指标除质量评估之外的作用，如隐私过滤、服务择优、系统反馈等，提高系统的安全性和可靠性。
(2)对于QoC层级参数的评估及管理问题，考虑情景信息源之间的支持度对质量评估的补充作用，提出了一项全新的情景信息质量参数:情景信息相关性，扩大了QoC层级的评估范围，同时为情景信息不一致性消除算法的改进提供了新的维度。此外，从情景信息来源出发分析不同QoC参数的适用性，将情景信息分类为感测情景信息(Sensed Contexts)和非感测情景信息(Non-sensed Contexts)，丰富了情景信息的分类标准。
(3)对于情景信息不一致性问题，提出了基于情景信息综合质量指标和Dempster-Shafer理论(Dempster-Shafer Theory，DST)的不一致性消除算法，具体包括针对不同类别情景信息的两种不一致性处理算法:1)对于感测情景信息，构造改进的情景信息综合质量(Improved Overall Quality of Context，IOQoC)指标并结合隶属度，提出基于IOQoC和DST的感测情景信息不一致性消除算法;2)对于非感测情景信息，构造简化的情景信息综合质量(Simplified Overall Quality of Context，SOQoC)指标并结合不确定信息，提出基于SOQoC和DST的非感测情景信息不一致性消除算法。以智慧畜牧业为应用背景，对于温度监测系统及身份识别系统，从多维角度进行仿真对比，证明了所提算法的明显优势。
通过上述研究，建立了更具可靠性、安全性、主动性的质量评估指标管理系统，为评估各式情景感知系统性能及质量提供了有效依据，使各层级质量指标协作交互实现了系统的自适应优化。同时，对于不一致性消除算法的研究，极大地提升了处理后的情景信息的质量，为系统的高效运行和情景感知技术的广泛应用奠定了重要基础。
另一方面，在高动态智能环境下，异构采集设备的错误、网络延迟等原因导致情景信息无可避免地存在不一致性，使情景信息质量较低并影响系统做出正确的推理及决策，极大降低了用户体验质量(Quality of Experience，QoE)。因此，情景信息的不一致性问题必须得到有效处理。
本论文立足实际需求，研究面向情景感知系统的质量评估指标管理体系和情景信息不一致性消除算法，主要研究内容如下:
(1)对于情景感知系统的质量评估及自适应优化问题，提出面向情景感知系统的多层级质量评估指标管理系统，从采集设备质量(Quality of Device，QoD)、情景信息质量(Quality of Context，QoC)、系统服务质量(Quality of Service，QoS)和信息质量(Quality of Information，QoI)和QoE五个层级评估情景感知系统的整体性能，为系统性能评估提供可靠标准。同时，构建五个层级的关联结构，利用质量指标协同交互实现系统的自适应优化，充分发挥各层级指标除质量评估之外的作用，如隐私过滤、服务择优、系统反馈等，提高系统的安全性和可靠性。
(2)对于QoC层级参数的评估及管理问题，考虑情景信息源之间的支持度对质量评估的补充作用，提出了一项全新的情景信息质量参数:情景信息相关性，扩大了QoC层级的评估范围，同时为情景信息不一致性消除算法的改进提供了新的维度。此外，从情景信息来源出发分析不同QoC参数的适用性，将情景信息分类为感测情景信息(Sensed Contexts)和非感测情景信息(Non-sensed Contexts)，丰富了情景信息的分类标准。
(3)对于情景信息不一致性问题，提出了基于情景信息综合质量指标和Dempster-Shafer理论(Dempster-Shafer Theory，DST)的不一致性消除算法，具体包括针对不同类别情景信息的两种不一致性处理算法:1)对于感测情景信息，构造改进的情景信息综合质量(Improved Overall Quality of Context，IOQoC)指标并结合隶属度，提出基于IOQoC和DST的感测情景信息不一致性消除算法;2)对于非感测情景信息，构造简化的情景信息综合质量(Simplified Overall Quality of Context，SOQoC)指标并结合不确定信息，提出基于SOQoC和DST的非感测情景信息不一致性消除算法。以智慧畜牧业为应用背景，对于温度监测系统及身份识别系统，从多维角度进行仿真对比，证明了所提算法的明显优势。
通过上述研究，建立了更具可靠性、安全性、主动性的质量评估指标管理系统，为评估各式情景感知系统性能及质量提供了有效依据，使各层级质量指标协作交互实现了系统的自适应优化。同时，对于不一致性消除算法的研究，极大地提升了处理后的情景信息的质量，为系统的高效运行和情景感知技术的广泛应用奠定了重要基础。