粗糙集在無線傳感網(wǎng)絡(luò)中的智能信息處理研究

摘要:針對無線傳感器網(wǎng)絡(luò)中不精確#65380;不確定數(shù)據(jù)問題，提出了將信息處理和粗糙集技術(shù)融為一體的新研究思路，并基于分層簇結(jié)構(gòu)給出了一種層次型智能信息處理方法#65377;無線傳感器網(wǎng)絡(luò)實時森林火災監(jiān)測的示例與分析表明，該方法在實際應用中，通過從三個層次進行知識約簡等智能數(shù)據(jù)分析，挖掘?qū)嵱脹Q策規(guī)則，使傳感器節(jié)點僅自動獲取和傳送有效的最小數(shù)據(jù)集信息，實現(xiàn)了智能信息處理#65380;能量消耗和系統(tǒng)性能之間的平衡#65377;

關(guān)鍵詞:粗糙集;無線傳感器網(wǎng)絡(luò);層次型智能信息處理;不確定數(shù)據(jù);電源能量效率;簇

中圖分類號:TP391; TP393文獻標志碼:A

文章編號:1001-3695(2007)10-0075-04



0引言

無線傳感器網(wǎng)絡(luò)涉及傳感器技術(shù)#65380;嵌入式計算技術(shù)#65380;現(xiàn)代網(wǎng)絡(luò)及無線通信技術(shù)#65380;分布式信息處理技術(shù)等多學科高度交叉的國內(nèi)外新興熱點研究領(lǐng)域#65377;由于其具有覆蓋區(qū)域廣闊#65380;監(jiān)測精度高#65380;可遠程監(jiān)控#65380;可快速部署#65380;可自組織和高容錯性等特點，在軍事國防#65380;環(huán)境監(jiān)測(如森林火災監(jiān)測)[1]等重要領(lǐng)域都有著廣闊的發(fā)展前景和潛在的實用價值#65377;

傳感器網(wǎng)絡(luò)節(jié)點構(gòu)成無線傳感器網(wǎng)絡(luò)的基礎(chǔ)層支持平臺;每個節(jié)點為一個微型化的集成嵌入式系統(tǒng)，由傳感單元(包括智能型傳感器#65380;模/數(shù)轉(zhuǎn)換功能模塊)#65380;處理單元(包括CPU#65380;存儲器#65380;嵌入式操作系統(tǒng)等)#65380;通信單元(無線通信模塊)以及電源(能量供應模塊)[1]等組成#65377;傳感器節(jié)點能夠與物理世界進行交互，協(xié)作地實時感知和采集各種監(jiān)測對象的信息，并以自組多跳的無線網(wǎng)絡(luò)方式將物理環(huán)境特征信息傳送到用戶終端，從而改變?nèi)伺c自然交互的方式，實現(xiàn)真實物理世界#65380;邏輯上的信息世界以及人類社會三元世界的融合連通#65377;

由于傳感器節(jié)點體積小，價格非常低廉，其處理能力#65380;存儲能力#65380;通信帶寬和攜帶的能量都很有限[1]#65377;這些獨特制約因素對網(wǎng)絡(luò)組織結(jié)構(gòu)和通信協(xié)議提出了新的挑戰(zhàn)#65377;特別是由于無線傳感器網(wǎng)絡(luò)通常運行在無人區(qū)或者人無法接近的惡劣甚至危險的遠程環(huán)境等特殊場合，能源無法替代或再生，節(jié)點經(jīng)常失效或廢棄，這使得電源能量成為各個節(jié)點最寶貴的資源和影響節(jié)點壽命的關(guān)鍵因素[1]#65377;電源能量約束成為阻礙傳感器網(wǎng)絡(luò)應用的嚴重問題#65377;傳統(tǒng)的有線和無線網(wǎng)絡(luò)主要考慮的是數(shù)據(jù)速率#65380;端對端延遲和丟包率等QoS指標，無線傳感器網(wǎng)絡(luò)更強調(diào)低電路復雜性#65380;節(jié)點能耗分析和節(jié)點壽命分析等重要設(shè)計目標[2]#65377;

粗糙集理論是一種用于數(shù)據(jù)分析的數(shù)學理論[3]，核心是基于不可分辨性的思想和知識簡化的方法;在研究不精確#65380;不完整#65380;不確定的真實世界中數(shù)據(jù)的知識表達#65380;歸納#65380;學習和挖掘等方面提供了有效的處理技術(shù)，把人們帶到了一個科學邏輯思維和智能信息處理的新天地#65377;

目前，無線傳感器網(wǎng)絡(luò)與有效使用片上受限資源(尤其是能量)密切相關(guān)的數(shù)據(jù)管理，特別是智能信息處理方面的研究報道不多#65377;粗糙集理論適合于根據(jù)一個無線傳感器網(wǎng)絡(luò)觀察和測量所得到的現(xiàn)實數(shù)據(jù)信息，將現(xiàn)實世界描述為信息系統(tǒng);通過知識約簡等智能數(shù)據(jù)處理，從這樣的信息系統(tǒng)中提取有用信息#65380;發(fā)現(xiàn)知識#65380;推理決策規(guī)則;再將這些決策規(guī)則作為無線傳感器網(wǎng)絡(luò)的數(shù)學模型，從而分辨無線傳感器網(wǎng)絡(luò)應用的某些特征#65380;過程#65377;

1相關(guān)基本概念

1.1WSN信息處理

作為一種新興的信息感知和采集技術(shù)，無線傳感器網(wǎng)絡(luò)信息處理當前須關(guān)注的主要方面包括:

a)局部數(shù)據(jù)處理#65377;隨著能源和功耗研究成為無線傳感器網(wǎng)絡(luò)研究的一項重要課題，需要將能源消耗因素融入到無線傳感器網(wǎng)絡(luò)設(shè)計和操作的每一個階段#65377;傳感區(qū)域中傳感器節(jié)點主要任務(wù)是探測事件以及執(zhí)行快速局部數(shù)據(jù)處理#65380;傳送數(shù)據(jù)#65380;能量消耗，于是相應地被分成傳感消耗#65380;通信消耗和數(shù)據(jù)處理消耗[1]三個方面#65377;在實際應用中，較遠距離數(shù)據(jù)傳輸所消耗的能量比數(shù)據(jù)處理消耗的能量大幾個數(shù)量級，即傳感器傳輸信息要比執(zhí)行計算更消耗能量[1]#65377;若由節(jié)點自身完成數(shù)據(jù)局部處理，并僅傳遞所需和局部簡單計算產(chǎn)生的數(shù)據(jù)，傳送前最小化數(shù)據(jù)量，減少系統(tǒng)的通信開銷，能夠充分挖掘系統(tǒng)在給定電源能量前提下能源使用方面的效率和潛力#65377;

b)數(shù)據(jù)融合#65377;WSN應用需要傳感器在空間中密集部署以獲得滿意的覆蓋度#65377;由于網(wǎng)絡(luò)拓撲的高密集性，以至于多個傳感器記錄傳感區(qū)域單一事件的信息，空間上接近傳感器的觀測數(shù)據(jù)呈現(xiàn)高度相關(guān)性;而且，能量輻射物理現(xiàn)象的特性構(gòu)成同一個傳感器節(jié)點連續(xù)觀測間的時間相關(guān)性[4]#65377;此外，單一傳感器僅能從目標環(huán)境獲得局部#65380;片面的信息#65377;由于受傳感器質(zhì)量#65380;性能和噪聲影響，這些信息是很有限和不完整的[5]#65377;事件的探測往往需要多種傳感器的協(xié)作，如在森林火災監(jiān)測中需要結(jié)合煙霧#65380;溫度甚至更多種探測現(xiàn)象加以綜合評定#65377;

WSN的這種時空相關(guān)性和協(xié)作特性帶來了開發(fā)適合于WSN應用有效通信協(xié)議的巨大潛能[4]#65377;數(shù)據(jù)融合將來自多個不同傳感器節(jié)點的數(shù)據(jù)進行匯聚整合，通過消除冗余，最小化傳送給基站的數(shù)據(jù)量，可以節(jié)省能量，提高信息的精度和可信度，以及采集數(shù)據(jù)的整體效率，從而獲得對監(jiān)測環(huán)境多角度#65380;更詳盡準確#65380;更智能的理解和更符合需要的有意義信息#65377;

c)以數(shù)據(jù)為中心的路由#65377;節(jié)點由于受到體積#65380;電源供給等因素限制，發(fā)射功率較小，通信距離較短，單個傳感器的能力有限，只能與自己通信范圍內(nèi)的鄰居交換數(shù)據(jù)#65377;為了保證網(wǎng)絡(luò)內(nèi)大多數(shù)節(jié)點與sink建立無線鏈路，全面#65380;準確#65380;及時地獲取被監(jiān)控對象信息，通常需要通過中間節(jié)點進行中繼路由，依靠節(jié)點間的協(xié)作，利用多跳來實現(xiàn)低功耗下數(shù)據(jù)傳輸#65377;在無線傳感器網(wǎng)絡(luò)路由通信協(xié)議各層設(shè)計中必須考慮能源有效性需求，盡可能用最低的能量消耗率，進行較大數(shù)據(jù)處理和數(shù)據(jù)傳輸，使得網(wǎng)絡(luò)保持連通性時間更長#65377;因此，研究優(yōu)化多跳路由通信協(xié)議，成為無線傳感器網(wǎng)絡(luò)最重要的研究方向之一#65377;

無線傳感器網(wǎng)絡(luò)的核心是感知數(shù)據(jù)#65377;傳感器節(jié)點產(chǎn)生的數(shù)據(jù)被要求基于確定的屬性，并被命名為屬性—值對[1]#65377;以數(shù)據(jù)為中心的特點要求傳感器網(wǎng)絡(luò)的設(shè)計必須以感知數(shù)據(jù)的處理和管理為主，用戶關(guān)注于查詢一個物理現(xiàn)象的屬性本身，而不是單個節(jié)點#65377;由于節(jié)點沒有IP地址，無線傳感器網(wǎng)絡(luò)應實現(xiàn)從傳統(tǒng)以地址為中心網(wǎng)絡(luò)方案(尋找可設(shè)定地址的端到端節(jié)點對間最短路由)到以數(shù)據(jù)為中心路由方案(尋找從多源到允許網(wǎng)絡(luò)內(nèi)冗余數(shù)據(jù)合并的單一目的地路由)的轉(zhuǎn)變[6]#65377;

1.2粗糙集理論

決策表信息系統(tǒng)中的屬性并不是同等重要的，甚至其中某些條件屬性是冗余的，僅有部分條件屬性必須保留#65377;屬性約簡指在保持決策表信息系統(tǒng)的不可分辨關(guān)系#65380;分類和決策能力不變的前提下，消除不相關(guān)或不重要的冗余屬性，獲得最小條件屬性子集[3]#65377;基于粗糙集理論的知識獲取的核心問題是屬性約簡和數(shù)據(jù)依賴發(fā)現(xiàn)[3]#65377;屬性約簡簡化了分類標準，同時也大大提高了系統(tǒng)潛在知識的清晰度，人們在大量數(shù)據(jù)中獲取的知識只有在約簡的基礎(chǔ)上才有泛化和應用的價值，這是一項重要的研究課題#65377;

2WSN信息處理智能方法設(shè)計

2.1WSN信息處理建模

由于傳感器節(jié)點興趣由現(xiàn)實世界中發(fā)生或?qū)⒁l(fā)生的事件組成，傳感器節(jié)點任務(wù)是確定描述事件屬性的值#65377;WSN成為以數(shù)據(jù)為中心的網(wǎng)絡(luò)#65377;因此，信息系統(tǒng)概念能用做無線傳感器網(wǎng)絡(luò)信息處理的形式模型#65377;

通常，概念形成和表示中含糊性產(chǎn)生于信息不完整或知識缺乏情形下描述精確定義概念能力的不足，并且以相當含糊術(shù)語描述物質(zhì)和精神世界，現(xiàn)實生活中存在著許多不一致性或不確定性#65377;具體對于無線傳感器網(wǎng)絡(luò)而言，由于節(jié)點自身能力有限，加上其易失效性，從而加劇了節(jié)點的不穩(wěn)定性和網(wǎng)絡(luò)資源的不確定性#65377;要求能在不一致和不確定下進行近似推理，但使用不完整#65380;不確定或含糊信息，又難以區(qū)分一些不同的個體#65377;于是，通過立足于一類特殊不確定性，即個體不可分辨性，粗糙集技術(shù)完全能夠提供粗糙而有效實用的解決方案，使得為無線傳感器網(wǎng)絡(luò)不確定數(shù)據(jù)管理建立一個相應的分布式計算模型成為可能#65377;

在該模型中，每個傳感器節(jié)點被看做一個對象個體，物理環(huán)境由一組屬性即被觀測數(shù)據(jù)項描述，而且屬性可以在決策表條件屬性部分或決策屬性部分，并分別對應于物理環(huán)境的輸入或輸出#65377;本文隨后的分析僅使用該模型包含的描述信息，使得空間上接近傳感器產(chǎn)生的相關(guān)度量數(shù)據(jù)能在不丟失主要信息的前提下被約簡;而且，與數(shù)據(jù)描述的物理環(huán)境一致的#65380;有助于數(shù)據(jù)解釋和物理環(huán)境進一步預測的#65380;以隱含依賴形式表示的決策規(guī)則，也可以從上述模型自然地獲取，從而實現(xiàn)從經(jīng)驗知識到基于規(guī)則知識的轉(zhuǎn)換#65377;

2.2層次型智能信息處理

無線傳感器網(wǎng)絡(luò)數(shù)量眾多的節(jié)點之間存在著松散的耦合，構(gòu)成一個高度復雜的分布式系統(tǒng)，集中控制顯然不能滿足信息處理需求，而降低復雜度的一個有效途徑是將無線傳感器網(wǎng)絡(luò)組織成簇層次結(jié)構(gòu)，以最小化傳送傳感數(shù)據(jù)到基站的總能量消耗[7]，即相鄰節(jié)點按照某種特定簇標準動態(tài)地自動形成不同的簇#65377;在每個簇中根據(jù)能量等資源情況選出一個節(jié)點作為簇頭(cluster header)，它在比較高的層次上代表本簇;同樣的機制也應用到簇頭中，使之形成一個層次結(jié)構(gòu)，如圖1所示#65377;

基于這種分層路由結(jié)構(gòu)，以數(shù)據(jù)為中心，粗糙集技術(shù)以決策表信息系統(tǒng)形式，從客觀和全局角度，在三個層次上提出一種智能信息處理方法，利用局部化原理，傳感器節(jié)點只與有限范圍內(nèi)的鄰居節(jié)點交互;以簇為單位對區(qū)域內(nèi)的數(shù)據(jù)在本地進行一定程度的局部融合，簡化知識表示，簇頭也可中繼其他簇頭節(jié)點轉(zhuǎn)發(fā)的數(shù)據(jù);此外，全部簇頭所構(gòu)成集合的一個子集又負責與sink節(jié)點通信#65380;發(fā)送匯聚數(shù)據(jù)，被用于執(zhí)行全局數(shù)據(jù)融合，以實現(xiàn)智能信息處理#65380;能量消耗和系統(tǒng)性能之間平衡的全局目標#65377;

2.2.1節(jié)點局部數(shù)據(jù)約簡

通過每個節(jié)點數(shù)據(jù)局部計算約簡處理，減少節(jié)點數(shù)據(jù)傳送量，并且傳感器節(jié)點只廣播其他節(jié)點所沒有的數(shù)據(jù)給簇頭;同時，由于基于相鄰區(qū)域的傳感器節(jié)點所感知的數(shù)據(jù)具有相關(guān)性，根據(jù)粗糙集不可分辨關(guān)系，可以確定屬于同一等價類的重復傳感器節(jié)點，讓冗余節(jié)點處于睡眠狀態(tài)，從而只需要少量一部分節(jié)點處于激活狀態(tài)即可保證整個網(wǎng)絡(luò)的覆蓋和連通，提高節(jié)點能源效率#65377;此外，由于傳感器網(wǎng)絡(luò)節(jié)點所需傳輸?shù)臄?shù)據(jù)量并不大，很多時候節(jié)點處于不發(fā)送或接收數(shù)據(jù)的空閑狀態(tài)#65377;此時如果天線保持開狀態(tài)將會持續(xù)偵聽，造成不必要的能量消耗和浪費#65377;如果關(guān)閉空閑節(jié)點，在需要收發(fā)數(shù)據(jù)時才被喚醒，可以解決數(shù)據(jù)的過度監(jiān)聽問題，從而達到節(jié)約能量的目的#65377;

2.2.2簇內(nèi)數(shù)據(jù)智能融合

數(shù)據(jù)融合已成為無線傳感器網(wǎng)絡(luò)的基本原則#65377;不同于傳統(tǒng)中準確性和高精度是關(guān)鍵，設(shè)備的計算和存儲能力也幾乎不受限制#65377;WSN中數(shù)據(jù)融合主要挑戰(zhàn)在于傳感器節(jié)點數(shù)量之巨和每個節(jié)點受限資源[5]#65377;因此，關(guān)鍵是如何保證傳感器節(jié)點僅自動獲取和傳遞有用信息[8]#65377;

無線傳感器網(wǎng)絡(luò)數(shù)據(jù)冗余的存在，一方面是對存儲#65380;計算資源的浪費，尤其是導致大量傳輸能量消耗和浪費;另一方面，這不利于人們作出正確而簡潔的決策#65377;針對各個簇頭節(jié)點匯聚的傳感器節(jié)點數(shù)據(jù)中存在的冗余問題，利用粗糙集不可分辨關(guān)系評估每個條件屬性重要度，找出其中的冗余屬性，能夠得到約簡的條件屬性集#65377;對于協(xié)調(diào)決策表信息系統(tǒng)，決策約簡集總是存在的，但不一定是惟一的#65377;屬于所有決策約簡集交集的元素為決策必不可少的核心屬性;屬于所有決策約簡集并集與交集差的元素為可被其他屬性代替的相對必要屬性;屬于條件屬性集與所有約簡集的并的差集的元素為決策不必要屬性[9]#65377;

從信息系統(tǒng)僅僅可以得到分類而從決策表信息系統(tǒng)中可以獲得決策知識#65377;對于屬性約簡后的決策系統(tǒng)，可以用其中的每個對象形成一條簡化的決策規(guī)則#65377;此時的決策系統(tǒng)也就是決策規(guī)則集，但這些規(guī)則范化能力不強，還可能包含冗余信息#65377;因此還需要進一步約簡，這是粗糙集中的值約簡問題#65377;

將粗糙集技術(shù)用來對簇內(nèi)數(shù)據(jù)進行智能融合，從而保證將僅有少量有用信息在簇頭與sink節(jié)點之間傳遞，在一定層次上解決了無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合的瓶頸問題#65377;

2.2.3全局智能信息集成及多跳路由優(yōu)化

多跳路由對無線傳感器網(wǎng)絡(luò)電源能量消耗#65380;系統(tǒng)性能等有著全局性影響，其優(yōu)化研究關(guān)鍵之一在于建立一個合理的層次型網(wǎng)絡(luò)結(jié)構(gòu)，包括如何最優(yōu)分層#65380;每簇的大小#65380;簇內(nèi)簇間通信機制等;另一方面，由于傳感器節(jié)點按照數(shù)據(jù)屬性尋址，傳輸路徑上中間節(jié)點在轉(zhuǎn)發(fā)數(shù)據(jù)之前通常進行數(shù)據(jù)聚合，降低了帶寬消耗和發(fā)射功耗#65377;一個重要研究方向是如何使網(wǎng)絡(luò)路由技術(shù)和信息處理有機地融為一體#65377;

對于基站而言，來自空間上分離的傳感器節(jié)點數(shù)據(jù)比相近節(jié)點高度空間相關(guān)數(shù)據(jù)更為有用#65377;一種實用的傳感器網(wǎng)絡(luò)路由及其能量管理方案是，在保證網(wǎng)絡(luò)存取效率和基站事件特征數(shù)據(jù)有效性條件下，在各個簇內(nèi)數(shù)據(jù)融合與最小屬性約簡基礎(chǔ)上，從事件區(qū)域中確定最小代表性簇頭節(jié)點集合，并且每個這樣的節(jié)點要求盡可能傳送給基站最小的數(shù)據(jù)量;由于基站接收數(shù)據(jù)越多，它對遠程環(huán)境的了解和認識就越精確，同時又必須使得基站接收的數(shù)據(jù)總量要最大化，從而要求整個網(wǎng)絡(luò)具有最大的范圍覆蓋能力和強壯的連通性，這主要取決于所選擇簇頭節(jié)點的代表性和穩(wěn)健性#65377;由于多到一(many to one)的網(wǎng)絡(luò)路由協(xié)議通信特征，簇頭需要完成數(shù)據(jù)融合#65380;與匯聚點通信等工作，其能量消耗比簇中的從節(jié)點高幾個數(shù)量級#65377;于是，將簇頭的角色由簇內(nèi)的各節(jié)點依能量分布輪流充當，又能大大提高節(jié)點負載和能量消耗均衡性，延長各代表性簇頭節(jié)點直至整個網(wǎng)絡(luò)的生存期#65377;

經(jīng)過多跳路由優(yōu)化，當最小代表性簇頭節(jié)點融合數(shù)據(jù)匯聚到基站后，粗糙集理論特別適合于在全局層次上對這些數(shù)據(jù)進行智能信息處理，尤其是進一步作決策規(guī)則屬性值的約簡，從而獲得全局性決策知識，形成物理環(huán)境特征信息#65377;然而在實際應用中，分布式系統(tǒng)環(huán)境中常常會出現(xiàn)來自不同傳感器簇頭節(jié)點的信息集成問題#65377;在這種情況下，如下所述，知識可能不只是對或錯，還可能是不完整或不一致的#65377;對這類噪聲數(shù)據(jù)進行必要的處理，無疑是將無線傳感器網(wǎng)絡(luò)層次型智能信息處理進一步推向?qū)嵱玫囊粋€關(guān)鍵所在#65377;

一方面，由于無線傳感器網(wǎng)絡(luò)數(shù)據(jù)感知誤差或獲取限制等原因，使得現(xiàn)實需要處理的數(shù)據(jù)在一定程度上存在部分對象一些屬性值未知的情況#65377;Rough集理論適合于從未知屬性值可能取值中確定最合適的缺失值，采取把不完備信息系統(tǒng)轉(zhuǎn)換為完備信息系統(tǒng)的數(shù)據(jù)補齊等處理方法，消除無線傳感器網(wǎng)絡(luò)數(shù)據(jù)的不確定性，改進信息系統(tǒng)知識的完整性#65377;

另一方面，無線傳感器網(wǎng)絡(luò)場地自治特征使得節(jié)點各自以獨立方式處理事件，以至于不同節(jié)點對相同事件可能產(chǎn)生不同描述，導致同時向同一節(jié)點發(fā)送不同數(shù)據(jù)幀，信號相互干擾，呈現(xiàn)一種沖突對立狀態(tài)#65377;粗糙集理論是不確定問題沖突建模的理想方法，能較好地描述沖突#65380;中立#65380;聯(lián)盟等近似關(guān)系，使用知識一致度和邊界區(qū)域概念處理不一致問題#65377;具體地講，如果傳感器節(jié)點知識狀態(tài)差別較小(一致度水平較高)，則一致采用其協(xié)調(diào)知識;如果差別較大(一致度水平較低)，則有必要再收集其他知識狀態(tài)以作出更有效的處理#65377;通過這樣的協(xié)調(diào)控制，使傳感器節(jié)點對事件的感知有效地自組織起來，減少了沖突重發(fā)造成的能量浪費，提高了基站對事件特征認識的準確性#65377;

3示例與分析

森林火災產(chǎn)生#65380;蔓延的預測預報是森林火災預防和撲救的重要技術(shù)，其重點又在于靈活和可靠的森林火災風險評估方法[10]#65377;森林火災與氣候條件密切相關(guān)，天氣要素(如風速)具有大范圍空間和時間可變性，使得及時對其跟蹤存在固有困難#65377;數(shù)據(jù)自動獲取對火災風險評估十分必要[11]#65377;數(shù)量巨大的微機電系統(tǒng)MEMS傳感器節(jié)點較適合于被隨機#65380;密集地部署在人不能或不宜到達的森林中，通過低功耗無線電通信技術(shù)組建成網(wǎng)絡(luò)，彼此協(xié)作執(zhí)行分布式監(jiān)測傳感#65377;

森林火災監(jiān)測要求無線傳感器網(wǎng)絡(luò)生命期達到數(shù)月，甚至數(shù)年之久#65377;為了最大化系統(tǒng)壽命，并對森林火災危害事件在特定時間段和環(huán)境中火災風險值#65380;發(fā)展趨勢等作出判斷及預測，一種有效途徑是結(jié)合傳感器現(xiàn)場檢測實時氣候數(shù)據(jù)，合理地運用上述層次型智能信息處理方法，提供給用戶有效的最小數(shù)據(jù)集[11]，實現(xiàn)基于知識規(guī)則集的智能預警決策#65377;

首先，在節(jié)點局部數(shù)據(jù)約簡層次，由于屬于同一等價節(jié)點類的傳感器節(jié)點所感知的觀測數(shù)據(jù)值相同，通過讓冗余節(jié)點進入睡眠狀態(tài)，可以抑制重復數(shù)據(jù)傳送;隨著網(wǎng)絡(luò)中有盡可能多的約簡冗余節(jié)點，尤其當傳感器源節(jié)點相互靠近并遠離基站時，還可以節(jié)省更多的能量，延長簇壽命#65377;

最后，在全局智能信息集成層次，其所有條件屬性值相同，而決策屬性值不同#65377;在表1中，簇clust1的n₁決策規(guī)則和簇clust2的n₆決策規(guī)則相互沖突(不一致)，簇clust1的n₃決策規(guī)則和簇clust2的n₅決策規(guī)則也相互沖突(不一致);不同簇間決策規(guī)則相互不協(xié)調(diào)，可能是信息本身或處理過程中造成的不確定#65380;不準確#65377;這需要結(jié)合實際情況，根據(jù)知識一致性程度，進一步分析處理#65377;另一方面，對表1已簡化條件屬性的決策表信息系統(tǒng)，再進一步簡化決策規(guī)則，即對于不協(xié)調(diào)的n₁#65380;n₆#65380;n₃和n₅等決策規(guī)則，假定它們是不能簡化的，這些屬性值完全保留，而僅考察每一協(xié)調(diào)決策規(guī)則刪除條件屬性值對整個決策表信息系統(tǒng)決策規(guī)則協(xié)調(diào)情況的影響#65377;如果沒有發(fā)生改變，則去掉該屬性值#65377;由此，n₄決策規(guī)則的“降雨量”屬性值“低”和n₇決策規(guī)則的“降雨量”屬性值“很低”分別可以消去，相應單元格用深灰色標注(表1)#65377;

上述示例和分析表明，粗糙集方法在無線傳感器網(wǎng)絡(luò)實時森林火災監(jiān)測任務(wù)的智能信息處理中得到了較好的實際應用#65377;表1中簡化決策規(guī)則也從全局信息角度，預示所監(jiān)測森林發(fā)生火災可能性很大#65377;

4結(jié)束語

在無線傳感器網(wǎng)絡(luò)信息處理方法的設(shè)計中，從更切合節(jié)點自組織#65380;自適應實際的分層機制#65380;通信機制和動態(tài)知識約簡，到處理不完備信息下的沖突問題，以及面向具體應用的智能數(shù)據(jù)融合，在這些還有待進一步探討的方面，粗糙集理論能充當理想的智能信息處理方法，形成更有意義的有效全局決策信息#65377;

參考文獻:

[1]AKYILDIZ I F，SU W，SANKARASUBRAMANIAM Y，et al.Wireless sensor networks:a survey[J].Computer Networks，2002，38(4):393-422.

[2]MAHFUZ M U，AHMED K M.A review of micronanoscale wireless sensor networks for environmental protection:prospects and challenges[J].Science and Technology of Advanced Materials，2005，6(7):302-306.

[3]PSELAK Z. Data mining:a rough set perspective[C]//Proc ofPAKDD’99.Beijing: Springer， 1999:312.

[4]VURAN M C，AKAN O B，AKYILDIZ I F.Spatiotemporal correlation:theory and applications for wireless sensor networks[J].Computer Networks，2004，45(3):245-259.

[5]DAI Xiaohua，WANG Zhi，F(xiàn)ENG Xia，et al.A survey of intelligent information processing in wireless sensor network[C]//Proc of MSN2005.Wuhan: Springer， 2005:123132.

[6]KRISHNAMACHARI B，ESTRIN D，WICKER S.The impact of data aggregation in wireless sensor networks[C]//Proc of the 22nd Int Conf on Distributed Computing Systems Workshops (ICDCSW’02).Vienna:IEEE， 2002:575-578.

[7]BANDYOPADHYAY S，COYLE E J.An energy efficient hierarchical clustering algorithm for wireless sensor networks[C]//Proc of INFOCOM 2003.San Francisco: IEEE， 2003:17131723.

[8]COLLIER T C，TAYLOR C.Selforganization in sensor networks[J].Parallel and Distributed Computing，2004，64(7): 866-873.

[9]SLOWINSKI R，GRECO S，MATARAZZO B.Rough set analysis of preferenceordered data[C]//Proc of RSCTC 2002.Malvern: Springer，2002:44-59.

[10]ILIADIS L S.A decision support system applying an integrated fuzzy model for longterm forest fire risk estimation[J].Environmental Modelling Software，2005，20(5):613-621.

[11]WYBO J L，GUARNIERI F，RICHARD B.Forest fire danger assessment methods and decision support[J].Safety Science，1995，20(1):61-70.

“本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文”