定義2.1 集合s =(x，a)表示乙個資料流,物件x是非空有限集合,a是該非空有限集合的屬性,任意屬性a∈a,a:x->va是乙個map集，其中va是a集合相應的值。
對於乙個給定的資料流s=(x,a),如果任意屬性a∈a,va不包含空值null,那麼s就是乙個完整的資料流。
定義2.2 rfid資料流是由多個完整的資料流s組成,在滑動視窗中，s部分等價於在關係資料模型中的目錄,元組x∈ s由多個屬性值組成。
讓表示乙個 rfid標籤i在視窗中的觀察概率,如果在視窗ni中，標籤的數量滿足不等式那麼它就能保證標籤i在視窗ni中能以乙個比[8]中更高的概率被閱讀 .
定義2.3 粒子過濾器根據測量值和控制值,使用乙個加權點集，近似後驗概率分布。根據rfid資料流的應用背景,我們使用下面多重雜訊（multiply noise）的非線性模型 [9]:
其中yt是測量值
vt和ut是白雜訊，均值為0，方差為q、r；
rfid不確定資料的完整資料流，可以細分為元組水平的不確定性和屬性級別不確定性。元組級不確定性描述的是元組的存在與否,屬性級別的不確定性不涉及整個元組的不確定性。既然返回查詢結果是以資料流的形式,有相同的資料但其查詢結果中有不同的概率值,導致重複計算。
因此,不確定元組的屬性必須考慮,以增加相應的屬性權重,得到每個元組的值集優化矩陣,然後根據集值優化矩陣，為元組得出最優選擇。
定義3.1 有兩個不確定變數和其中和分別為下限和上限, 代表兩個不確定變數的長度;我們可以得到
定義3.2 b1到b2的距離為：
定義3.3 不確定元組有相同的資料,但每δt秒從滑動視窗中得到不同的抽樣概率值,元組的屬性集為對於乙個元組x ∈x,根據屬性aj，測量得到不確定資料流的權值優化矩陣,為屬性權重向量,其中
同時,對於權值優化矩陣,我們選擇熵不確定性測量值。小熵意味著變數的更多的確定性,即當熵非常小時,我們可以把這個變數看成是確定的,把乙個有最高返回概率的值看做是不確定變數。有n個不同可能概率的不確定調整值wi的熵可以表示為:
t(bi)是b的bi概率質量函式，值為bi。根據熵的定義,可能值的數量對於變數b的熵是敏感的。例如,有10個相同概率值的變數的熵將大於有3個相同概率值的變數的熵。
為了減少這種影響, 使用n可能值的最大熵,來標準化有n個可能值的變數。
定理1：對於互補判斷矩陣p，一定存在對應的最佳元組。
證明: 通過調整偏差變數的大小,滿足互補判斷矩陣p的相關約束的權值將可以得到，將能夠得到相關的約束,互補判斷矩陣p可行的區域是非空的,所以必須有最佳元組對應互補判斷矩陣p。
為了滿足不確定性rfid資料流的**測量，在本文中，我們改進粒子過濾演算法，並提出了一種新的不確定rfid資料流優化演算法。該演算法被命名為最優估計粒子過濾器（oepf），描述如下：
步驟1 獲取測量值。使用來自文獻[5]的適應度函式來初始化粒子,設計適當的滑動視窗大小。輸入平均概率和置信概率標籤。輸出相應的視窗大小f。
步驟2 在δt時,樣本l粒子的重要性密度函式,表示,設定初始權值為每個樣本重要性密度函式選擇轉換先驗概率
步驟4 更新每個粒子的速度和位置,利用文獻
[7]中pso演算法,使粒子接近真正的狀態。設定閾值然後確定方差是否小於閾值如果方差不低於閾值,然後轉到步驟6中,否則繼續。
第五步通過比較粒子的個體極值,使用pso演算法來更新粒子速度和位置,擺脫次級位置,跳出區域性最優,和驅動粒子向全域性最優位置靠近。
第6步粒子的權值的標準化：
第7步重取樣:當，
,重取樣原始粒子得到在權值上相等粒子
步驟8 選擇m粒子其具有相同的資料,但是不同的概率值,根據n性質,得到不確定權值優化矩陣r。
第9步使用(6)中的規範化處理,計算出最優加權向量wj屬性,並得到每個粒子的綜合屬性值。
第10步使用(4)中的可能度對不確定變數進行對比配對,並構建互補判斷矩陣p。
第11步根據互補判斷矩陣p的性質,構造乙個簡單的公式:
在矩陣p中獲取向量序列，然後根據粒子的大小進行排序、擇優。
第12步粒子狀態估計：粒子方差估計：
第13步如果t時刻是最後時刻的物件，就結束演算法。否則，設定t = t +1，並返回步驟1，在接下來的遞迴估計物件在下乙個時間δt的狀態的後驗概率。
pso演算法的實質是利用自己的資訊，個別極端值和全域性極值資訊，以指導下一迭代中粒子的位置。優化後，在權值更新前，粒子的設定趨勢更加朝著高概率區域，能夠解決顆粒貧乏問題。同時，粒子數是自適應以改善粒子退化（degradation phenomenon）現象。
步驟8至11在滑動視窗進行取樣，選擇最佳的元組利用互補判斷矩陣，以進一步減少顆粒的數量，從而提高了該演算法的效率，以滿足實時rfid資料流的要求。
本文提出的oeps可以應用於定位和跟蹤移動的人或物件，在抗電磁干擾的辦公環境下。我們隨機設定20個rfid標籤分布在8* 8平方公尺的實驗室,將可以表示位置資訊的rfid資料樣本作為粒子。學生被要求拿著標籤，並且在20個閱讀器可識別的範圍內，做隨機不規則的運動,三個不同的實驗環境。
取樣間隔為0.4秒,閱讀器的閱讀速度是0.5 - 1,計算機系統是:
cpu:英特爾酷睿2 tm(2.9 ghz)/ 4 gb記憶體。
每個rfid樣例是乙個粒子,其屬性包括敏感資訊,如高度、速度和位置。
其模型來自步驟1、2。(2)被用來測試我們的演算法。滑動視窗使用60時間步δt = 1，2，3 … 60。為了驗證演算法的有效性,我們比較了文獻[7]的演算法psopf。
白雜訊的方差q和r,在步驟1、2的定義中被給出。
兩種演算法之間的過濾效能進行比較。如表1、表2所示，在相同的雜訊環境下, 與psopf演算法進行比較，我們的演算法具有最大數量的有效樣本,更高效率增加粒子的多樣性和抑制退化。psopf演算法的估計精度小於我們的演算法，甚至其粒子的數量增加到800。
而psopf演算法估計的時間成本更高,表明在相同精度要求下,提議的演算法提高了該演算法的效率。與此同時,在增加雜訊的情況下,我們的演算法有最好的抗雜訊效能,抑制粒子退化。甚至在增加噪音的情況下, 可以維護演算法估計的準確性和增加粒子多樣性。
近年來,作為乙個新興的過濾演算法,粒子過濾獲得了很多的關注。雖然它需要有最大權值的粒子表示系統是最有可能的狀態,它將增加粒子的數量。考慮到rfid資料流的特性,仍有一些缺點在實踐中需要解決。
在這篇文章中,我們採用熵方法關注最優權重,並利用可能度矩陣選擇最好的粒子。與現有演算法相比,我們的演算法可以更好的確認粒子資訊,與此同時,排除粒子具有低權值和提高演算法效率。實驗結果表明,我們的方法
會得到更精確的資料,具有良好的效率,非常適合rfid移動物體位置估計。
references
[1] derakhshan, r., orlowska, m. e.
, & xue, l. rfid data management: challenges and opportunities.
in proceeding of ieee international conference on rfid 2007(ieee rfid 2007), 26-28
march, texas, usa.
[2] sarma a d, theobald m, widom j. exploiting lineage for confidence computation in uncertain
and probabilistic databases [a]. proceedings of the 24th ieee international conference on data
engineering [c]. washington, dc: ieee computer society cancun, 2008. 1023-1032.
[3] benjelloun o, sarma a, halevy a, widom j. uldbs: databases with uncertainty and lineage [a].
proceeding of the 32th international conferance on very large data base (vldb06) [c]. seoul:
vldb endowment, 2006. 953-964.
[4] sarma a d, theobald m, widom j. exploiting lineage for confidence computation in uncertain
and probabilistic databases [a]. proceedings of the 24th ieee international conference on data
engineering [c] .washington, dc: ieee compu ter society cancun, 2008. 1023-1032.
[5] yongli wang, jiangbo qian. measuring the uncertainty of rfid data based on particle filter and
particle swarm optimization [j]. wireless netw(2012) 18: 307-318.
doi 10.1007/s11276-011-0401-
4.[6] christopher re, letchner j, balazinksa m, suciu d. event queries on correlated probabilistic
streams [a]. proceedings of the 2008 acm sigmod international conference on management of
data [c]. new york, ny: acm, 2008. 715-728.
測量不確定度誤差的區別
湖南銀河電氣 測量不確定度和誤差是計量學中研究的基本命題，也是計量測試人員經常運用的重要概念之一。它直接關係著測量結果的可靠程度和量值傳遞的準確一致。然而很多人由於概念不清，很容易將二者混淆或誤用，本文結合學習 測量不確定度評定與表示 的體會，著重談談二者之間的不同之處。首先要明確的是測量不確定度與...
測量儀器不確定度與不確定度評定的簡化
測量儀器不確定度與不確定度評定的簡化 講演大綱 國家質檢總局專家李慎安 發布日期 2005 11 30點選率 2008 當前在定量地給出測量儀器可靠性的引數中存在一些不規範，不確定度評定 現一些誤區而過於複雜，本文結合國際上近年來的規範性檔案，提出一些看法供討論。1.測量準確度 測量儀器準確度都只是...
鹽酸標準滴定溶液的測量不確定度分析
發表時間 2010 9 20 中國科教博覽 2010年第9期供稿作者 張霞 張霞 濟源市質量技術監督檢驗測試中心，河南，濟源，454650 摘要 本文分析了鹽酸標準溶液標定過程中的誤差 對最終標定結果進行了不確定度評估，證實了此標定方法的總擴充套件不確定度為0.00050mol l。關鍵詞 標準溶液...