基于非参数估计与随机模拟的不确定数据流相似性度量方法An.PDF

山东农业大学学报 自然科学版( ),2017,48(4):521-524 VOL.48NO.42017 Journal of ShandongAgriculturalUniversity (Natural ScienceEdition ) doi:10.3969/j.issn.1000-2324.2017.04.008 基于非参数估计与随机模拟的不确定数据流相似性度量方法 迟荣华黄少滨李熔盛, , 哈尔滨工程大学 计算机科学与技术学院, 黑龙江 哈尔滨 150001 摘 要: 针对不确定数据流对象难于度量相似性的问题，本文提出一种非参数估计与随机模拟相结合的方法。本方法 利用非参数估计对不确定数据流对象建模，然后利用随机模拟计算对象间的误差相似性，通过相对距离与绝对距离 判断相似度。仿真实验验证了本方法不仅可以准确地度量不确定对象间的相似性，而且在对象规模较大的情况下， 依然可以获得较快速和稳定的计算结果。 关键词: 不确定数据流; 非参数估计; 随机模拟; 相似性 中图法分类号:TP274+.2 文献标识码:A 文章编号:1000-2324(2017)04-0521-04 An Uncertain Data Stream Similarity Measurement Method BasedonNonparametricEstimation and Stochastic Simulation CHIRong-hua,HUANG Shao-bin,LIRong-sheng Collegeof ComputerScienceand Technology/HarbinEngineering University,Harbin 150001, China Abstract. To solve the problem that the current uncertain data stream is difficult to measure the similarity, this paper proposes a method combining non-parametric estimation with stochastic simulation. The method used the non-parametric estimation to model the uncertain data stream objects, and then used stochastic simulation to calculate the error similarity between objects,judged the similarity by relative distance and absolute distance. Simulation experiment verified thismethod can not only measure the similarity between theuncertain objects accurately,but also can obtain fast and stable resultswhen theobject scaleislarge. Keywords:Uncertain data stream;non-parametricestimation;stochastic simulation;similarity 随着信息收集、存储等技术与手段的不断发展，信息的规模以及属性都变的极为庞大，这不仅 使信息科学的研究工作变得更加困难、复杂，也同时带来了更多方面的挑战和乐趣。例如，传感器 [1-5] 网络、物联网、RFID 网络、对象识别以及移动对象搜索等 。 为了对不确定性数据进行有效管理与分析，相关研究大多先对不确定性数据构建模型以保留数 [6] 据原始的自身特性。常见的数据模型如可能世界模型 ，用于对数据存在的不确定性建模；以及概 [7] 率密度函数，用于