一种完备数据流的不确定数据择优算法

针对射频识别(rfid)数据与上层应用需求之间存在的信息鸿沟及其需要实时处理的特征,提出了一种完备数据流的不确定数据择优算法。分析了常规粒子滤波方法存在的不足之处,采用基于熵的方法推导属性最优权重,并利用可能度矩阵选择最佳粒子,从不确定rfid数据流上有效捕获对象的当前状态。算法的优化结果使得采样集向后验概率密度分布取值较大的区域运动,从而提高了算法计算效率并且显著地减少了精确定位所需的粒子数。最后,通过实例表明了该方法能够有效度量rfid数据中蕴含的不确定性。