| 1 |
1
집계 연산 처리 장치에서, 일정 기간 누적된 각 센서 노드의 센싱 데이터를 이용하여 집계 연산 결과 값을 계산하고, 각 센서 노드별로 상기 집계 연산 결과 값에 대한 정규화된 평균 거리비를 계산하는 단계;
상기 집계 연산 처리 장치에서, 일정 기간 누적된 각 센서 노드의 센싱 데이터의 정규화된 분포비를 계산하는 단계; 및
상기 집계 연산 처리 장치에서, 상기 각 센서 노드의 정규화된 평균 거리비 및 상기 정규화된 분포비를 이용하여 소정 개수의 센서 노드를 표본 집단으로 추출하는 단계;
를 포함하는 집계 연산 처리 방법
|
| 2 |
2
제1항에 있어서,
상기 집계 연산은 상기 센싱 데이터의 평균값, 최대값, 최소값, 중앙값 중 어느 하나에 관한 연산인, 집계 연산 처리 방법
|
| 3 |
3
제1항에 있어서,
상기 각 센서 노드의 상기 집계 연산 결과 값에 대한 정규화된 평균 거리비는, 다음의 수학식
(이때, E(nk)는 k 번째 센서 노드(1 ≤ k ≤ m)의 정규화된 평균 거리비, e(xkj)는 xkj의 상기 집계 연산 결과 값에 대한 정규화된 거리비, xkj는 k 번째 센서 노드의 j 번째 센싱 데이터, n은 센싱 데이터의 개수)
에 의하여 계산되는, 집계 연산 처리 방법
|
| 4 |
4
제3항에 있어서,
상기 집계 연산에 대한 정규화된 거리비는 다음의 수학식,
(이때, 는 각 노드들의 j 번째 센싱 데이터의 평균, 는 각 노드들의 j 번째 센싱 데이터와 각 노드들의 j 번째 센싱 데이터의 집계 연산 결과 값과의 차이 중 가장 큰 값)
에 의하여 계산되는, 집계 연산 처리 방법
|
| 5 |
5
제4항에 있어서,
값이 0인 경우, 상기 e(xkj) 값은 0으로 설정되는, 집계 연산 처리 방법
|
| 6 |
6
제1항에 있어서,
상기 각 센서 노드의 정규화된 분포비는, 다음의 수학식
(이때, D(nk)는 k 번째 센서 노드의 정규화된 분포비, max(xi의 표준편차)는 센서 노드들 각각의 표준편차 중 가장 큰 값)
에 의하여 계산되는, 집계 연산 처리 방법
|
| 7 |
7
제1항에 있어서,
상기 각 센서 노드의 정규화된 분포비는, 다음의 수학식
(이때 D(nk)는 k 번째 센서 노드의 정규화된 분포비, max(xi의 분산)은 센서 노드들 각각의 분산 중 가장 큰 값)
에 의하여 계산되는, 집계 연산 처리 방법
|
| 8 |
8
제1항에 있어서,
상기 표본 집단 추출 단계는, 각 센서 노드들의 우선순위를 계산하고, 우선순위가 높은 순서로 소정 개수의 센서 노드를 표본 집단으로 추출하도록 구성되는, 집계 연산 처리 방법
|
| 9 |
9
제8항에 있어서,
상기 우선순위는, 다음의 수학식
(이때, R(nk)는 k 번째 센서 노드의 우선순위, E(nk)는 k 번째 센서 노드의 정규화된 평균 거리비, D(nk)는 k 번째 센서 노드의 정규화된 분포비, ω는 가중치로서 0≤ω≤1)
에 의하여 계산되는, 집계 연산 처리 방법
|
| 10 |
10
제1항 내지 제9항 중 어느 한 항이 기재된 방법을 컴퓨터상에서 수행하기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체
|
| 11 |
11
각 센서 노드의 센싱 데이터가 저장되는 데이터베이스;
상기 데이터베이스에 저장된 상기 각 센서 노드의 센싱 데이터를 이용하여 상기 각 센서 노드의 집계 연산 결과 값에 대한 정규화된 평균 거리비를 계산하는 평균 거리비 계산부;
상기 데이터베이스에 저장된 상기 각 센서 노드의 센싱 데이터의 정규화된 분포비를 계산하는 분포비 계산부;
상기 각 센서 노드의 정규화된 평균 거리비 및 상기 정규화된 분포비를 이용하여 소정 개수의 센서 노드를 표본 집단으로 추출하는 표본 집단 추출부; 및
상기 표본 집단 추출부에서 추출된 표본 집단으로부터 센싱 데이터를 전송받아 상기 집계 연산에 대한 결과값을 계산하는 집계 연산부;
를 포함하는 집계 연산 처리 장치
|
| 12 |
12
제11항에 있어서,
상기 집계 연산은 상기 센싱 데이터의 평균값, 최대값, 최소값, 중앙값 중 어느 하나에 관한 연산인, 집계 연산 처리 장치
|
| 13 |
13
제11항에 있어서,
상기 각 센서 노드의 집계 연산에 대한 정규화된 평균 거리비는, 다음의 수학식
(이때, E(nk)는 k 번째 센서 노드(1 ≤ k ≤ m)의 정규화된 평균 거리비, e(xkj)는 xkj의 상기 집계 연산 결과 값에 대한 정규화된 거리비, xkj는 k 번째 센서 노드의 j 번째 센싱 데이터, n은 센싱 데이터의 개수)
에 의하여 계산되는, 집계 연산 처리 장치
|
| 14 |
14
제13항에 있어서,
상기 집계 연산에 대한 정규화된 거리비는 다음의 수학식,
(이때, 는 각 노드들의 j 번째 센싱 데이터의 평균, 는 각 노드들의 j 번째 센싱 데이터와 각 노드들의 j 번째 센싱 데이터의 집계 연산 결과값과의 차이 중 가장 큰 값)
에 의하여 계산되는, 집계 연산 처리 장치
|
| 15 |
15
제14항에 있어서,
값이 0인 경우, 상기 e(xkj) 값은 0으로 설정되는, 집계 연산 처리 장치
|
| 16 |
16
제11항에 있어서,
상기 각 센서 노드의 정규화된 분포비는, 다음의 수학식
(이때, D(nk)는 k 번째 센서 노드의 정규화된 분포비, max(xi의 표준편차)는 센서 노드들 각각의 표준편차 중 가장 큰 값)
에 의하여 계산되는, 집계 연산 처리 장치
|
| 17 |
17
제11항에 있어서,
상기 각 센서 노드의 정규화된 분포비는, 다음의 수학식
(이때 D(nk)는 k 번째 센서 노드의 정규화된 분포비, max(xi의 분산)은 센서 노드들 각각의 분산 중 가장 큰 값)
에 의하여 계산되는, 집계 연산 처리 장치
|
| 18 |
18
제11항에 있어서,
상기 표본 집단 추출부는, 각 센서 노드들의 우선순위를 계산하고, 우선순위가 높은 순서로 소정 개수의 센서 노드를 표본 집단으로 추출하는, 집계 연산 처리 장치
|
| 19 |
19
제18항에 있어서,
상기 우선순위는, 다음의 수학식
(이때, R(nk)는 k 번째 센서 노드의 우선순위, E(nk)는 k 번째 센서 노드의 정규화된 평균 거리비, D(nk)는 k 번째 센서 노드의 정규화된 분포비, ω는 가중치로서 0≤ω≤1)
에 의하여 계산되는, 집계 연산 처리 장치
|
