[发明专利]一种多概率RFID事件流上复杂事件检测方法

摘要

本发明公开了一种面向多概率RFID事件流的复杂事件检测方法，该方法针对现在常用Naive方法在检测概率RFID事件流中复杂事件时出现检测时间长，内存开销大，检测效率低的问题，提出了一种使用NFA(Nondeterministic Finite Automaton)联合DAG(Directed Acyclic Graph)去实现概率RFID事件流的复杂事件检测方法，可以大大改善Naive方法存在上述问题。本发明改进了当前基于自动机的复杂事件检测方式，对现有的复杂事件检测技术做了扩展，使其能够比较高效地在概率事件流上完成复杂事件的检测，提高了事件在不确定事件流上的检测能力。

主权项

一种多概率RFID事件流上复杂事件检测方法，其特征在于，包括以下步骤：S1：按照复杂事件检测模式表达式建立相应的NFA,建立并初始化活动状态集合s(Active)；S2：循环扫描活动状态集合S(Active)中每一个状态，判断自动机NFA处在活动状态集合S(Active)中该状态时，接收了检测模式表达式中每一种事件类型（a，b，c)中每一个可能选项事件（a(i)，b(i)，c(i))后,自动机NFA的状态是否会发生转移，如果发生转移，记录转移后状态，接着执行步骤S3；如果没有发生转移，则跳到步骤S4执行；S3：判断自动机NFA发生状态转移前活动状态集合S(Active)中状态是否为初态,若是初态，则建立一个新的有向无环图DAG，给该DAG添加一个由初始状态转移接收事件的实例和接收该事件后转移到新状态组成的新节点和一条由上述新节点指向初态点的有向边，并在活动状态集合S(Active)上增加转移变换后新状态和删除活动状态集合S(Active)中变换前的状态；若不是初态，就给该DAG建立一个由初始状态转移接收事件的实例和接收该事件后转移到新状态组成的新节点，并在该新建节点和DAG上所有状态转移前的节点之间建立以该新建节点为起点有向边，加入转移变换后的状态到活动状态集合S(Active)中，并删除转移变换前的状态；S4：循环扫描活动状态集合S(Active)中的下一个状态；S5：循环扫描接收事件SEQ(a，b[]，c)中的下一个可能选项事件；S6：对于活动状态集合s(Active)中的每一个状态为终态节点,以该节点为起点，对其所在的DAG进行深度优先搜索,如果能够到达初态0，则该路径上的所有节点的事件就构成一个匹配结果序列，该匹配结果序列也即是检测出的复杂事件。