CN108304465A - 一种基于传感节点标识符平台的信息管理和分析方法 - Google Patents

Abstract

本发明公开了一种基于传感节点标识符平台的信息管理和分析方法，包括以下几个步骤：1)对传感器信息数据进行提取；2)对提取的传感器信息数据进行数据库构建；3)运用模糊匹配算法将传感器信息数据与传感器节点标识符进行匹配；4)运用数据关联分析算法对传感器信息进行关联度分析。该发明对传感器信息进行了很有效的管理和分析，能够达到工业传感网的数据信息构建要求。

Description

一种基于传感节点标识符平台的信息管理和分析方法

技术领域

本发明提出了一种基于传感节点标识符平台的信息管理和分析方法，属于工业传感网技术领域。

背景技术

传感器如今已经被广泛应用于多种领域，如环境、工业、智能家居等。随着物联网的发展，作为物联网技术的重要支撑部分，传感器网络得到了迅速的发展。但是目前传感器网络的大规模实际推广应用还没有形成，存在的各种异构传感网，需要通过广域互联，以便对不同系统的感知信息进行确认、共享和管理。因而对传感网传感节点标识的研究和传感器管理方法的研究日益成为研究的热点之一。

《信息技术传感器网络第501部分：标识：传感节点标识符编制规则》国家标准于2015 年4月1日正式发布，同时《WGSN-PG5-T-XXX传感器网络传感节点标识符解析规范》正在研究。在立项的十项标准项目中，涉及标识领域的有三项，分别为《信息技术传感器网络第 503部分：标识：传感节点标识符注册规程》(计划号：20153390-T-469)、《信息技术传感器网络第504部分：标识：传感节点标识符管理规范》(计划号：20153386-T-469)和《信息技术传感器网络第806部分：测试：传感节点标识符解析一致性测试技术规范》(计划号：20153382-T-469)。现阶段，搭建传感节点标识符解析平台和标识符公共管理服务平台，能够作为传感网标准验证示范基地。然而现阶段还没有一套完整的传感器信息管理和分析方法，导致传感节点标识符平台上的传感器信息数据应用效率很低，且不能对传感器信息数据实现有效的管理，不利于传感器网络的进一步发展。

因此，在传感节点标识符平台提出一种有效的传感器信息管理和分析方法，对于传感器网络在实际中的大规模推广应用具有重要的意义。

发明内容

针对现有技术中存在的问题与不足，本发明提出了一种基于传感节点标识符平台的信息管理和分析方法，运用模糊匹配算法和数据关联算法对传感器信息数据进行管理和分析，将有效提高传感器信息数据的利用率。

按照本发明提供的方案，一种基于传感节点标识符平台的传感器信息数据管理和分析方法，包括以下步骤：

U1、提取传感器信息数据；

U2、构建传感器信息数据库；

U3、运用模糊匹配算法对传感器信息数据进行匹配；

U4、运用数据关联算法对传感器信息数据进行关联度分析；

2.根据权利要求1所述的模糊匹配算法，其步骤如下：

S1、首先将匹配字符串s的第一个字符s1与标识信息t中的第一个字符t1进行比较；

S2、若相等，则继续逐个比较后继字符；否则，就将s中的第二个字符s2与t1进行比较；

S3、依次类推，直到t中每一个字符依次和s中的一个连续字符序列相等(匹配成功)，返回该字符序列中第一个字符在主串中的位置；

S4、或者在s中找不到和t相等的字符序列(匹配失败)，返回0；

3.根据权利要求1所述的数据关联算法，其步骤如下：

S1、扫描数据库，对每一项进行计数，构建一阶候选项目集；

S2、大于最小支持度，运用Apriori-Gen运算构建二阶频繁项目集；

S3、大于最小支持度，运用Apriori-Gen运算构建三阶频繁项目集；小于最小支持度，算法结束；

S4、依次类推，直到最后的项目集小于最小支持度，算法结束。

本发明与现有技术对比的有益效果是：

本发明综合了模糊匹配和数据关联算法，对传感器数据进行了有效的管理，利用数据关联算法可以得出传感器数据与传感设备、制造厂商等的关联度，从而可以实现产品质量数据的溯源和有效预测。

附图说明

图1为本发明具体实施流程图。

图2为模糊匹配算法流程图。

图3为数据关联算法流程图。

图4为一种基于传感节点标识符平台的信息管理和分析方法流程图。

图5为传感器与生产厂商关联性实例步骤图。

具体实施方式

下面结合具体实施方式并对照附图对本发明做进一步详细说明。

如图1所示，为本发明具体实施流程图，包括以下步骤：

1.一种基于传感节点标识符平台的信息管理和分析方法，其特征在于，包括如下几个步骤：

U1、提取传感器信息数据；

U2、构建传感器信息数据库；

U3、运用模糊匹配算法对传感器信息数据进行匹配；

U4、运用数据关联算法对传感器信息数据进行关联度分析；

2.模糊匹配算法如图2所示，其步骤如下：

S1、首先将匹配字符串s的第一个字符s1与标识信息t中的第一个字符t1进行比较；

S2、若相等，则继续逐个比较后继字符；否则，就将s中的第二个字符s2与t1进行比较；

S3、依次类推，直到t中每一个字符依次和s中的一个连续字符序列相等(匹配成功)，返回该字符序列中第一个字符在主串中的位置；

S4、或者在s中找不到和t相等的字符序列(匹配失败)，返回0；

3.数据关联算法如图3所示，其步骤如下：

S1、扫描数据库，对每一项进行计数，构建一阶候选项目集；

S2、大于最小支持度，运用Apriori-Gen运算构建二阶频繁项目集；

S3、大于最小支持度，运用Apriori-Gen运算构建三阶频繁项目集；小于最小支持度，算法结束；

S4、依次类推，直到最后的项目集小于最小支持度，算法结束。

例：设定最小支持度为50％，A、B、C为传感器类型，用传感节点标识符产品代码(16进制)表示，D、E为传感节点生产厂商，用传感节点标识符生产厂商代码(16进制)表示。实施步骤如图5所示。

最后得出频繁项集{B,C,E}，其含义是传感器B和C与生产厂商E的关联性较强，即实际应用部署中由生产厂商E生产的传感节点B

4.一种基于传感节点标识符平台的信息管理和分析方法如图4所示，其步骤如下：

S1、对传感器信息数据进行提取；

S2、对提取的传感器信息数据进行数据库构建；

S3、运用模糊匹配算法将传感器信息数据与传感节点标识符进行匹配；

S4、运用数据关联分析算法对传感器信息进行关联度分析。

Claims (3)

1.一种基于传感节点标识符平台的信息管理和分析方法，其特征在于，包括如下几个步骤：

U1、提取传感器信息数据；

U2、构建传感器信息数据库；

U3、运用模糊匹配算法对传感器信息数据进行匹配；

U4、运用数据关联算法对传感器信息数据进行关联度分析。

2.根据权利要求1所述的模糊匹配算法，其步骤如下：

S1、首先将匹配字符串s的第一个字符s1与标识信息t中的第一个字符t1进行比较；

S2、若相等，则继续逐个比较后继字符；否则，就将s中的第二个字符s2与t1进行比较；

S3、依次类推，直到t中每一个字符依次和s中的一个连续字符序列相等(匹配成功)，返回该字符序列中第一个字符在主串中的位置；

S4、或者在s中找不到和t相等的字符序列(匹配失败)，返回0。

3.根据权利要求1所述的数据关联算法，其步骤如下：

S1、扫描数据库，对每一项进行计数，构建一阶候选项目集；

S2、大于最小支持度，运用Apriori-Gen运算构建二阶频繁项目集；

S3、大于最小支持度，运用Apriori-Gen运算构建三阶频繁项目集；小于最小支持度，算法结束；

S4、依次类推，直到最后的项目集小于最小支持度，算法结束。