CN112994991B - 一种冗余节点判别方法、装置、设备及可读存储介质 - Google Patents
一种冗余节点判别方法、装置、设备及可读存储介质 Download PDFInfo
- Publication number
- CN112994991B CN112994991B CN202110551035.4A CN202110551035A CN112994991B CN 112994991 B CN112994991 B CN 112994991B CN 202110551035 A CN202110551035 A CN 202110551035A CN 112994991 B CN112994991 B CN 112994991B
- Authority
- CN
- China
- Prior art keywords
- node
- redundant
- nodes
- sequence
- redundant node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012850 discrimination method Methods 0.000 title claims abstract description 14
- 238000012544 monitoring process Methods 0.000 claims abstract description 102
- 238000012216 screening Methods 0.000 claims abstract description 30
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000000034 method Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010845 search algorithm Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000000694 effects Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001010 compromised effect Effects 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/04—Processing captured monitoring data, e.g. for logfile generation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/50—Testing arrangements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明公开了一种冗余节点判别方法，包括：采集网络监测区域内各节点与各事件之间的监测关系；根据监测关系确定各节点分别对应的节点重要程度；根据各节点重要程度从各节点中确定各初级冗余节点，得到初级冗余节点序列；分别计算各初级冗余节点间的节点相似度，并根据各节点相似度确定各初级冗余节点分别对应的冗余节点对数；根据各冗余节点对数对各初级冗余节点进行筛选操作，得到次级冗余节点序列；利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。本发明保证了网络连通性，提高了冗余节点识别准确性，提高了冗余节点识别成功率。本发明还公开了一种冗余节点判别装置、设备及存储介质，具有相应技术效果。
Description
技术领域
本发明涉及通讯技术领域，特别是涉及一种冗余节点判别方法、装置、设备及计算机可读存储介质。
背景技术
在无线传感器网络中，为满足监测区域覆盖率，随机部署中会产生一些密集覆盖区域，存在着大量冗余节点。冗余节点将产生大量重复数据，易造成网络拥塞，且由于节点能量有限，传递大量重复数据导致节点能耗迅速增加，网络寿命减少。
针对节点和数据冗余问题，现有的研究工作主要有两种措施，即冗余节点避免和冗余节点判别。冗余节点避免是基于具体部署环境制定随机部署策略，以减少网络中的冗余节点；冗余节点判别是判别已部署的传感器网络中冗余节点。然而，目前已有的冗余节点判别方法存在着时间复杂度较大，易出现错误的冗余节点判别，冗余节点识别不准确，冗余节点识别失败率高，网络节点连通性破坏等问题。
综上所述，如何有效地解决现有的冗余节点判别方法存在着时间复杂度较大，冗余节点识别不准确，冗余节点识别失败率高，网络节点连通性破坏等问题，是目前本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种冗余节点判别方法，该方法降低了时间复杂度，提高了冗余节点识别准确性，提高了冗余节点识别成功率，保证了网络连通性；本发明的另一目的是提供一种冗余节点判别装置、设备及计算机可读存储介质。
为解决上述技术问题，本发明提供如下技术方案：
一种冗余节点判别方法，包括：
采集网络监测区域内各节点与各事件之间的监测关系；
根据所述监测关系确定各所述节点分别对应的节点重要程度；
根据各所述节点重要程度从各所述节点中确定各初级冗余节点，得到初级冗余节点序列；
分别计算各所述初级冗余节点间的节点相似度，并根据各所述节点相似度确定各所述初级冗余节点分别对应的冗余节点对数；
根据各所述冗余节点对数对所述初级冗余节点序列中各所述初级冗余节点进行筛选操作，得到次级冗余节点序列；
利用网络连通性约束算法对所述次级冗余节点序列进行修正，得到终级冗余节点序列。
在本发明的一种具体实施方式中，根据所述监测关系确定各所述节点分别对应的节点重要程度，包括：
根据所述监测关系确定各所述事件分别对应的监测节点个数；
根据各所述监测节点个数确定各所述事件分别对应的事件重要程度；其中，所述监测节点个数与所述事件重要程度成反比；
统计各所述节点分别对应的可监测事件集合；
根据各所述可监测事件集合中各所述事件的事件重要程度，计算各所述节点分别对应的节点重要程度。
在本发明的一种具体实施方式中，根据各所述节点重要程度从各所述节点中确定各初级冗余节点，包括：
判断是否存在节点重要程度低于预设节点重要程度阈值的节点；
若是，则将节点重要程度低于预设节点重要程度阈值的各节点确定为各所述初级冗余节点。
在本发明的一种具体实施方式中，根据各所述节点相似度确定各所述初级冗余节点分别对应的冗余节点对数，包括：
判断是否存在节点相似度高于预设节点相似度阈值的节点对；
若是，则将节点相似度高于预设节点相似度阈值的节点对确定为冗余节点对；
对各所述冗余节点对进行统计，得到冗余节点对统计结果；
根据所述冗余节点对统计结果确定各所述初级冗余节点分别对应的冗余节点对数。
在本发明的一种具体实施方式中，根据各所述冗余节点对数对所述初级冗余节点序列中各所述初级冗余节点进行筛选操作，得到次级冗余节点序列，包括：
对各所述冗余节点对数进行大小排列；
将最大冗余节点对数对应的初级冗余节点筛选为次级冗余节点；
针对所述初级冗余节点序列中除筛选为所述次级冗余节点的节点之外的其他初级冗余节点，重复执行所述分别计算各所述初级冗余节点间的节点相似度的步骤，直至无冗余节点对数；
利用筛选得到的各所述次级冗余节点构建得到所述次级冗余节点序列。
在本发明的一种具体实施方式中，利用网络连通性约束算法对所述次级冗余节点序列进行修正，得到终级冗余节点序列，包括：
通过广度优先搜索算法，对所述网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点进行遍历操作，得到节点连通性遍历结果；
判断所述节点连通性遍历结果是否为各所述节点均连通；
若是，则将当前次级冗余节点序列确定为所述终级冗余节点序列；
若否，则对非连通节点进行记录；
从初始节点邻接矩阵中查找所述非连通节点的邻居节点，并将所述邻居节点标记为重要节点；
从当前次级冗余节点序列对所述重要节点进行释放，并重复执行所述通过广度优先搜索算法，对所述网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点进行遍历操作的步骤，直至所述网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点均连通；
将对各所述重要节点释放后得到的当前次级冗余节点序列确定为所述终级冗余节点序列。
一种冗余节点判别装置，包括：
监测关系采集模块，用于采集网络监测区域内各节点与各事件之间的监测关系；
节点重要程度确定模块，用于根据所述监测关系确定各所述节点分别对应的节点重要程度；
初级冗余序列确定模块，用于根据各所述节点重要程度从各所述节点中确定各初级冗余节点，得到初级冗余节点序列；
冗余节点对数确定模块，用于分别计算各所述初级冗余节点间的节点相似度，并根据各所述节点相似度确定各所述初级冗余节点分别对应的冗余节点对数；
次级冗余序列确定模块，用于根据各所述冗余节点对数对所述初级冗余节点序列中各所述初级冗余节点进行筛选操作，得到次级冗余节点序列；
终级冗余序列获得模块，用于利用网络连通性约束算法对所述次级冗余节点序列进行修正，得到终级冗余节点序列。
在本发明的一种具体实施方式中，所述节点重要程度确定模块包括：
节点个数确定子模块，用于根据所述监测关系确定各所述事件分别对应的监测节点个数；
事件重要程度确定子模块，用于根据各所述监测节点个数确定各所述事件分别对应的事件重要程度；其中，所述监测节点个数与所述事件重要程度成反比；
事件集合统计子模块，用于统计各所述节点分别对应的可监测事件集合；
节点重要程度确定子模块，用于根据各所述可监测事件集合中各所述事件的事件重要程度，计算各所述节点分别对应的节点重要程度。
一种冗余节点判别设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如前所述冗余节点判别方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如前所述冗余节点判别方法的步骤。
本发明所提供的冗余节点判别方法，采集网络监测区域内各节点与各事件之间的监测关系；根据监测关系确定各节点分别对应的节点重要程度；根据各节点重要程度从各节点中确定各初级冗余节点，得到初级冗余节点序列；分别计算各初级冗余节点间的节点相似度，并根据各节点相似度确定各初级冗余节点分别对应的冗余节点对数；根据各冗余节点对数对初级冗余节点序列中各初级冗余节点进行筛选操作，得到次级冗余节点序列；利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。
由上述技术方案可知，通过各节点与各事件之间的监测关系确定各节点分别对应的节点重要程度，根据节点重要程度筛选得到初级冗余节点序列。通过计算初级冗余节点序列中各初级冗余节点间的节点相似度，确定初级冗余节点序列中包含的各初级冗余节点对，并进一步确定各初级冗余节点分别对应的冗余节点对数，根据各初级冗余节点分别对应的冗余节点对数筛选得到次级冗余节点序列，利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。本发明通过分阶段自动进行冗余节点判别，较大地降低了时间复杂度，并且通过网络连通性约束算法进行冗余节点序列修正，保证了网络连通性，提高了冗余节点识别准确性，提高了冗余节点识别成功率。
相应的，本发明还提供了与上述冗余节点判别方法相对应的冗余节点判别装置、设备和计算机可读存储介质，具有上述技术效果，在此不再赘述。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一种网络监测区域的节点部署结构示意图；
图2为本发明实施例中冗余节点判别方法的一种实施流程图；
图3为本发明实施例中冗余节点判别方法的另一种实施流程图；
图4为本发明实施例中一种有向二分图网络构建示意图；
图5为本发明实施例中一种冗余节点判别装置的结构框图；
图6为本发明实施例中一种冗余节点判别设备的结构框图；
图7为本实施例提供的一种冗余节点判别设备的具体结构示意图。
具体实施方式
参见图1，图1为一种网络监测区域的节点部署结构示意图。当一个节点的感知区域完全被其他节点重叠时被定义为冗余节点。 如图1中的节点C即为冗余节点。
网络连通性是大多数无线传感器网络应用的通信基础。网络连通性定义为任一传感器节点通过多跳连接将收集的信息发送到网关节点（sink）的能力。如果没有路由可供传感器节点发送数据到网关节点，即没有连接，那么节点收集到的数据是无意义的。连通性是无线传感器网络最重要的属性之一，保证了监测区域中所有节点形成的监测范围可以满足应用需求，同时，任何一个节点都可以将其感知到的数据转发给网关节点或者基站，而不会产生网络分割。例如在图1中，节点B、C、D、E可能因为相互间重叠覆盖区域较大，导致节点重要程度不高，被判定为冗余节点，然而只有节点C才是真正的冗余节点。另外，如果将节点B、C、D、E都判别为冗余节点，网络覆盖和连通性将遭到破坏。
为此，本申请中提供的冗余节点判别方法中，通过网络连通性约束算法进行冗余节点序列修正，保证了网络连通性，提高了冗余节点识别准确性，提高了冗余节点识别成功率。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图2，图2为本发明实施例中冗余节点判别方法的一种实施流程图，该方法可以包括以下步骤：
S201：采集网络监测区域内各节点与各事件之间的监测关系。
当需要对网络监测区域内的各节点进行冗余判别时，采集网络监测区域内各节点与各事件之间的监测关系。如可以预先建立网络监测区域内各节点与各事件之间的多值有向节点-事件（N-E）图，通过有向节点-事件图确定网络监测区域内各节点与各事件之间的监测关系。
S202：根据监测关系确定各节点分别对应的节点重要程度。
在采集到网络监测区域内各节点与各事件之间的监测关系之后，根据监测关系确定各节点分别对应的节点重要程度。如预先设置事件被越多个数节点监测到，说明该事件包含的数据易获取，事件重要程度越低。
S203：根据各节点重要程度从各节点中确定各初级冗余节点，得到初级冗余节点序列。
在确定出各节点分别对应的节点重要程度之后，根据各节点重要程度从各节点中确定各初级冗余节点，得到初级冗余节点序列。如可以根据各节点重要程度对各节点进行排序，将预设比例个数节点重要程度排在前面的节点确定为初级冗余节点；还可以预先设置节点重要程度阈值，将节点重要程度高于预设节点重要程度阈值的各节点确定为初级冗余节点。
S204：分别计算各初级冗余节点间的节点相似度，并根据各节点相似度确定各初级冗余节点分别对应的冗余节点对数。
预先设置节点相似度计算公式，在得到初级冗余节点序列之后，分别计算各初级冗余节点间的节点相似度，并根据各节点相似度确定各初级冗余节点分别对应的冗余节点对数。节点相似度由节点监测到的事件集合确定，计算公式为：
其中，
表示节点
监测到的事件集合，
表示节点
监测到的事件集合，
表示节点
和节点的
节点相似度，
的取值范围为
，其为1时表示两个节点监测到的事件集合完全相同，即两个节点具有相似的覆盖范围和极大的相似程度。
表示被节点
和节点
共同监测到的事件集合，
表示被节点
和节点
共同监测到的事件数量，
和
分别表示节点
和节点
监测到的事件数量。
可以预先设置节点相似度阈值，当两个初级冗余节点间的节点相似度高于节点相似度阈值时，其确定为初级冗余节点对，并进一步对各初级冗余节点分别对应的初级冗余节点对数进行统计。
S205：根据各冗余节点对数对初级冗余节点序列中各初级冗余节点进行筛选操作，得到次级冗余节点序列。
在确定出各初级冗余节点分别对应的冗余节点对数之后，根据各冗余节点对数对初级冗余节点序列中各初级冗余节点进行筛选操作，得到次级冗余节点序列。如可以根据初级冗余节点序列中各初级冗余节点对应的冗余节点对数大小关系，对各初级冗余节点进行排序，预先设置某初级冗余节点对应的冗余节点对数越大，其被判为冗余节点的概率越大，可以将冗余节点对数最大的确定为次级冗余节点，并更新初级冗余节点序列中其他节点的冗余节点对数，循环确定出各次级冗余节点，得到次级冗余节点序列。
S206：利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。
进行冗余节点判别时，需要满足网络连通性约束，避免冗余节点判别后网络不连通，导致网络性能不达预期。因此，在筛选得到次级冗余节点序列之后，利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。从而保证了网络连通性，提高了冗余节点识别准确性，提高了冗余节点识别成功率。
由上述技术方案可知，通过各节点与各事件之间的监测关系确定各节点分别对应的节点重要程度，根据节点重要程度筛选得到初级冗余节点序列。通过计算初级冗余节点序列中各初级冗余节点间的节点相似度，确定初级冗余节点序列中包含的各初级冗余节点对，并进一步确定各初级冗余节点分别对应的冗余节点对数，根据各初级冗余节点分别对应的冗余节点对数筛选得到次级冗余节点序列，利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。本发明通过分阶段自动进行冗余节点判别，较大地降低了时间复杂度，并且通过网络连通性约束算法进行冗余节点序列修正，保证了网络连通性，提高了冗余节点识别准确性，提高了冗余节点识别成功率。
需要说明的是，基于上述实施例，本发明实施例还提供了相应的改进方案。在后续实施例中涉及与上述实施例中相同步骤或相应步骤之间可相互参考，相应的有益效果也可相互参照，在下文的改进实施例中不再一一赘述。
参见图3，图3为本发明实施例中冗余节点判别方法的另一种实施流程图，该方法可以包括以下步骤：
S301：采集网络监测区域内各节点与各事件之间的监测关系。
S302：根据监测关系确定各事件分别对应的监测节点个数。
参见图4，图4为本发明实施例中一种有向二分图网络构建示意图。在采集到网络监测区域内各节点与各事件之间的监测关系之后，根据监测关系确定各事件分别对应的监测节点个数。如图4所示，事件1被节点A共一个节点监控到，事件2被节点B共一个节点监控到，事件3被节点A和节点B共两个节点监控到，事件4被节点A、节点B及节点C共三个节点监控到，事件5被节点B和节点C共两个节点监控到，事件6被节点B和节点C共两个节点监控到，事件7被节点B共一个节点监控到。
S303：根据各监测节点个数确定各事件分别对应的事件重要程度。
其中，监测节点个数与事件重要程度成反比。
预先设置监测节点个数与事件重要程度成反比，即监测节点个数越大，事件重要程度越小。在确定出各事件分别对应的监测节点个数之后，根据各监测节点个数确定各事件分别对应的事件重要程度。事件会被零个、一个、两个及以上的节点监测到，可以利用以下公式表示事件重要程度：
其中，
表示第
个事件的事件重要程度，
表示该事件同时被
个节点监测到，
和
为相关系数，且相关系数满足
。
S304：统计各节点分别对应的可监测事件集合。
在采集网络监测区域内各节点与各事件之间的监测关系之后，统计各节点分别对应的可监测事件集合，从而统计得到各节点分别可以监控到哪些事件。
S305：根据各可监测事件集合中各事件的事件重要程度，计算各节点分别对应的节点重要程度。
节点重要程度由该节点监测到的事件重要程度决定。在统计到各节点分别对应的可监测事件集合，并确定出各事件分别对应的事件重要程度之后，根据各可监测事件集合中各事件的事件重要程度，计算各节点分别对应的节点重要程度。可以通过以下公式计算节点重要程度：
其中，
表示节点
的节点重要程度，
表示节点
监测到的第
个事件的事件重要程度，
表示节点
监测到的事件数量。
S306：判断是否存在节点重要程度低于预设节点重要程度阈值的节点，若是，则执行步骤S307，若否，则不做处理。
在计算得到各节点分别对应的节点重要程度之后，判断是否存在节点重要程度低于预设节点重要程度阈值的节点，若是，则说明存在节点的重要程度较低，很可能为真实冗余节点，执行步骤S307，若否，则说明网络监测区域中各节点重要程度均较高，不存在冗余节点，不做处理。
如预先设定一个节点重要程度阈值，将节点集合
中各节点分别对应的节点重要程度分值与节点重要程度阈值比较，将低于阈值的节点判定为初始冗余节点。
S307：将节点重要程度低于预设节点重要程度阈值的各节点确定为各初级冗余节点，得到初级冗余节点序列。
当确定存在节点重要程度低于预设节点重要程度阈值的节点时，将节点重要程度低于预设节点重要程度阈值的各节点确定为各初级冗余节点，得到初级冗余节点序列
。
S308：分别计算各初级冗余节点间的节点相似度。
初级冗余节点序列
中的节点不能都判定为冗余节点，例如在图1中，节点B、C、D、E可能因为相互间重叠覆盖区域较大，导致节点重要程度不高，被判定为冗余节点，然而只有节点C才是真正的冗余节点。
因此，在得到初级冗余节点序列之后，分别计算各初级冗余节点间的节点相似度，从而计算得到初级冗余节点序列
中两两节点之间的节点相似度。节点间的节点相似度计算公式可以参照步骤S204中的描述，本发明实施例在此不做赘述。
S309：判断是否存在节点相似度高于预设节点相似度阈值的节点对，若是，则执行步骤S310，若否，则不做处理。
在分别计算各初级冗余节点间的节点相似度之后，判断是否存在节点相似度高于预设节点相似度阈值的节点对，若是，则说明初级冗余节点序列中存在两节点的相似度较大，执行步骤S310，若否，则说明初级冗余节点序列中各节点两两之间的相似度均较小，不做处理。
S310：将节点相似度高于预设节点相似度阈值的节点对确定为冗余节点对。
在确定存在节点相似度高于预设节点相似度阈值的节点对之后，将节点相似度高于预设节点相似度阈值的节点对确定为冗余节点对。如可以预先设置冗余节点对集合
，其中冗余节点对记为
。
S311：对各冗余节点对进行统计，得到冗余节点对统计结果。
在确定出冗余节点对之后，对各冗余节点对进行统计，得到冗余节点对统计结果。如可以以节点为单位进行统计，统计各初级冗余节点分别对应的冗余节点对数。
S312：根据冗余节点对统计结果确定各初级冗余节点分别对应的冗余节点对数。
在得到冗余节点对统计结果之后，根据冗余节点对统计结果确定各初级冗余节点分别对应的冗余节点对数。可以预先将初级冗余节点对应的冗余节点对数记为
。
S313：对各冗余节点对数进行大小排列。
在确定出各初级冗余节点分别对应的冗余节点对数之后，对各冗余节点对数进行大小排列。如可以降序排列每个节点对应的冗余节点对数
，
S314：将最大冗余节点对数对应的初级冗余节点筛选为次级冗余节点。
冗余节点对数
越大，表示节点的重叠覆盖区域越多，越可能是真正的冗余节点，因此，将最大冗余节点对数对应的初级冗余节点筛选为次级冗余节点。当节点
对应的冗余节点对数
与节点
对应的冗余节点对数
相等时，即
，比较其节点重要程度，节点重要程度更低的节点被优先判别为次级冗余节点。
S315：针对初级冗余节点序列中除筛选为次级冗余节点的节点之外的其他初级冗余节点，判断是否已无冗余节点对，若否，则重复执行步骤S308，若是，则执行步骤S316。
在将最大冗余节点对数对应的初级冗余节点筛选为次级冗余节点之后，更新其他节点的冗余节点对数，针对初级冗余节点序列中除筛选为次级冗余节点的节点之外的其他初级冗余节点，判断是否已无冗余节点对，若否，则说明当前仍存在冗余节点对，重复执行步骤S308，若是，则说明当前已无冗余节点对，执行步骤S316。
S316：利用筛选得到的各次级冗余节点构建得到次级冗余节点序列。
在筛选得到各次级冗余节点之后，利用筛选得到的各次级冗余节点构建得到次级冗余节点序列
。
S317：通过广度优先搜索算法，对网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点进行遍历操作，得到节点连通性遍历结果。
设网络中的节点通信半径为
，当节点通信半径内没有其他节点或者网关节点（sink）时，该节点为不连通的节点，网络不具备连通性。
在得到次级冗余节点序列之后，通过广度优先搜索算法，对网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点进行遍历操作，得到节点连通性遍历结果。
S318：判断节点连通性遍历结果是否为各节点均连通，若是，则执行步骤S319，若否，则执行步骤S320。
在得到节点连通性遍历结果之后，判断节点连通性遍历结果是否为各节点均连通，若是，则说明可以直接将次级冗余节点序列中各节点确定为冗余节点，执行步骤S319，若否，则说明不能直接将次级冗余节点序列中各节点确定为冗余节点，执行步骤S320。
S319：将当前次级冗余节点序列确定为终级冗余节点序列。
当确定节点连通性遍历结果为各节点均连通时，将当前次级冗余节点序列确定为终级冗余节点序列。
S320：对非连通节点进行记录。
当确定节点连通性遍历结果为存在非连通节点时，说明不能直接将次级冗余节点序列中各节点确定为冗余节点，对非连通节点进行记录。
S321：从初始节点邻接矩阵中查找非连通节点的邻居节点，并将邻居节点标记为重要节点。
在采集网络监测区域内各节点与各事件之间的监测关系之后，可以预先构建初始节点邻接矩阵
，记录每一个节点通信范围内的邻居节点信息。邻接矩阵
的定义如下；
其中，
表示节点
和节点
的距离，并用
表示节点
是否能与网关节点sink（j = 0）通信；若
，表示节点i是孤立节点，即为非连通节点。
在记录得到非连通节点之后，从初始节点邻接矩阵
中查找非连通节点的邻居节点，并将邻居节点标记为重要节点(不能被判定为冗余)。
S322：从当前次级冗余节点序列对重要节点进行释放。
在确定出重要节点之后，从当前次级冗余节点序列对重要节点进行释放。
S323：判断网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点是否均连通，若否，则重复执行步骤S317，若是，则执行步骤S324。
在对重要节点进行释放之后，判断网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点是否均连通，若否，则说明仍存在非连通节点，重复执行步骤S317，若是，则说明除当前各次级冗余节点之外的其他节点均已连通，执行步骤S324。
S324：将对各重要节点释放后得到的当前次级冗余节点序列确定为终级冗余节点序列。
当确定网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点均连通时，将对各重要节点释放后得到的当前次级冗余节点序列确定为终级冗余节点序列，从而确定出真实的冗余节点，通过在满足网络连通性约束下有效判别冗余节点，减少了重复数据，提升了网络生命周期。
本实施例区别于独立权利要求1所要求保护的技术方案对应的实施例一，还增加了从属权利要求2至6对应要求保护的技术方案，当然，根据实际情况和要求的不同，可将各从属权利要求对应要求保护的技术方案在不影响方案完整性的基础上进行灵活组合，以更加符合不同使用场景的要求，本实施例只是给出了其中一种包含方案最多、效果最优的方案，因为情况复杂，无法对所有可能存在的方案一一列举，本领域技术人员应能意识到根据本申请提供的基本方法原理结合实际情况可以存在很多的例子，在不付出足够的创造性劳动下，应均在本申请的保护范围内。
相应于上面的方法实施例，本发明还提供了一种冗余节点判别装置，下文描述的冗余节点判别装置与上文描述的冗余节点判别方法可相互对应参照。
参见图5，图5为本发明实施例中一种冗余节点判别装置的结构框图，该装置可以包括：
监测关系采集模块51，用于采集网络监测区域内各节点与各事件之间的监测关系；
节点重要程度确定模块52，用于根据监测关系确定各节点分别对应的节点重要程度；
初级冗余序列确定模块53，用于根据各节点重要程度从各节点中确定各初级冗余节点，得到初级冗余节点序列；
冗余节点对数确定模块54，用于分别计算各初级冗余节点间的节点相似度，并根据各节点相似度确定各初级冗余节点分别对应的冗余节点对数；
次级冗余序列确定模块55，用于根据各冗余节点对数对初级冗余节点序列中各初级冗余节点进行筛选操作，得到次级冗余节点序列；
终级冗余序列获得模块56，用于利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。
由上述技术方案可知，通过各节点与各事件之间的监测关系确定各节点分别对应的节点重要程度，根据节点重要程度筛选得到初级冗余节点序列。通过计算初级冗余节点序列中各初级冗余节点间的节点相似度，确定初级冗余节点序列中包含的各初级冗余节点对，并进一步确定各初级冗余节点分别对应的冗余节点对数，根据各初级冗余节点分别对应的冗余节点对数筛选得到次级冗余节点序列，利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。本发明通过分阶段自动进行冗余节点判别，较大地降低了时间复杂度，并且通过网络连通性约束算法进行冗余节点序列修正，保证了网络连通性，提高了冗余节点识别准确性，提高了冗余节点识别成功率。
在本发明的一种具体实施方式中，节点重要程度确定模块52包括：
节点个数确定子模块，用于根据监测关系确定各事件分别对应的监测节点个数；
事件重要程度确定子模块，用于根据各监测节点个数确定各事件分别对应的事件重要程度；其中，监测节点个数与事件重要程度成反比；
事件集合统计子模块，用于统计各节点分别对应的可监测事件集合；
节点重要程度确定子模块，用于根据各可监测事件集合中各事件的事件重要程度，计算各节点分别对应的节点重要程度。
在本发明的一种具体实施方式中，初级冗余序列确定模块53包括：
第一判断子模块，用于判断是否存在节点重要程度低于预设节点重要程度阈值的节点；
初级冗余序列确定子模块，用于当确定存在节点重要程度低于预设节点重要程度阈值的节点时，将节点重要程度低于预设节点重要程度阈值的各节点确定为各初级冗余节点。
在本发明的一种具体实施方式中，冗余节点对数确定模块54包括：
第二判断子模块，用于判断是否存在节点相似度高于预设节点相似度阈值的节点对；
冗余节点对确定子模块，用于当确定存在节点相似度高于预设节点相似度阈值的节点对时，将节点相似度高于预设节点相似度阈值的节点对确定为冗余节点对；
冗余节点对统计子模块，用于对各冗余节点对进行统计，得到冗余节点对统计结果；
冗余节点对数确定子模块，用于根据冗余节点对统计结果确定各初级冗余节点分别对应的冗余节点对数。
在本发明的一种具体实施方式中，次级冗余序列确定模块55包括：
排序子模块，用于对各冗余节点对数进行大小排列；
次级冗余节点筛选子模块，用于将最大冗余节点对数对应的初级冗余节点筛选为次级冗余节点；
相似度计算子模块，用于针对初级冗余节点序列中除筛选为次级冗余节点的节点之外的其他初级冗余节点，重复执行分别计算各初级冗余节点间的节点相似度的步骤，直至无冗余节点对数；
次级冗余序列构建子模块，用于利用筛选得到的各次级冗余节点构建得到次级冗余节点序列。
在本发明的一种具体实施方式中，终级冗余序列获得模块56包括：
遍历结果获得子模块，用于通过广度优先搜索算法，对网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点进行遍历操作，得到节点连通性遍历结果；
第三判断子模块，用于判断节点连通性遍历结果是否为各节点均连通；
第一终级冗余序列获得子模块，用于当确定节点连通性遍历结果为各节点均连通时，将当前次级冗余节点序列确定为终级冗余节点序列；
非连通节点记录子模块，用于当确定节点连通性遍历结果为存在非连通节点时，对非连通节点进行记录；
重要节点标记子模块，用于从初始节点邻接矩阵中查找非连通节点的邻居节点，并将邻居节点标记为重要节点；
节点释放子模块，用于从当前次级冗余节点序列对重要节点进行释放，并重复执行通过广度优先搜索算法，对网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点进行遍历操作的步骤，直至网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点均连通；
第二终级冗余序列获得子模块，用于将对各重要节点释放后得到的当前次级冗余节点序列确定为终级冗余节点序列。
相应于上面的方法实施例，参见图6，图6为本发明所提供的冗余节点判别设备的示意图，该设备可以包括：
存储器332，用于存储计算机程序；
处理器322，用于执行计算机程序时实现上述方法实施例的冗余节点判别方法的步骤。
具体的，请参考图7，图7为本实施例提供的一种冗余节点判别设备的具体结构示意图，该冗余节点判别设备可因配置或性能不同而产生比较大的差异，可以包括处理器（central processing units，CPU）322（例如，一个或一个以上处理器）和存储器332，存储器332存储有一个或一个以上的计算机应用程序342或数据344。其中，存储器332可以是短暂存储或持久存储。存储在存储器332的程序可以包括一个或一个以上模块（图示没标出），每个模块可以包括对数据处理设备中的一系列指令操作。更进一步地，处理器322可以设置为与存储器332通信，在冗余节点判别设备301上执行存储器332中的一系列指令操作。
冗余节点判别设备301还可以包括一个或一个以上电源326，一个或一个以上有线或无线网络接口350，一个或一个以上输入输出接口358，和/或，一个或一个以上操作系统341。
上文所描述的冗余节点判别方法中的步骤可以由冗余节点判别设备的结构实现。
相应于上面的方法实施例，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现如下步骤：
采集网络监测区域内各节点与各事件之间的监测关系；根据监测关系确定各节点分别对应的节点重要程度；根据各节点重要程度从各节点中确定各初级冗余节点，得到初级冗余节点序列；分别计算各初级冗余节点间的节点相似度，并根据各节点相似度确定各初级冗余节点分别对应的冗余节点对数；根据各冗余节点对数对初级冗余节点序列中各初级冗余节点进行筛选操作，得到次级冗余节点序列；利用网络连通性约束算法对次级冗余节点序列进行修正，得到终级冗余节点序列。
该计算机可读存储介质可以包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
对于本发明提供的计算机可读存储介质的介绍请参照上述方法实施例，本发明在此不做赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置、设备及计算机可读存储介质而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的技术方案及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
Claims (10)
1.一种冗余节点判别方法，其特征在于，包括：
采集网络监测区域内各节点与各事件之间的监测关系；
根据所述监测关系确定各所述节点分别对应的节点重要程度；
根据各所述节点重要程度从各所述节点中确定各初级冗余节点，得到初级冗余节点序列；
分别计算各所述初级冗余节点间的节点相似度，并根据各所述节点相似度确定各所述初级冗余节点分别对应的冗余节点对数；
根据各所述冗余节点对数对所述初级冗余节点序列中各所述初级冗余节点进行筛选操作，得到次级冗余节点序列；
利用网络连通性约束算法对所述次级冗余节点序列进行修正，得到终级冗余节点序列。
2.根据权利要求1所述的冗余节点判别方法，其特征在于，根据所述监测关系确定各所述节点分别对应的节点重要程度，包括：
根据所述监测关系确定各所述事件分别对应的监测节点个数；
根据各所述监测节点个数确定各所述事件分别对应的事件重要程度；其中，所述监测节点个数与所述事件重要程度成反比；
统计各所述节点分别对应的可监测事件集合；
根据各所述可监测事件集合中各所述事件的事件重要程度，计算各所述节点分别对应的节点重要程度。
3.根据权利要求1所述的冗余节点判别方法，其特征在于，根据各所述节点重要程度从各所述节点中确定各初级冗余节点，包括：
判断是否存在节点重要程度低于预设节点重要程度阈值的节点；
若是，则将节点重要程度低于预设节点重要程度阈值的各节点确定为各所述初级冗余节点。
4.根据权利要求1所述的冗余节点判别方法，其特征在于，根据各所述节点相似度确定各所述初级冗余节点分别对应的冗余节点对数，包括：
判断是否存在节点相似度高于预设节点相似度阈值的节点对；
若是，则将节点相似度高于预设节点相似度阈值的节点对确定为冗余节点对；
对各所述冗余节点对进行统计，得到冗余节点对统计结果；
根据所述冗余节点对统计结果确定各所述初级冗余节点分别对应的冗余节点对数。
5.根据权利要求1所述的冗余节点判别方法，其特征在于，根据各所述冗余节点对数对所述初级冗余节点序列中各所述初级冗余节点进行筛选操作，得到次级冗余节点序列，包括：
对各所述冗余节点对数进行大小排列；
将最大冗余节点对数对应的初级冗余节点筛选为次级冗余节点；
针对所述初级冗余节点序列中除筛选为所述次级冗余节点的节点之外的其他初级冗余节点，重复执行所述分别计算各所述初级冗余节点间的节点相似度的步骤，直至无冗余节点对数；
利用筛选得到的各所述次级冗余节点构建得到所述次级冗余节点序列。
6.根据权利要求1至5任一项所述的冗余节点判别方法，其特征在于，利用网络连通性约束算法对所述次级冗余节点序列进行修正，得到终级冗余节点序列，包括：
通过广度优先搜索算法，对所述网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点进行遍历操作，得到节点连通性遍历结果；
判断所述节点连通性遍历结果是否为各所述节点均连通；
若是，则将当前次级冗余节点序列确定为所述终级冗余节点序列；
若否，则对非连通节点进行记录；
从初始节点邻接矩阵中查找所述非连通节点的邻居节点，并将所述邻居节点标记为重要节点；
从当前次级冗余节点序列对所述重要节点进行释放，并重复执行所述通过广度优先搜索算法，对所述网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点进行遍历操作的步骤，直至所述网络监测区域内除当前次级冗余节点序列中各次级冗余节点之外的其他节点均连通；
将对各所述重要节点释放后得到的当前次级冗余节点序列确定为所述终级冗余节点序列。
7.一种冗余节点判别装置，其特征在于，包括：
监测关系采集模块，用于采集网络监测区域内各节点与各事件之间的监测关系；
节点重要程度确定模块，用于根据所述监测关系确定各所述节点分别对应的节点重要程度；
初级冗余序列确定模块，用于根据各所述节点重要程度从各所述节点中确定各初级冗余节点，得到初级冗余节点序列；
冗余节点对数确定模块，用于分别计算各所述初级冗余节点间的节点相似度，并根据各所述节点相似度确定各所述初级冗余节点分别对应的冗余节点对数；
次级冗余序列确定模块，用于根据各所述冗余节点对数对所述初级冗余节点序列中各所述初级冗余节点进行筛选操作，得到次级冗余节点序列；
终级冗余序列获得模块，用于利用网络连通性约束算法对所述次级冗余节点序列进行修正，得到终级冗余节点序列。
8.根据权利要求7所述的冗余节点判别装置，其特征在于，所述节点重要程度确定模块包括：
节点个数确定子模块，用于根据所述监测关系确定各所述事件分别对应的监测节点个数；
事件重要程度确定子模块，用于根据各所述监测节点个数确定各所述事件分别对应的事件重要程度；其中，所述监测节点个数与所述事件重要程度成反比；
事件集合统计子模块，用于统计各所述节点分别对应的可监测事件集合；
节点重要程度确定子模块，用于根据各所述可监测事件集合中各所述事件的事件重要程度，计算各所述节点分别对应的节点重要程度。
9.一种冗余节点判别设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述冗余节点判别方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述冗余节点判别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110551035.4A CN112994991B (zh) | 2021-05-20 | 2021-05-20 | 一种冗余节点判别方法、装置、设备及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110551035.4A CN112994991B (zh) | 2021-05-20 | 2021-05-20 | 一种冗余节点判别方法、装置、设备及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112994991A CN112994991A (zh) | 2021-06-18 |
| CN112994991B true CN112994991B (zh) | 2021-07-16 |
Family
ID=76337143
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110551035.4A Active CN112994991B (zh) | 2021-05-20 | 2021-05-20 | 一种冗余节点判别方法、装置、设备及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112994991B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7688712B2 (en) * | 2005-10-04 | 2010-03-30 | Invensys Systems, Inc. | Selecting one of multiple redundant network access points on a node within an industrial process control network |
| US7983685B2 (en) * | 2006-12-07 | 2011-07-19 | Innovative Wireless Technologies, Inc. | Method and apparatus for management of a global wireless sensor network |
| CN103491592A (zh) * | 2013-10-16 | 2014-01-01 | 浙江中控技术股份有限公司 | 无线mesh传感器网络路径构建方法、装置及网关 |
| CN105228185A (zh) * | 2015-09-30 | 2016-01-06 | 中国人民解放军国防科学技术大学 | 一种用于识别通信网络中模糊冗余节点身份的方法 |
| CN109506936A (zh) * | 2018-11-05 | 2019-03-22 | 哈尔滨理工大学 | 基于流向图和非朴素贝叶斯推理的轴承故障程度识别方法 |
| CN110083756A (zh) * | 2018-01-26 | 2019-08-02 | 国际商业机器公司 | 识别知识图数据结构中的冗余节点 |
| CN110113807A (zh) * | 2019-05-05 | 2019-08-09 | 辽宁大学 | 无线传感器网络中基于数据相似度的节点休眠调度方法 |
| US10517092B1 (en) * | 2018-06-04 | 2019-12-24 | SparkMeter, Inc. | Wireless mesh data network with increased transmission capacity |
| CN111314925A (zh) * | 2019-10-22 | 2020-06-19 | 天津大学 | 一种面向动态水下环境的屏障构建方法 |
| CN111601358A (zh) * | 2020-04-30 | 2020-08-28 | 中南民族大学 | 一种多阶段分层分簇空间相关性温度感知数据去冗余方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100261495A1 (en) * | 2009-04-13 | 2010-10-14 | Xiaoyun Li | Distributed hole recovery process using connectivity information |
-
2021
- 2021-05-20 CN CN202110551035.4A patent/CN112994991B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7688712B2 (en) * | 2005-10-04 | 2010-03-30 | Invensys Systems, Inc. | Selecting one of multiple redundant network access points on a node within an industrial process control network |
| US7983685B2 (en) * | 2006-12-07 | 2011-07-19 | Innovative Wireless Technologies, Inc. | Method and apparatus for management of a global wireless sensor network |
| CN103491592A (zh) * | 2013-10-16 | 2014-01-01 | 浙江中控技术股份有限公司 | 无线mesh传感器网络路径构建方法、装置及网关 |
| CN105228185A (zh) * | 2015-09-30 | 2016-01-06 | 中国人民解放军国防科学技术大学 | 一种用于识别通信网络中模糊冗余节点身份的方法 |
| CN110083756A (zh) * | 2018-01-26 | 2019-08-02 | 国际商业机器公司 | 识别知识图数据结构中的冗余节点 |
| US10517092B1 (en) * | 2018-06-04 | 2019-12-24 | SparkMeter, Inc. | Wireless mesh data network with increased transmission capacity |
| CN109506936A (zh) * | 2018-11-05 | 2019-03-22 | 哈尔滨理工大学 | 基于流向图和非朴素贝叶斯推理的轴承故障程度识别方法 |
| CN110113807A (zh) * | 2019-05-05 | 2019-08-09 | 辽宁大学 | 无线传感器网络中基于数据相似度的节点休眠调度方法 |
| CN111314925A (zh) * | 2019-10-22 | 2020-06-19 | 天津大学 | 一种面向动态水下环境的屏障构建方法 |
| CN111601358A (zh) * | 2020-04-30 | 2020-08-28 | 中南民族大学 | 一种多阶段分层分簇空间相关性温度感知数据去冗余方法 |
Non-Patent Citations (2)
| Title |
|---|
| 《An Energy-Efficient Multi-Ring-Based Routing Scheme for WSNs》;AN HE ETAL;《IEEE Access》;20191015;全文 * |
| 《无线传感网络中部分覆盖与拟连通冗余节点的研究》;唐林俊;《传感技术学报》;20110630;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112994991A (zh) | 2021-06-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107547633B (zh) | 一种用户常驻点的处理方法、装置和存储介质 | |
| CN107105394A (zh) | 基于无线传感器网络的建筑安全监测系统 | |
| CN113125903A (zh) | 线损异常检测方法、装置、设备及计算机可读存储介质 | |
| CN117221078A (zh) | 关联规则确定方法、装置及存储介质 | |
| CN110020598B (zh) | 一种基于深度学习检测电线杆上异物的方法及装置 | |
| CN112994991B (zh) | 一种冗余节点判别方法、装置、设备及可读存储介质 | |
| CN113672508B (zh) | 一种基于风险策略和多样性策略的Simulink测试方法 | |
| CN110807014A (zh) | 一种基于交叉验证的台区数据异常甄别方法和装置 | |
| CN104680118A (zh) | 一种人脸属性检测模型生成方法及系统 | |
| CN111226254A (zh) | 网络地图的可靠性 | |
| CN111405605B (zh) | 一种基于自组织映射的无线网络中断检测方法 | |
| CN115599830A (zh) | 一种数据关联关系的确定方法、装置、设备和介质 | |
| CN113191432A (zh) | 基于离群因子的虚拟机集群的异常检测方法、设备及介质 | |
| CN108133234B (zh) | 基于稀疏子集选择算法的社区检测方法、装置及设备 | |
| CN107517474B (zh) | 一种网络分析优化方法及装置 | |
| CN117664118A (zh) | 一种线路合并方法、装置及存储介质 | |
| CN115473817B (zh) | 一种考虑空间特性的电力信息网的构建方法及系统 | |
| CN111460326A (zh) | 智能推送环境监测数据的方法、装置、设备及存储介质 | |
| CN112348265A (zh) | 监控场景下的可行路径挖掘方法及装置 | |
| CN115412450B (zh) | 一种面向溯源图的多电力终端协同行为检测方法及装置 | |
| CN115802013B (zh) | 基于智能照明的视频监控方法、装置、设备及存储介质 | |
| CN113989630B (zh) | 一种基于语义分析的镜头遮挡判别方法 | |
| CN115134246B (zh) | 网络性能指标监控方法、装置、设备和存储介质 | |
| CN115330559B (zh) | 一种信息数据时空协同的配电网弹性评估方法和装置 | |
| CN116882035B (zh) | 一种基于人工智能的空间对象识别与建模方法及相关设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |