CN113626489B - 传感器数据的搜索方法、系统及计算机介质 - Google Patents
传感器数据的搜索方法、系统及计算机介质 Download PDFInfo
- Publication number
- CN113626489B CN113626489B CN202110912260.6A CN202110912260A CN113626489B CN 113626489 B CN113626489 B CN 113626489B CN 202110912260 A CN202110912260 A CN 202110912260A CN 113626489 B CN113626489 B CN 113626489B
- Authority
- CN
- China
- Prior art keywords
- node
- data
- target
- sensor
- label
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2453—Query optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本申请的实施例提供了一种传感器数据的搜索方法、系统、计算机可读介质及电子设备。该传感器数据的搜索方法包括:从传感器节点中获取感知数据,其中,所述传感器节点包括至少一种类型;基于所述感知数据的数据属性,对所述感知数据进行数据清洗,得到待处理数据;从所述待处理数据中提取中所述待处理数据的数据标签;对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据。本申请实施例的技术方案提高了目标数据搜索和处理的效率和精确度。
Description
技术领域
本申请涉及计算机技术领域,具体而言,涉及一种传感器数据的搜索方法、系统、计算机可读介质及电子设备。
背景技术
基于物联网、工业大数据的发展,对数据的要求越来越高。现有的传感器数据数据类型多种多样,从数据采集、传输,到之后的处理、预测等等过程,都面临着各种各样的问题,有其是在数据传输过程中对于传感器节点的消耗较大,并且在数据搜索和处理中,由于数据类型较多,往往造成数据处理效率低的问题。
发明内容
本申请的实施例提供了一种传感器数据的搜索方法、系统、计算机可读介质及电子设备,进而至少在一定程度上可以提高传感器数据的处理效率。
本申请的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本申请的实践而习得。
根据本申请实施例的一个方面,提供了一种传感器数据的搜索方法,包括:从传感器节点中获取感知数据,其中,所述传感器节点包括至少一种类型;
基于所述感知数据的数据属性,对所述感知数据进行数据清洗,得到待处理数据;
从所述待处理数据中提取中所述待处理数据的数据标签;
对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据。
根据本申请实施例的一个方面,提供了一种传感器数据的搜索系统,包括:
获取模块,用于从传感器节点中获取感知数据,其中,所述传感器节点包括至少一种类型;
清洗模块,用于基于所述感知数据的数据属性,对所述感知数据进行数据清洗,得到待处理数据;
提取模块,用于从所述待处理数据中提取中所述待处理数据的数据标签;
匹配模块,用于对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据。
在本申请的一实施例中,从传感器节点中获取感知数据,包括:
获取所述传感器节点的节点信息;
基于所述节点信息,确定所述传感器节点所属的节点簇群;所述节点簇群中包括至少两个传感器节点;
从所述节点簇群的至少两个传感器节点中选取一个目标节点;
从所述目标节点处获取所述节点簇群中所有传感器节点的感知数据。
在本申请的一实施例中,所述节点信息包括节点负载、节点电量、节点安全参数;
从所述节点簇群的至少两个传感器节点中选取一个目标节点,包括:
获取所述节点簇群中所有传感器节点的节点信息;
基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数;
基于各所述传感器节点对应的目标节点参数,确定所述目标节点。
在本申请的一实施例中,基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数,包括:
通过如下公式计算每所述目标节点参数:
其中,p用于表示预设的目标节点选取比例;li、Li分别用于表示传感器节点的实际使用负载和总负载;bi、Bi分别用于表示节点当前电量和电池容量;Sea表示节点安全参数,i表示传感器节点的标识。
在本申请的一实施例中,对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据,包括:
对所述数据标签进行量化,得到量化标签;
对所述搜索条件进行量化,得到量化条件;
计算所述量化标签和所述量化条件之间的相关性;
将相关性最高的量化标签对应的数据标签作为目标标签,将所述目标标签对应的感知数据作为所述目标数据。
在本申请的一实施例中,计算所述量化标签和所述量化条件之间的相关性包括:
通过如下公式计算所述量化标签和所述量化条件之间的相关性:
其中,X={x1,x2,x3,…xi,…xn}表示量化标签,x1,x2,x3,…xi,…xn表示量化字符值;i表示标签标识,n表示标签总数;Y={y1,y2,y3,…yi,…yn}表示量化标签,y1,y2,y3,…yi,…yn表示量化字符值。
在本申请的一实施例中,所述方法还包括:
基于所述目标数据的数据标签,将所述目标数据呈现在界面上。
根据本申请实施例的一个方面,提供了一种计算机可读介质,其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上述实施例中所述的传感器数据的搜索方法。
根据本申请实施例的一个方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的传感器数据的搜索方法。
根据本申请实施例的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的传感器数据的搜索方法。
在本申请的一些实施例所提供的技术方案中,通过获取感知数据,并对基于感知数据的数据属性,对感知数据进行数据清洗以减少冗余数据,之后从待处理数据中提取中待处理数据的数据标签,并对数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据,提高了目标数据搜索和处理的效率和精确度。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本申请。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并与说明书一起用于解释本申请的原理。显而易见地,下面描述中的附图仅仅是本申请的一些实施例,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。在附图中:
图1示意性示出了根据本申请的一个实施例的传感器数据的搜索方法的流程图;
图2示意性示出了根据本申请的一个实施例的传感器数据的搜索系统的框图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本申请将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本申请的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本申请的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、系统、步骤等。在其它情况下,不详细示出或描述公知方法、系统、实现或者操作以避免模糊本申请的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
以下对本申请实施例的技术方案的实现细节进行详细阐述:
图1示出了根据本申请的一个实施例的传感器数据的搜索方法的流程图,该传感器数据的搜索方法可以由服务器来执行,也可以由终端设备来执行。参照图1所示,该传感器数据的搜索方法至少包括步骤S110至步骤S140,详细介绍如下:
在步骤S110中,从传感器节点中获取感知数据,其中,所述传感器节点包括至少一种类型。
在本申请的一个实施例中,可以直接从各个传感器节点来获取感知数据,即由各个传感器节点将自己采集到的感知数据发送至处理设备中。
本实施例中传感器节点可以包括一种、两种或者两种以上的类型。例如温度传感器、湿度传感器、噪声传感器等等。
在本申请的一个实施例中,步骤S110中从传感器节点中获取感知数据,包括:
S111:获取所述传感器节点的节点信息;
S112:基于所述节点信息,确定所述传感器节点所属的节点簇群;所述节点簇群中包括至少两个传感器节点;
S113:从所述节点簇群的至少两个传感器节点中选取一个目标节点;
S114:从所述目标节点处获取所述节点簇群中所有传感器节点的感知数据。
具体的,本实施例中的节点信息可以包括节点标识、节点编号等等。多个传感器节点处于同一个节点簇群中。通过获取节点簇群中的节点信息,以从中选取出其中一个目标节点,以通过目标节点获取簇群中所有节点中的感知数据,并将感知数据转发到处理设备中。
本实施例中选取目标节点的方式可以是基于节点信息随机选取的方式得到。
本实施例中的节点信息包括节点负载、节点电量、节点安全参数等参数。
步骤S113中,从所述节点簇群的至少两个传感器节点中选取一个目标节点,包括:
获取所述节点簇群中所有传感器节点的节点信息;
基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数;
基于各所述传感器节点对应的目标节点参数,确定所述目标节点。
具体的,本实施例中通过获取传感器节点的节点负载、节点电量、节点安全参数来计算目标节点参数,具体的计算公式如下:
其中,p用于表示预设的目标节点选取比例,本实施例的目标节点选取数量可以为一个或者一个以上,因此,目标节点选取比例为预设的目标节点的数量除以簇群的节点总数;mod表示取余运算;li、Li分别用于表示传感器节点的实际使用负载和总负载;bi、Bi分别用于表示节点当前电量和电池容量;Sea表示预设的节点安全参数,节点安全参数越高,表示节点的安全性越好,用于传输和处理数据就越安全;i表示传感器节点的标识。
在计算得到目标节点参数之后,确定最大目标节点参数,并将对应的传感器节点作为目标节点。
本实施例中通过上述方式获取到感知数据,可以提高数据获取的效率,同时保证数据传输和处理的安全性,降低传感器节点的能耗,延长传感器节点的寿命。
在步骤S120中,基于所述感知数据的数据属性,对所述感知数据进行数据清洗,得到待处理数据。
在本申请的一个实施例中,在获取到感知数据之后,基于每种类型的数据属性,确定数据对应的正常值范围,并基于这个正常值范围对感知数据进行数据清洗和筛选,得到待处理数据。
通过上述方式,降低数据处理量,提高数据处理效率。
在步骤S130中,从所述待处理数据中提取中所述待处理数据的数据标签。
在本申请的一个实施例中,每个数据在采集过程中都有其对应的数据标签,例如数据标识、数据名称等等。可以通过感知数据的传感器节点来源,确定待处理数据的数据标签。
在步骤S140中,对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据。
在本申请的一个实施例中,可以计算数据标签和搜索条件之间的相关性或者相似度,进而完成匹配,确定搜索条件对应的目标数据。
步骤S140中,对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据,包括:
对所述数据标签进行量化,得到量化标签;
对所述搜索条件进行量化,得到量化条件;
计算所述量化标签和所述量化条件之间的相关性;
将相关性最高的量化标签对应的数据标签作为目标标签,将所述目标标签对应的感知数据作为所述目标数据。
具体的,本实施例中可以通过预设的字符对应表,确定数据标签中的字符对应的量化参数,即量化字符值,进而得到数据标签对应的量化标签,同时确定搜索条件对应的量化条件。之后通过如下公式计算所述量化标签和所述量化条件之间的相关性:
通过如下公式计算所述量化标签和所述量化条件之间的相关性:
其中,X={x1,x2,x3,…xi,…xn}表示量化标签,x1,x2,x3,…xi,…xn表示量化字符值;i表示标签标识,n表示标签总数;Y={y1,y2,y3,…yi,…yn}表示量化标签,y1,y2,y3,…yi,…yn表示量化字符值。
最后,基于所述目标数据的数据标签,将所述目标数据呈现在界面上,以供用户参考。
在本申请的一些实施例所提供的技术方案中,通过获取感知数据,并对基于感知数据的数据属性,对感知数据进行数据清洗以减少冗余数据,之后从待处理数据中提取中待处理数据的数据标签,并对数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据,提高了目标数据搜索和处理的效率和精确度。
以下介绍本申请的装置实施例,可以用于执行本申请上述实施例中的传感器数据的搜索方法。可以理解的是,所述装置可以是运行于计算机设备中的一个计算机程序(包括程序代码),例如该装置为一个应用软件;该装置可以用于执行本申请实施例提供的方法中的相应步骤。对于本申请装置实施例中未披露的细节,请参照本申请上述的传感器数据的搜索方法的实施例。
图2示出了根据本申请的一个实施例的传感器数据的搜索系统的框图。
参照图2所示,根据本申请的一个实施例的传感器数据的搜索系统200,包括:
获取模块210,用于从传感器节点中获取感知数据,其中,所述传感器节点包括至少一种类型;
清洗模块220,用于基于所述感知数据的数据属性,对所述感知数据进行数据清洗,得到待处理数据;
提取模块230,用于从所述待处理数据中提取中所述待处理数据的数据标签;
匹配模块240,用于对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据。
在本申请的一实施例中,从传感器节点中获取感知数据,包括:
获取所述传感器节点的节点信息;
基于所述节点信息,确定所述传感器节点所属的节点簇群;所述节点簇群中包括至少两个传感器节点;
从所述节点簇群的至少两个传感器节点中选取一个目标节点;
从所述目标节点处获取所述节点簇群中所有传感器节点的感知数据。
在本申请的一实施例中,所述节点信息包括节点负载、节点电量、节点安全参数;
从所述节点簇群的至少两个传感器节点中选取一个目标节点,包括:获取所述节点簇群中所有传感器节点的节点信息;
基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数;
基于各所述传感器节点对应的目标节点参数,确定所述目标节点。
在本申请的一实施例中,基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数,包括:
通过如下公式计算每所述目标节点参数:
其中,p用于表示预设的目标节点选取比例;li、Li分别用于表示传感器节点的实际使用负载和总负载;bi、Bi分别用于表示节点当前电量和电池容量;Sea表示节点安全参数,i表示传感器节点的标识。
在本申请的一实施例中,对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据,包括:
对所述数据标签进行量化,得到量化标签;
对所述搜索条件进行量化,得到量化条件;
计算所述量化标签和所述量化条件之间的相关性;
将相关性最高的量化标签对应的数据标签作为目标标签,将所述目标标签对应的感知数据作为所述目标数据。
在本申请的一实施例中,计算所述量化标签和所述量化条件之间的相关性包括:
通过如下公式计算所述量化标签和所述量化条件之间的相关性:
其中,X={x1,x2,x3,…xi,…xn}表示量化标签,x1,x2,x3,…xi,…xn表示量化字符值;i表示标签标识,n表示标签总数;Y={y1,y2,y3,…yi,…yn}表示量化标签,y1,y2,y3,…yi,…yn表示量化字符值。
在本申请的一实施例中,所述方法还包括:
基于所述目标数据的数据标签,将所述目标数据呈现在界面上。
在本申请的一些实施例所提供的技术方案中,通过获取感知数据,并对基于感知数据的数据属性,对感知数据进行数据清洗以减少冗余数据,之后从待处理数据中提取中待处理数据的数据标签,并对数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据,提高了目标数据搜索和处理的效率和精确度。
需要说明的是,本申请实施例所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、系统或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(Erasable Programmable Read Only Memory,EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory,CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、系统或者器件使用或者与其结合使用。而在本申请中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的计算机程序。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、系统或者器件使用或者与其结合使用的程序。计算机可读介质上包含的计算机程序可以用任何适当的介质传输,包括但不限于:无线、有线等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
根据本申请的一个方面,提供了一种计算机程序产品或计算机程序,该计算机程序产品或计算机程序包括计算机指令,该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令,处理器执行该计算机指令,使得该计算机设备执行上述各种可选实现方式中提供的方法。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现上述实施例中所述的方法。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本申请的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本申请实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本申请实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的实施方式后,将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。
应当理解的是,本申请并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。
Claims (7)
1.一种传感器数据的搜索方法,其特征在于,包括:
从传感器节点中获取感知数据,其中,所述传感器节点包括至少一种类型;
基于所述感知数据的数据属性,对所述感知数据进行数据清洗,得到待处理数据;
从所述待处理数据中提取中所述待处理数据的数据标签;
对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据;
从传感器节点中获取感知数据,包括:
获取所述传感器节点的节点信息;
基于所述节点信息,确定所述传感器节点所属的节点簇群;所述节点簇群中包括至少两个传感器节点;
从所述节点簇群的至少两个传感器节点中选取一个目标节点;
从所述目标节点处获取所述节点簇群中所有传感器节点的感知数据;
所述节点信息包括节点负载、节点电量、节点安全参数;
从所述节点簇群的至少两个传感器节点中选取一个目标节点,包括:
获取所述节点簇群中所有传感器节点的节点信息;
基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数;
基于各所述传感器节点对应的目标节点参数,确定所述目标节点;
基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数,包括:
通过如下公式计算每所述目标节点参数:
其中,p用于表示预设的目标节点选取比例;li、Li分别用于表示传感器节点的实际使用负载和总负载;bi、Bi分别用于表示节点当前电量和电池容量;Sea表示节点安全参数,i表示传感器节点的标识。
2.根据权利要求1所述的方法,其特征在于,对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据,包括:
对所述数据标签进行量化,得到量化标签;
对所述搜索条件进行量化,得到量化条件;
计算所述量化标签和所述量化条件之间的相关性;
将相关性最高的量化标签对应的数据标签作为目标标签,将所述目标标签对应的感知数据作为所述目标数据。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:
基于所述目标数据的数据标签,将所述目标数据呈现在界面上。
5.一种传感器数据的搜索系统,其特征在于,包括:
获取模块,用于从传感器节点中获取感知数据,其中,所述传感器节点包括至少一种类型;
清洗模块,用于基于所述感知数据的数据属性,对所述感知数据进行数据清洗,得到待处理数据;
提取模块,用于从所述待处理数据中提取中所述待处理数据的数据标签;
匹配模块,用于对所述数据标签和用户触发的搜索条件进行匹配,确定所述搜索条件对应的目标数据;
其中,从传感器节点中获取感知数据,包括:
获取所述传感器节点的节点信息;
基于所述节点信息,确定所述传感器节点所属的节点簇群;所述节点簇群中包括至少两个传感器节点;
从所述节点簇群的至少两个传感器节点中选取一个目标节点;
从所述目标节点处获取所述节点簇群中所有传感器节点的感知数据;
所述节点信息包括节点负载、节点电量、节点安全参数;
从所述节点簇群的至少两个传感器节点中选取一个目标节点,包括:
获取所述节点簇群中所有传感器节点的节点信息;
基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数;
基于各所述传感器节点对应的目标节点参数,确定所述目标节点;
基于所述节点信息中的节点负载、节点电量、节点安全参数,计算目标节点参数,包括:
通过如下公式计算每所述目标节点参数:
其中,p用于表示预设的目标节点选取比例;li、Li分别用于表示传感器节点的实际使用负载和总负载;bi、Bi分别用于表示节点当前电量和电池容量;Sea表示节点安全参数,i表示传感器节点的标识。
6.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至4中任一项所述的传感器数据的搜索方法。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至4中任一项所述的传感器数据的搜索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912260.6A CN113626489B (zh) | 2021-08-10 | 2021-08-10 | 传感器数据的搜索方法、系统及计算机介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110912260.6A CN113626489B (zh) | 2021-08-10 | 2021-08-10 | 传感器数据的搜索方法、系统及计算机介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113626489A CN113626489A (zh) | 2021-11-09 |
CN113626489B true CN113626489B (zh) | 2022-03-01 |
Family
ID=78383821
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110912260.6A Active CN113626489B (zh) | 2021-08-10 | 2021-08-10 | 传感器数据的搜索方法、系统及计算机介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113626489B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7035240B1 (en) * | 2000-12-27 | 2006-04-25 | Massachusetts Institute Of Technology | Method for low-energy adaptive clustering hierarchy |
CN104717645A (zh) * | 2015-02-15 | 2015-06-17 | 江西警察学院 | 保证无线传感器网络的数据传输方法及其系统 |
CN107690168A (zh) * | 2016-08-04 | 2018-02-13 | 王莹莹 | 一种可扩展的无线传感器网络组网方法 |
CN110096501A (zh) * | 2018-09-04 | 2019-08-06 | 中国平安人寿保险股份有限公司 | 基于标签的数据搜索方法、装置、介质及电子设备 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017007990A1 (en) * | 2015-07-08 | 2017-01-12 | Convida Wireless, Llc | M2m clustering management |
US10298674B2 (en) * | 2016-11-16 | 2019-05-21 | Intel Corporation | Enhancing Wi-Fi aware protocol and algorithms for drone cluster formation |
CN107948194B (zh) * | 2017-12-22 | 2020-06-30 | 北京农业信息技术研究中心 | 一种数据接入方法及系统 |
CN108021907A (zh) * | 2017-12-27 | 2018-05-11 | 上海小蚁科技有限公司 | 目标对象的传感器数据搜索方法及装置、存储介质、终端 |
US10834549B2 (en) * | 2018-12-26 | 2020-11-10 | King Fahd University Of Petroleum And Minerals | Internet of things for healthcare monitoring applications based on RFID clustering scheme |
CN111263325B (zh) * | 2020-01-17 | 2021-03-09 | 南华大学 | 动态分簇异构无线传感器网络的路由方法、装置及介质 |
-
2021
- 2021-08-10 CN CN202110912260.6A patent/CN113626489B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7035240B1 (en) * | 2000-12-27 | 2006-04-25 | Massachusetts Institute Of Technology | Method for low-energy adaptive clustering hierarchy |
CN104717645A (zh) * | 2015-02-15 | 2015-06-17 | 江西警察学院 | 保证无线传感器网络的数据传输方法及其系统 |
CN107690168A (zh) * | 2016-08-04 | 2018-02-13 | 王莹莹 | 一种可扩展的无线传感器网络组网方法 |
CN110096501A (zh) * | 2018-09-04 | 2019-08-06 | 中国平安人寿保险股份有限公司 | 基于标签的数据搜索方法、装置、介质及电子设备 |
Non-Patent Citations (3)
Title |
---|
Security Aware Cluster Head Selection with Coverage and Energy Optimization in WSNs for IoT;Anastassia Gharib等;《ICC 2021 - IEEE International Conference on Communications》;20210806;第1-6页 * |
WSN中兼顾安全和剩余能量的簇头选择算法;周立朋等;《计算机工程与应用》;20120121;第48卷(第3期);第88-90页 * |
环境监测传感器网络恶意节点定位及滤除研究;王超阳;《中国优秀硕士学位论文全文数据库信息科技辑》;20210515(第5期);第I140-214页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113626489A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108427708B (zh) | 数据处理方法、装置、存储介质和电子装置 | |
CN106055630A (zh) | 日志存储的方法及装置 | |
CN111090807B (zh) | 一种基于知识图谱的用户识别方法及装置 | |
CN109815085B (zh) | 告警数据的分类方法、装置和电子设备及存储介质 | |
CN111563560B (zh) | 基于时序特征学习的数据流分类方法及装置 | |
CN110634018A (zh) | 一种流失用户的特征刻画方法、识别方法及相关装置 | |
CN110019193B (zh) | 相似帐号识别方法、装置、设备、系统及可读介质 | |
CN113626489B (zh) | 传感器数据的搜索方法、系统及计算机介质 | |
CN112784008B (zh) | 案件相似度确定方法及装置、存储介质、终端 | |
CN111414528B (zh) | 确定设备标识的方法、装置、存储介质及电子设备 | |
CN110348581B (zh) | 用户特征群中用户特征寻优方法、装置、介质及电子设备 | |
CN105224675B (zh) | 一种顾及时空效应的微博主题提取方法 | |
CN111741009A (zh) | 一种业务数据管理方法、系统、服务器及存储介质 | |
CN112766501B (zh) | 增量训练方法和相关产品 | |
CN114528446A (zh) | 一种工业互联网网络标识数据分级查询方法及装置 | |
CN114491171A (zh) | 基于工业物联网的数据处理方法、系统、介质及电子设备 | |
CN113869431A (zh) | 虚假信息检测方法、系统、计算机设备及可读存储介质 | |
CN113946717A (zh) | 一种子图指标特征获得方法、装置、设备及存储介质 | |
JP5923744B2 (ja) | 画像検索システム、画像検索方法及び検索装置 | |
CN112434650A (zh) | 一种多光谱图像建筑物变化检测方法及系统 | |
CN112328779A (zh) | 训练样本构建方法、装置、终端设备及存储介质 | |
CN110909288A (zh) | 业务数据处理方法、装置、平台、业务端、系统及介质 | |
CN115840834B (zh) | 一种人脸数据库快速搜索方法及系统 | |
CN116167829B (zh) | 一种多维多粒度用户行为分析方法 | |
CN116431711B (zh) | 基于数据特征实现的数据智能采集方法及系统 |
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 |