CN116150186B - 一种基于大数据的通信物联管理方法及系统 - Google Patents
一种基于大数据的通信物联管理方法及系统 Download PDFInfo
- Publication number
- CN116150186B CN116150186B CN202211539308.4A CN202211539308A CN116150186B CN 116150186 B CN116150186 B CN 116150186B CN 202211539308 A CN202211539308 A CN 202211539308A CN 116150186 B CN116150186 B CN 116150186B
- Authority
- CN
- China
- Prior art keywords
- internet
- things
- array
- data cluster
- data
- 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
Landscapes
- Telephonic Communication Services (AREA)
Abstract
本申请实施例提供的基于大数据的通信物联管理方法及系统,能够针对目标物联网数据簇中的每个第一物联网数据分团,以目标物联网数据簇和对比物联网数据簇包括的第二物联网数据分团为对照,对第一物联网数据分团进行表征数组编码,得到第一物联网数据分团的物联网数据分团表征数组,同时对每个物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到物联网监测大数据集的监测大数据表征数组,提高了大数据表征数组编码的准确度,进而提升了确定到的物联网运行状态分类结果的准确性,使得基于分类结果的管理策略确定更加精准;另外,可以减少运算开销且提升了大数据表征数组编码的速度。
Description
技术领域
本申请涉及人工智能、大数据处理领域,具体而言,涉及一种基于大数据的通信物联管理方法及系统。
背景技术
随着技术的发展,人们生活水平的提高,物联网已然渗透到生活的各个角落,智能家居、车联网、智慧交通、智慧医疗等场景均涉及物联网技术。简单而言,物联网(Internetof Things,简称IoT)就是通过射频识别、红外感应器、全球定位系统、激光扫描器等信息传感设备,按约定的协议把任何物品与互联网相连接,进行信息交换和通信,以实现对物品的智能化识别、定位、跟踪、监控和管理的一种网络。基于互联网基础上的延伸和扩展的网络,将各种信息传感设备与网络结合起来而形成的一个巨大网络,实现任何时间、任何地点,人、机、物的互联互通。基于此,可以理解,物联网数据主要是指传感器和设备发过来的数据,如果物联网只是负责采集一堆传感器和设备发过来的数据,那就仅仅是一堆庞大的数据聚集在一起,产生不了实际的价值意义,因此需要对物联网数据进行分析,帮助进行决策,例如分析识别物联网系统的运行状态,帮助进行管理干预。然而,物联网大数据的数据基数庞大,如何高效准确地进行数据的分析挖掘是一直在改良的技术课题。
发明内容
本发明的目的在于提供一种基于大数据的通信物联管理方法及系统,以改善上述问题。
本申请实施例的实现方式如下:
第一方面,本申请实施例提供一种基于大数据的通信物联管理方法,应用于物联数据服务器,所述物联数据服务器与至少一个物联网网关通信连接,所述物理网网关被配置为获取物联设备和/或物联传感器的物联数据,并按照预设的协议转换策略生成物联网监测大数据集,所述物联网监测大数据集包括多个按照采集时间拆解的连续的物联网数据簇,所述方法包括:
响应于数据分析指令,获取物联网监测大数据集;
将所述物联网监测大数据集中的多个物联网数据簇分别拆解成M个第一物联网数据分团;
对于所述物联网监测大数据集中的目标物联网数据簇,获取对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔,依据所述数据簇间隔将所述对比物联网数据簇拆解成N个第二物联网数据分团;其中,所述对比物联网数据簇为所述物联网监测大数据集中除所述目标物联网数据簇外的其他物联网数据簇,所述N与所述数据簇间隔呈反向关联,所述M和N均为大于或等于1的正整数;
对于所述目标物联网数据簇中的每一所述第一物联网数据分团,以所述目标物联网数据簇以及所述对比物联网数据簇包括的第二物联网数据分团为对照,对所述第一物联网数据分团进行表征数组编码,得到所述第一物联网数据分团的物联网数据分团表征数组;
对多个所述物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到所述物联网监测大数据集的监测大数据表征数组;
对所述大数据表征数组进行全连接映射,得到所述物联网监测大数据集对应的运行状态分类结果,并基于预设的分类映射关系,确定与所述运行状态分类结果对应的管理策略。
作为一种实施方式,所述获取对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔,包括:确定所述对比物联网数据簇与所述目标物联网数据簇之间的物联网数据簇的数据簇个数,将所述数据簇个数确定为所述对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔;
或者;
所述获取对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔,包括:获取所述对比物联网数据簇的数据簇生成时间戳以及和所述目标物联网数据簇的数据簇生成时间戳间的时间戳差值,将所述时间戳差值确定为所述对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔。
作为一种实施方式,所述依据所述数据簇间隔将所述对比物联网数据簇拆解成N个第二物联网数据分团的步骤前,所述方法还包括:
获取数据簇间隔和拆解数量间的对应信息;其中,所述拆解数量用于指示所述对比物联网数据簇的拆解方式;
依据所述数据簇间隔以及所述对应信息,确定所述数据簇间隔对应的目标拆解数量,将所述目标拆解数量确定为所述N。
作为一种实施方式,所述依据所述数据簇间隔将所述对比物联网数据簇拆解成N个第二物联网数据分团的步骤之前,所述方法还包括:
获取所述对比物联网数据簇对应的多个数据簇间隔范围,每一所述数据簇间隔范围匹配有对应的拆解数量;其中,所述拆解数量用于指示所述对比物联网数据簇的拆解方式;
在所述多个数据簇间隔范围中确定所述数据簇间隔所位于的目标数据簇间隔范围,将所述目标数据簇间隔范围对应的拆解数量确定为所述N。
作为一种实施方式,所述以所述目标物联网数据簇以及所述对比物联网数据簇包括的第二物联网数据分团为对照,对所述第一物联网数据分团进行表征数组编码,得到所述第一物联网数据分团的物联网数据分团表征数组,包括:
获取所述目标物联网数据簇包括的第一物联网数据分团的分团表征数组,以及获取所述对比物联网数据簇包括的第二物联网数据分团的分团表征数组;
分别获取每一所述分团表征数组与所述第一物联网数据分团的分团表征数组之间的共性度量评分;
依据多个所述分团表征数组对应的共性度量评分对多个所述分团表征数组进行第一数组融合操作,得到所述第一物联网数据分团的融合表征数组;
将所述第一物联网数据分团的分团表征数组和所述融合表征数组进行第二数组融合操作,得到所述第一物联网数据分团的物联网数据分团表征数组。
作为一种实施方式,所述依据多个所述分团表征数组对应的共性度量评分对多个所述分团表征数组进行第一数组融合操作,得到所述第一物联网数据分团的融合表征数组,包括:
对多个所述分团表征数组对应的共性度量评分进行标准化操作,并将操作获得的标准化结果确定为对应的分团表征数组的影响系数;
依据多个所述分团表征数组的影响系数,对多个所述分团表征数组进行权值分配计算并相加,以获取到所述第一物联网数据分团的融合表征数组。
作为一种实施方式,所述分团表征数组包括搜索数组、锚定数组和结果数组;所述分别获取每一所述分团表征数组与所述第一物联网数据分团的分团表征数组之间的共性度量评分,包括:
分别获取每一所述物联网数据分团的锚定数组以及和所述第一物联网数据分团的搜索数组之间的共性度量结果,将所述共性度量结果确定为所述共性度量评分;
所述依据多个所述分团表征数组对应的共性度量评分,对多个所述分团表征数组进行第一数组融合操作,得到所述第一物联网数据分团的融合表征数组,包括:
依据多个所述分团表征数组对应的共性度量评分,对多个所述结果数组进行第一数组融合操作,得到所述第一物联网数据分团的融合表征数组;
所述获取所述对比物联网数据簇包括的第二物联网数据分团的分团表征数组,包括:
将所述对比物联网数据簇包括的第二物联网数据分团进行特征映射,得到所述第二物联网数据分团的物联网数据分团数组;
对所述物联网数据分团数组进行线性映射操作,得到所述第二物联网数据分团的临时搜索数组Q1、临时锚定数组K1以及临时结果数组V1;
对所述临时搜索数组Q1进行第一降采样操作,得到所述搜索数组;对所述临时锚定数组K1进行第二降采样操作,依据所述数据簇间隔对所述第二降采样操作获得的结果进行处理,得到所述锚定数组;对所述临时结果数组V1进行第三降采样操作,依据所述数据簇间隔对所述第三降采样操作获得的结果进行处理,得到所述结果数组;其中,所述依据所述数据簇间隔,对所述第二降采样操作获得的结果进行处理,得到所述锚定数组,包括:如果所述数据簇间隔符合数据簇间隔预设值,则对所述第二降采样操作获得的结果进行第一表征数组编码处理,得到所述锚定数组;如果所述数据簇间隔不符合所述数据簇间隔预设值,则对所述第二降采样操作获得的结果进行第二表征数组编码处理,得到所述锚定数组,其中,所述第一表征数组编码处理获得的表征数组稀疏性大于所述第二表征数组编码处理获得的表征数组稀疏性。
作为一种实施方式,所述以所述目标物联网数据簇以及所述对比物联网数据簇包括的第二物联网数据分团为对照,对所述第一物联网数据分团进行表征数组编码,得到所述第一物联网数据分团的物联网数据分团表征数组,包括:
将所述目标物联网数据簇和所述对比物联网数据簇包括的第二物联网数据分团作为对照,对所述第一物联网数据分团进行不少于两次表征数组编码,得到每次表征数组编码获得的临时物联网数据分团表征数组;
将每次表征数组编码获得的临时物联网数据分团表征数组进行融合,得到所述第一物联网数据分团的物联网数据分团表征数组。
作为一种实施方式,所述对多个所述物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到所述物联网监测大数据集的监测大数据表征数组,包括:
对于每一所述物联网数据簇,将所述物联网数据簇中不少于两个连续的所述第一物联网数据分团的物联网数据分团表征数组进行融合,得到所述物联网数据簇对应的多个临时物联网数据分团表征数组;
对于每一所述临时物联网数据分团表征数组,将所述多个临时物联网数据分团表征数组以及所述对比物联网数据簇包括的第二物联网数据分团的表征数组作为对照,对所述临时物联网数据分团表征数组进行表征数组编码,得到所述物联网数据簇对应的融合物联网数据分团表征数组;
对多个所述物联网数据簇对应的融合物联网数据分团表征数组进行表征数组融合处理,得到所述物联网监测大数据集的监测大数据表征数组。
第二方面,本申请实施例提供了一种通信物联管理系统,包括物联数据服务器、物联网网关、物联设备和/或物联传感器,所述物联数据服务器与至少一个所述物联网网关通信连接,所述物理网网关被配置为获取所述物联设备和/或所述物联传感器的物联数据,并按照预设的协议转换策略生成物联网监测大数据集,所述物联网监测大数据集包括多个按照采集时间拆解的连续的物联网数据簇;所述物联数据服务器包括存储器和处理器,所述存储器存储有计算机程序,当所述处理器运行所述计算机程序时,实现以上所述的方法。
本申请实施例提供的基于大数据的通信物联管理方法及系统,通过获取物联网监测大数据集,将物联网监测大数据集中的多个物联网数据簇分别拆解成M个第一物联网数据分团,对于物联网监测大数据集中的目标物联网数据簇,获取对比物联网数据簇与目标物联网数据簇间的数据簇间隔,依据数据簇间隔将对比物联网数据簇拆解成N个第二物联网数据分团;基于此,能够针对目标物联网数据簇中的每个第一物联网数据分团,以目标物联网数据簇和对比物联网数据簇包括的第二物联网数据分团为对照,对第一物联网数据分团进行表征数组编码,得到第一物联网数据分团的物联网数据分团表征数组,同时对每个物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到物联网监测大数据集的监测大数据表征数组,提高了大数据表征数组编码的准确度,进而提升了确定到的物联网运行状态分类结果的准确性,使得基于分类结果的管理策略确定更加精准;另外,对比物联网数据簇为物联网监测大数据集中除目标物联网数据簇外的其他物联网数据簇,N的大小和对比物联网数据簇与目标物联网数据簇间的数据簇间隔呈反向关联,换言之,对比物联网数据簇与目标物联网数据簇间的数据簇间隔的越大,对比物联网数据簇包括的物联网数据分团的数目越少,基于此,在以对比物联网数据簇包括的物联网数据分团为对照对目标物联网数据簇的物联网数据分团进行表征数组编码的过程中,表征数组编码所需要处理的数据量降低,减少了运算开销且提升了大数据表征数组编码的速度。
在后面的描述中,将部分地陈述其他的特征。在检查后面内容和附图时,本领域的技术人员将部分地发现这些特征,或者可以通过生产或运用了解到这些特征。通过实践或使用后面所述详细示例中列出的方法、工具和组合的各个方面,当前申请中的特征可以被实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
附图中的方法、系统和/或程序将根据示例性实施例进一步描述。这些示例性实施例将参照图纸进行详细描述。这些示例性实施例是非限制的示例性实施例,其中参考数字在附图的各个视图中代表相似的机构。
图1是根据本申请的一些实施例所示的通信物联管理系统的系统组成示意图。
图2是根据本申请的一些实施例所示的一种物联数据服务器中硬件和软件组成的示意图。
图3是根据本申请的一些实施例所示的一种基于大数据的通信物联管理方法的流程图。
图4是本申请实施例提供的通信物联管理装置的架构示意图。
具体实施方式
为了更好的理解上述技术方案,下面通过附图以及具体实施例对本申请技术方案做详细的说明,应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明,而不是对本申请技术方案的限定,在不冲突的情况下,本申请实施例以及实施例中的技术特征可以相互组合。
在下面的详细描述中,通过实例阐述了许多具体细节,以便提供对相关指导的全面了解。然而,对于本领域的技术人员来说,显然可以在没有这些细节的情况下实施本申请。在其他情况下,公知的方法、程序、系统、组成和/或电路已经在一个相对较高水平上被描述,没有细节,以避免不必要的模糊本申请的方面。
这些和其他特性、当前申请披露的功能、执行的方法、结构中相关元素的功能和部件的组合和生产经济性,在参照附图进行以下描述的考虑中可能会变得更加明显,所有这些形成本申请的一部分。然而,需要理解清楚的是,附图仅仅是为了说明和描述的目的,并不旨在限制本申请的范围。应当了解的是,这些图纸不是按比例绘制的。然而,应当明确理解的是,附图仅用于说明和描述的目的,并不意图限制本申请的范围。应当知晓的是,这些附图并不依照比例。
本申请中使用流程图说明根据本申请的实施例的系统所执行的执行过程。应当明确理解的是,流程图的执行过程可以不按顺序执行。相反,这些执行过程可以以相反的顺序或同时执行。另外,可以将至少一个其他执行过程添加到流程图。一个或多个执行过程可以从流程图中删除。
图1是根据本申请的一些实施例所示的通信物联管理系统500的组成示意图,通信物联管理系统500包括物联数据服务器100、物联网网关300、物联设备400和/或物联传感器400。物联数据服务器100(对服务器类型不做限定)与至少一个物联网网关300通过网络200(对网络类型不做限定)通信连接,物理网网关300(对网关类型不做限定)被配置为获取物联设备400和/或物联传感器400((对物联设备和传感器的类型不做限定)的物联数据,并按照预设的协议转换策略生成物联网监测大数据集,物联网监测大数据集包括多个按照采集时间拆解的连续的物联网数据簇。可以理解,预设的协议转换策略可以是现有通用的数据转换协议,根据实际的数据协议进行适配,此处不做限定。
在一些实施例中,请参照图2,是物联数据服务器100的架构示意图,该物联数据服务器100包括通信物联管理装置110、存储器120、处理器130和通信单元140。存储器120、处理器130以及通信单元140各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。通信物联管理装置110包括至少一个可以软件或固件(firmware)的形式存储于存储器120中或固化在物联数据服务器100的操作系统(operating system,OS)中的软件功能模块。处理器130用于执行存储器120中存储的可执行模块,例如通信物联管理装置110所包括的软件功能模块及计算机程序等。
其中,所述存储器120可以是,但不限于,随机存取存储器(Random AccessMemory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(ProgrammableRead-Only Memory,PROM),可擦除只读存储器(Erasable Programmable Read-OnlyMemory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-OnlyMemory,EEPROM)等。其中,存储器120用于存储程序,处理器130在接收到执行指令后,执行所述程序。通信单元140用于通过网络建立物联数据服务器100与物联网网关300之间的通信连接,并用于通过网络收发数据。
处理器可能是一种集成电路芯片,具有信号的处理能力。上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(NetworkProcessor,NP)等;还可以是数字信号处理器(DSP))、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
可以理解,图2所示的结构仅为示意,物联数据服务器100还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
图3是根据本申请的一些实施例所示的一种基于大数据的通信物联管理方法的流程图,该方法应用于图1中的物联数据服务器100,具体可以包括以下步骤STEP 10~STEP60。在以下步骤STEP 10~STEP 60的基础上,将对一些可选实施例进行说明,这些实施例应当理解为示例,不应理解为实现本方案所必不可少的技术特征。
STEP 10:响应于数据分析指令,获取物联网监测大数据集。
本申请实施例中,数据分析指令用于激发服务器开启物联网监测大数据集的分析处理,以获取物联网监测大数据集对应的运行状态分类结果。容易理解,在物联网系统中,包含大量传感器组成的传感网络,以实时采集物联设备的运行数据、以及物联环境数据等,通过对物联网监测大数据集进行分析得到运行状态分类结果,可以明确物联设备的运行情况和现实环境运营的趋势,便于决策者作出预判和提前作出响应,举例而言,可以预判机械设备的故障,提前进行干预,缓解设备故障导致的生产损失。
STEP 20:将物联网监测大数据集中的多个物联网数据簇分别拆解成M个第一物联网数据分团。
本申请实施例中,通过获取物联网监测大数据集,物联网监测大数据集包括多个按照采集时间拆解的连续的物联网数据簇,例如每个物联网数据簇中的物联网数据是按照预设的采集周期归集的。接着,对于多个物联网数据簇中的每一个物联网数据簇而言,将该物联网数据簇进行拆解或者时候切分,得到物联网数据簇包括的第一物联网数据分团,具体而言,可以事先确定将物联网数据簇拆解后得到的第一物联网数据分团的数量M,依据数量M对该物联网数据簇进行拆解,将该物联网数据簇拆解成M个第一物联网数据分团,M≥1。基于此,将物联网监测大数据集中的多个物联网数据簇分别拆解成M个第一物联网数据分团。
STEP 30:对于物联网监测大数据集中的目标物联网数据簇,获取对比物联网数据簇与目标物联网数据簇间的数据簇间隔,依据数据簇间隔将对比物联网数据簇拆解成N个第二物联网数据分团。
本申请实施例中,对比物联网数据簇为物联网监测大数据集中除目标物联网数据簇外的其他物联网数据簇,N与数据簇间隔呈反向关联,N≥1。对物联网监测大数据集进行表征数组编码时,可以对物联网监测大数据集中的多个物联网数据簇分别进行表征数组编码,该目标物联网数据簇是目前正在进行表征数组编码处理(即将物联网数据映射为特征矢量,完成其特征提取,表征数组可以是一维数组(即向量)或二维数组(即矩阵),还可以是三维数组(多阶张量)等,具体可以根据实际的物联网数据结构确定个)的物联网数据簇。对于目标物联网数据簇,先确定目标物联网数据簇对应的对比物联网数据簇,该对比物联网数据簇为物联网监测大数据集中除目标物联网数据簇外的其他物联网数据簇,对比物联网数据簇的数量不少于一个。接着,对于每个对比物联网数据簇,获取对比物联网数据簇与目标物联网数据簇之间的数据簇间隔,基于该数据簇间隔确定用于对该对比物联网数据簇进行拆解的数量N,再将对比物联网数据簇拆解成N个第二物联网数据分团。N的大小与数据簇间隔呈反向关联(不限制是线性还是非线性),换言之,数据簇间隔越大,N越来越小。作为一种实施方式,可基于以下步骤获取对比物联网数据簇与目标物联网数据簇间的数据簇间隔:获取对比物联网数据簇与目标物联网数据簇之间的物联网数据簇的数据簇个数,将数据簇个数确定为对比物联网数据簇与目标物联网数据簇间的数据簇间隔;或者,获取对比物联网数据簇的数据簇生成时间戳以及和目标物联网数据簇的数据簇生成时间戳之间的时间戳差值,并将时间戳差值确定为对比物联网数据簇与目标物联网数据簇间的数据簇间隔。具体而言,对比物联网数据簇与目标物联网数据簇之间的数据簇间隔可以基于对比物联网数据簇与目标物联网数据簇之间的物联网数据簇的数据簇个数进行表示,则在获取对比物联网数据簇与目标物联网数据簇间的数据簇间隔时,可以获取对比物联网数据簇与目标物联网数据簇之间的物联网数据簇的数据簇个数,以将该数据簇个数确定为对比物联网数据簇与目标物联网数据簇间的数据簇间隔。具体而言,对比物联网数据簇与目标物联网数据簇之间的数据簇间隔还可以基于对比物联网数据簇的数据簇生成时间戳以及和目标物联网数据簇的数据簇生成时间戳之间的时间戳差值进行表示,则在获取对比物联网数据簇与目标物联网数据簇间的数据簇间隔的过程中,可以获取对比物联网数据簇的数据簇生成时间戳以及和目标物联网数据簇的数据簇生成时间戳之间的时间戳差值,以将时间戳差值确定为对比物联网数据簇与目标物联网数据簇间的数据簇间隔。
作为一种实施方式,确定用于对比物联网数据簇的拆解方式的数量N的步骤可以具体包括:获取数据簇间隔和拆解数量间的对应信息(即数据簇间隔和拆解数量之间可以预先进行映射),拆解数量用于指示对比物联网数据簇的拆解方式;依据数据簇间隔以及对应信息确定数据簇间隔对应的目标拆解数量,将目标拆解数量确定为N。具体而言,可以实现设置数据簇间隔和拆解数量间的对应信息,对应信息可以通过对应信息公式进行表征,比如拆解数量=β×数据簇间隔+基础数量,其中,β<0。接着,依据对比物联网数据簇与目标物联网数据簇间的数据簇间隔和该对应信息,确定数据簇间隔对应的目标拆解数量,以将目标拆解数量确定为N,再将对比物联网数据簇拆解成N个第二物联网数据分团。
作为一种实施方式,确定用于对比物联网数据簇的拆解方式的数量N还可以是基于如下步骤实现的:获取对比物联网数据簇对应的多个数据簇间隔范围,每个数据簇间隔范围匹配有对应的拆解数量,拆解数量用于指示对比物联网数据簇的拆解方式;在多个数据簇间隔范围中确定数据簇间隔所位于的目标数据簇间隔范围,将目标数据簇间隔范围对应的拆解数量确定为N。具体而言,可以事先设置多个数据簇间隔范围,每个数据簇间隔范围匹配有对应的拆解数量,如果对对比物联网数据簇进行拆解时,在多个数据簇间隔范围中确定数据簇间隔所位于的目标数据簇间隔范围,将目标数据簇间隔范围对应的拆解数量确定为N,再将对比物联网数据簇拆解成N个第二物联网数据分团。
STEP 40:对于目标物联网数据簇中的各第一物联网数据分团,以目标物联网数据簇以及对比物联网数据簇包括的第二物联网数据分团为对照,对第一物联网数据分团进行表征数组编码,得到第一物联网数据分团的物联网数据分团表征数组。
依据步骤STEP 20获取到目标物联网数据簇包括的M个第一物联网数据分团,依据步骤STEP 30获取到对比物联网数据簇包括的N个第二物联网数据分团,在步骤STEP 40中,针对目标物联网数据簇中的每个第一物联网数据分团分别进行以下步骤以获取每个第一物联网数据分团的物联网数据分团表征数组:以目标物联网数据簇包括的各第一物联网数据分团、对比物联网数据簇包括的各第二物联网数据分团为对照,对第一物联网数据分团进行表征数组编码,得到第一物联网数据分团的物联网数据分团表征数组。
作为一种实施方式,本申请实施例提供的基于大数据的通信物联管理方法中,以目标物联网数据簇以及对比物联网数据簇包括的第二物联网数据分团为对照,对第一物联网数据分团进行表征数组编码,得到第一物联网数据分团的物联网数据分团表征数组的步骤具体可以包括:
(41),获取目标物联网数据簇包括的第一物联网数据分团的分团表征数组,以及获取对比物联网数据簇包括的第二物联网数据分团的分团表征数组;
(42),分别获取每一分团表征数组与第一物联网数据分团的分团表征数组之间的共性度量评分;
(43),依据多个分团表征数组对应的共性度量评分,对多个分团表征数组进行第一数组融合操作,得到第一物联网数据分团的融合表征数组;
(44),将第一物联网数据分团的分团表征数组和融合表征数组进行第二数组融合操作,得到第一物联网数据分团的物联网数据分团表征数组。
在(41)中,得到了目标物联网数据簇包括的第一物联网数据分团的分团表征数组以及每个对比物联网数据簇包括的第二物联网数据分团的分团表征数组。在(42)中,将第一物联网数据分团的分团表征数组分别和得到的每个分团表征数组(包括第一物联网数据分团的分团表征数组本体)进行共性度量结果(又称相似性度量结果,表征二者相似程度的矢量)的确定,得到各分团表征数组与第一物联网数据分团的分团表征数组之间的共性度量评分,共性度量评分例如基于向量欧几里得距离、明氏距离计算得到,本申请对此不做限定。步骤(43)中,基于各个分团表征数组对应的共性度量评分对多个分团表征数组进行第一数组融合操作,得到第一物联网数据分团的融合表征数组,可以是将各分团表征数组对应的共性度量评分确定为相应分团表征数组的影响系数(例如设置的权值数值),对多个分团表征数组进行权值系数分配计算(即将分团表征数组乘以对应的影响系数),完成加权,得到第一物联网数据分团的融合表征数组。步骤(44)中将第一物联网数据分团的分团表征数组和(43)得到的融合表征数组在进行第二数组融合操作,得到第一物联网数据分团的物联网数据分团表征数组,比如将第一物联网数据分团的分团表征数组和融合表征数组拼接,获得第一物联网数据分团的物联网数据分团表征数组。
作为一种实施方式,步骤(43)具体可以包括:
(431),对各分团表征数组对应的共性度量评分进行标准化操作,并将操作获得的标准化结果确定为对应的分团表征数组的影响系数;
(432),依据多个分团表征数组的影响系数,对多个分团表征数组进行权值分配计算并相加,得到第一物联网数据分团的融合表征数组。
具体而言,对多个分团表征数组对应的共性度量评分进行标准化操作,以将操作获得的标准化结果确定为对应的分团表征数组的影响系数,如此,依据多个分团表征数组的影响系数,对多个分团表征数组进行权值分配计算并相加,得到第一物联网数据分团的融合表征数组。作为一种实施方式,分团表征数组包括搜索数组、锚定数组以及结果数组,那么,步骤(42)具体可以包括:分别获取每一物联网数据分团的锚定数组以及和第一物联网数据分团的搜索数组之间的共性度量结果,并将共性度量结果确定为共性度量评分;步骤(43)可具体可以包括:依据多个分团表征数组对应的共性度量评分,对多个结果数组进行第一数组融合操作,得到第一物联网数据分团的融合表征数组。
具体而言,每个物联网数据分团的分团表征数组包括搜索数组、锚定数组和结果数组可理解为键值对向量,即将物联网数据分团的表征数组分别投影关联至三个不同的数组值域,分别获得对应的搜索数组、锚定数组和结果数组。在确定各个物联网数据分团的分团表征数组和第一物联网数据分团的分团表征数组之间的共性度量评分时,通过计算每个物联网数据分团的锚定数组与第一物联网数据分团的搜索数组之间的共性度量结果,以将共性度量结果确定为共性度量评分。在对多个物联网数据分团的分团表征数组进行第一数组融合操作时,可以对多个物联网数据分团的结果数组进行第一数组融合操作,得到第一物联网数据分团的融合表征数组。
作为一种实施方式,分团表征数组包括搜索数组、锚定数组以及结果数组,则步骤(41)具体可以包括:
(411),将对比物联网数据簇包括的第二物联网数据分团进行特征映射,得到第二物联网数据分团的物联网数据分团数组;
(412),对物联网数据分团数组进行线性映射操作,得到第二物联网数据分团的临时搜索数组Q1、临时锚定数组K1以及临时结果数组V1;
(413),对临时搜索数组Q1进行第一降采样操作,得到搜索数组;
(414),对临时锚定数组K1进行第二降采样操作,依据数据簇间隔,对第二降采样操作获得的结果进行处理,得到锚定数组;
(415),对临时结果数组V1进行第三降采样操作,依据数据簇间隔,对第三降采样操作获得的结果进行处理,得到结果数组。
具体而言,每个物联网数据分团的分团表征数组包括搜索数组、锚定数组和结果数组,假定获取对比物联网数据簇包括的第二物联网数据分团的分团表征数组,对搜索数组、锚定数组和结果数组的获取进行描述,步骤(411)中,对第二物联网数据分团进行特征映射,得到第二物联网数据分团的物联网数据分团数组,如对第二物联网数据分团进行表征数组提取,得到物联网数据分团字符,然后对物联网数据分团字符进行嵌入操作得到物联网数据分团数组。步骤(412)中,对物联网数据分团数组进行线性映射操作,得到第二物联网数据分团的临时搜索数组Q1、临时锚定数组K1和临时结果数组V1,例如,将物联网数据分团的表征数组基于线性映射方式,映射到三个不同的数组值域,获得临时搜索数组Q1、临时锚定数组K1和临时结果数组V1。步骤(413)中,对临时搜索数组Q1进行第一降采样操作得到搜索数组,可以是基于第一降采样单元(如max pooling),基于预设的第一池化核尺寸对临时搜索数组Q1进行第一降采样操作,得到搜索数组,步骤(414)中,对临时锚定数组K1进行第二降采样操作,依据数据簇间隔,对第二降采样操作获得的结果进行处理得到锚定数组,可以是基于第二降采样单元,依据预设的第二池化核尺寸对临时锚定数组K1进行第二降采样操作,将依据对比物联网数据簇和目标物联网数据簇的数据簇间隔,对第二降采样操作获得的结果进行处理得到锚定数组,步骤(415)中,对临时结果数组V1进行第三降采样操作,依据数据簇间隔对第三降采样操作获得的结果进行处理得到结果数组,可以是基于第三降采样单元,依据预设的第三池化核尺寸对临时结果数组V1进行第三降采样操作,将依据对比物联网数据簇和目标物联网数据簇的数据簇间隔,对第三降采样操作获得的结果进行处理得到结果数组。
作为一种实施方式,步骤(414)可具体包括:
(4141),如果数据簇间隔符合数据簇间隔预设值,则对第二降采样操作获得的结果进行第一表征数组编码处理得到锚定数组;
(4142),如果数据簇间隔未符合数据簇间隔预设值,则对第二降采样操作获得的结果进行第二表征数组编码处理,得到锚定数组。其中,第一表征数组编码处理获得的表征数组稀疏性大于第二表征数组编码处理获得的表征数组稀疏性。
具体而言,因为数据簇间隔目标物联网数据簇符合数据簇间隔预设值的对比物联网数据簇,与目标物联网数据簇的相关性不大于预设值,则可以对对比物联网数据簇进行稀疏性高的第一表征数组编码处理,此外因为数据簇间隔目标物联网数据簇不符合数据簇间隔预设值的对比物联网数据簇,与目标物联网数据簇的相关性大于预设值,则可以对该对比物联网数据簇进行稀疏性低的第二表征数组编码处理,基于此,提升了表征数组编码的准确度和速度。
步骤(4141)中,如果数据簇间隔符合数据簇间隔预设值,则对第二降采样操作获得的结果进行第一表征数组编码处理,例如对第二降采样操作获得的结果进行整体表征数组编码处理得到锚定数组,例如基于整体下采样处理完成整体表征数组编码处理。步骤(4142)中,如果数据簇间隔未符合数据簇间隔预设值,则对第二降采样操作获得的结果进行第二表征数组编码处理,例如对第二降采样操作获得的结果进行下采样,再对下采样结果进行表征数组编码得到锚定数组。
作为一种实施方式,步骤(415)具体可以包括:
(4151),如果数据簇间隔符合数据簇间隔预设值,则对第三降采样操作获得的结果进行第一表征数组编码处理得到结果数组;
(4152),如果数据簇间隔未符合数据簇间隔预设值,则对第三降采样操作获得的结果进行第二表征数组编码处理得到结果数组。其中,第一表征数组编码处理获得的表征数组稀疏性大于第二表征数组编码处理获得的表征数组稀疏性。
作为一种实施方式,以目标物联网数据簇以及对比物联网数据簇包括的第二物联网数据分团为对照,可以基于下述步骤对第一物联网数据分团进行表征数组编码,得到第一物联网数据分团的物联网数据分团表征数组:以目标物联网数据簇以及对比物联网数据簇包括的第二物联网数据分团为对照,对第一物联网数据分团进行不少于两次表征数组编码,得到每次表征数组编码获得的临时物联网数据分团表征数组;将每次表征数组编码获得的临时物联网数据分团表征数组进行融合(如拼接或相加),得到第一物联网数据分团的物联网数据分团表征数组。
具体而言,为令获取到的表征数组更精确,重复以上表征数组编码,比如预先分配表征数组编码的重复次数,以目标物联网数据簇和对比物联网数据簇包括的第二物联网数据分团为对照,对第一物联网数据分团按照该次数进行表征数组编码,得到每次表征数组编码获得的临时物联网数据分团表征数组,将每次表征数组编码获得的临时物联网数据分团表征数组进行融合得到第一物联网数据分团的物联网数据分团表征数组。
STEP 50:对各物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到物联网监测大数据集的监测大数据表征数组。
本申请实施例中,STEP 40得到物联网监测大数据集中多个物联网数据簇包括的各个第一物联网数据分团的物联网数据分团表征数组后,在STEP50中对物联网监测大数据集中多个物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到物联网监测大数据集的监测大数据表征数组。例如,将各物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组拼接(或相加、作积)得到监测大数据表征数组。
作为一种实施方式,STEP 50具体可以包括:
(501),对于各物联网数据簇,将物联网数据簇中不少于两个连续的第一物联网数据分团的物联网数据分团表征数组进行融合(如拼接),得到物联网数据簇对应的多个临时物联网数据分团表征数组;
(502),对于每个临时物联网数据分团表征数组,以多个临时物联网数据分团表征数组以及对比物联网数据簇包括的第二物联网数据分团的表征数组为对照,对临时物联网数据分团表征数组进行表征数组编码,得到物联网数据簇对应的融合物联网数据分团表征数组;
(503),对各物联网数据簇对应的融合物联网数据分团表征数组进行表征数组融合处理,得到物联网监测大数据集的监测大数据表征数组。
步骤(501)中,对于多个物联网数据簇,在对于各第一物联网数据分团进行表征数组编码后,将物联网数据簇中的不少于两个连续的第一物联网数据分团的物联网数据分团表征数组进行拼接,得到物联网数据簇对应的多个临时物联网数据分团表征数组。步骤(502)中,对于每个临时物联网数据分团表征数组,以多个临时物联网数据分团表征数组以及对比物联网数据簇包括的第二物联网数据分团的表征数组为对照,对临时物联网数据分团表征数组再进行表征数组编码,得到该物联网数据簇对应的融合物联网数据分团表征数组。步骤(503)中,对各物联网数据簇对应的融合物联网数据分团表征数组进行表征数组融合处理得到监测大数据表征数组。
STEP 60:对大数据表征数组进行全连接映射,得到物联网监测大数据集对应的运行状态分类结果,并基于预设的分类映射关系,确定与运行状态分类结果对应的管理策略。
该步骤中,全连接映射可以是基于事先设置的全连接层(FC)进行,或者基于预设的分类器(二分类或多分类)、逻辑回归分析等方式对大数据表征数组进行分类预测,得到物联网监测大数据集对应的运行状态分类结果。本申请实施例事先可以设置运行状态分类和管理策略的映射关系,当获取到运行状态分类结果时,直接基于映射关系调取匹配的管理策略进行管理即可。具体的映射关系可以根据实际情况进行配置,本申请对此不做限定。
本申请实施例提供的基于大数据的通信物联管理方法可以通过任意可行的人工智能网络(AI模型)执行,例如CNN、RNN、LSTM、DNN等AI模型。AI模型包括表征数组编码网络,表征数组编码网络可以包括三个(或者更多)表征数组编码分支网络,表征数组编码网络用于对物联网监测大数据集中的物联网数据簇包括的物联网数据分团进行表征数组编码,得到各物联网数据分团的物联网数据分团表征数组,此外,AI模型还包括特征映射网络、物联网数据分团表征数组融合网络。
基于AI模型对物联网监测大数据集进行处理的过程中,具体可以包括:
(A),将物联网监测大数据集中的多个物联网数据簇分别拆解成M个第一物联网数据分团,并对于物联网监测大数据集中的目标物联网数据簇,依据对比物联网数据簇与目标物联网数据簇间的数据簇间隔将对比物联网数据簇拆解成N个第二物联网数据分团。
(B),将物联网监测大数据集包括的第一物联网数据分团以及第二物联网数据分团加载到AI模型的特征映射网络。
(C),基于特征映射网络将第一物联网数据分团进行特征映射,得到第一物联网数据分团的物联网数据分团数组;将对比物联网数据簇包括的第二物联网数据分团进行特征映射,得到第二物联网数据分团的物联网数据分团数组。
(D),对于目标物联网数据簇中的各第一物联网数据分团,通过表征数组编码网络,以多个物联网数据分团数组为对照,对第一物联网数据分团的物联网数据分团数组进行表征数组编码,得到第一物联网数据分团的物联网数据分团表征数组,以通过表征数组编码网络输出物联网监测大数据集的各个第一物联网数据分团的物联网数据分团表征数组。
步骤(D)中,每个表征数组编码网络分配有对应的表征数组编码次数,基于表征数组编码网络,以多个物联网数据分团数组为对照,对第一物联网数据分团的物联网数据分团数组进行表征数组编码次数的表征数组编码,得到每次表征数组编码获得的临时物联网数据分团表征数组,接着将每次表征数组编码获得的临时物联网数据分团表征数组进行融合得到第一物联网数据分团的物联网数据分团表征数组,不同分支的表征数组编码网络,第一物联网数据分团的大小可以相同或不同。
(E),基于物联网数据分团表征数组融合网络对各个第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到物联网监测大数据集的监测大数据表征数组。
具体而言,AI模型在对物联网监测大数据集进行运行状态分类时,AI模型还可以包括表征数组推理网络(例如包括全连接单元),进行分类推理预测,依据获取到的物联网监测大数据集的监测大数据表征数组,基于表征数组推理网络推理物联网监测大数据集的分类结果。
进一步而言,本申请实施例中,表征数组编码网络具体可以包括:线性映射网络(具体可以包括三个表征数组值域各自对应的线性映射网络,分别为第一线性映射分支网络、第二线性映射分支网络、第三线性映射分支网络)、降采样操作网络(具体可以包括三个子单元,分别为第一降采样单元、第二降采样单元、第三降采样单元)、第一表征数组编码网络、第二表征数组编码网络、第四降采样单元、共性度量结果计算网络、标准化执行网络、第一表征数组融合网络(进行表征数组融合处理)、第二表征数组融合网络(对第一物联网数据分团的分团表征数组和融合表征数组进行相加和规范化,得到物联网数据分团表征数组)。那么,依据AI模型对第一物联网数据分团进行表征数组编码具体可以包括:
(I)将第一物联网数据分团进行特征映射,得到第一物联网数据分团的物联网数据分团数组;将对比物联网数据簇包括的第二物联网数据分团进行特征映射,得到第二物联网数据分团的物联网数据分团数组。
(II)通过第一线性映射分支网络对物联网数据分团数组进行线性映射操作,得到临时搜索数组Q1,通过第二线性映射分支网络对物联网数据分团数组进行线性映射操作,得到临时锚定数组K1,通过第三线性映射分支网络对物联网数据分团数组进行线性映射操作,得到临时结果数组V1。
(III)通过第一降采样单元对临时搜索数组Q1进行第一降采样操作,得到搜索数组,通过第二降采样单元对临时锚定数组K1进行第二降采样操作,通过第三降采样单元对临时结果数组V1进行第三降采样操作。
(IV)通过第一表征数组编码网络,依据数据簇间隔对第二降采样操作获得的结果进行处理,得到锚定数组,通过第二表征数组编码网络,依据数据簇间隔对第三降采样操作获得的结果进行处理,得到结果数组。
其中,如果数据簇间隔符合数据簇间隔预设值,则对第二降采样操作获得的结果进行第一表征数组编码处理,得到锚定数组;如果数据簇间隔不符合数据簇间隔预设值,则对第二降采样操作获得的结果进行第二表征数组编码处理,得到锚定数组。其中,第一表征数组编码处理获得的表征数组稀疏性大于第二表征数组编码处理获得的表征数组稀疏性。
下面对基于第二表征数组编码网络(第一表征数组编码网络和第二表征数组编码网络相同)得到结果数组详细说明,第二表征数组编码网络具体可以包括数组切分单元、整体降采样单元、线性变换单元(如卷积单元)、时序切分单元(基于时序切割对线性变换的池化值(即物联网监测大数据集中和目标物联网数据簇的数据簇间隔不符合数据簇间隔预设值的对比物联网数据簇涵盖的全部物联网数据分团的下采样值)时序切分,获得目标物联网数据簇的物联网数据分团的时序表征数组,并基于时序控件对切分获得的时序表征数组进行筛选,基于拼接单元对筛选的物联网数据分团所处目标物联网数据簇的紧邻物联网数据簇的时序表征数组进行连接得到物联网数据分团的结果数组)以及分团表征数组融合网络。
其中,通过数组切分单元确定分团表征数组所在对比物联网数据簇与目标物联网数据簇的数据簇间隔是否符合数据簇间隔预设值,如果数据簇间隔符合数据簇间隔预设值,则基于整体降采样单元对第三降采样操作获得的结果进行整体表征数组编码处理,得到物联网数据分团的结果数组,如果数据簇间隔不符合数据簇间隔预设值,则通过线性变换(卷积)对第三降采样操作的结果进行下采样,基于时序切分单元对下采样后的结果执行表征数组编码,得到物联网数据分团的结果数组,对各物联网数据分团的结果数组拼接后获取物联网监测大数据集中多个物联网数据簇的结果数组。
(V),通过第四降采样单元对第一物联网数据分团的分团表征数组进行降采样操作,得到第一物联网数据分团的降采样表征数组。
(VI),通过共性度量结果计算网络对分别获取每一物联网数据分团的锚定数组以及和第一物联网数据分团的搜索数组之间的共性度量结果。
(VII),通过标准化执行网络对各物联网数据分团对应的共性度量评分进行标准化操作,并将操作获得的标准化结果确定为对应的物联网数据分团对应的影响系数。
(VIII),通过第一表征数组融合网络依据各物联网数据分团对应的影响系数,对多个结果数组进行权值分配计算并相加,得到第一物联网数据分团的融合表征数组。
(IX),通过第二表征数组融合网络将第一物联网数据分团的分团表征数组和融合表征数组进行第二数组融合操作,得到第一物联网数据分团的物联网数据分团表征数组。
综上,本申请实施例通过获取物联网监测大数据集,将物联网监测大数据集中的多个物联网数据簇分别拆解成M个第一物联网数据分团,对于物联网监测大数据集中的目标物联网数据簇,获取对比物联网数据簇与目标物联网数据簇间的数据簇间隔,依据数据簇间隔将对比物联网数据簇拆解成N个第二物联网数据分团;基于此,能够针对目标物联网数据簇中的每个第一物联网数据分团,以目标物联网数据簇和对比物联网数据簇包括的第二物联网数据分团为对照,对第一物联网数据分团进行表征数组编码,得到第一物联网数据分团的物联网数据分团表征数组,同时对每个物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到物联网监测大数据集的监测大数据表征数组,提高了大数据表征数组编码的准确度,进而提升了确定到的物联网运行状态分类结果的准确性,使得基于分类结果的管理策略确定更加精准;另外,对比物联网数据簇为物联网监测大数据集中除目标物联网数据簇外的其他物联网数据簇,N的大小和对比物联网数据簇与目标物联网数据簇间的数据簇间隔呈反向关联,换言之,对比物联网数据簇与目标物联网数据簇间的数据簇间隔的越大,对比物联网数据簇包括的物联网数据分团的数目越少,基于此,在以对比物联网数据簇包括的物联网数据分团为对照对目标物联网数据簇的物联网数据分团进行表征数组编码的过程中,表征数组编码所需要处理的数据量降低,减少了运算开销且提升了大数据表征数组编码的速度。
请参照图4,是本发明实施例提供的通信物联管理装置110的功能模块架构示意图,该通信物联管理装置110可用于执行基于大数据的通信物联管理方法,其中,通信物联管理装置110包括:
数据获取模块111,用于响应于数据分析指令,获取物联网监测大数据集;
数据拆解模块112,用于将所述物联网监测大数据集中的多个物联网数据簇分别拆解成M个第一物联网数据分团;对于所述物联网监测大数据集中的目标物联网数据簇,获取对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔,依据所述数据簇间隔将所述对比物联网数据簇拆解成N个第二物联网数据分团;其中,所述对比物联网数据簇为所述物联网监测大数据集中除所述目标物联网数据簇外的其他物联网数据簇,所述N与所述数据簇间隔呈反向关联,所述M和N均为大于或等于1的正整数;
数据编码模块113,用于对于所述目标物联网数据簇中的每一所述第一物联网数据分团,以所述目标物联网数据簇以及所述对比物联网数据簇包括的第二物联网数据分团为对照,对所述第一物联网数据分团进行表征数组编码,得到所述第一物联网数据分团的物联网数据分团表征数组;
数组融合模块114,用于对多个所述物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到所述物联网监测大数据集的监测大数据表征数组;
数据分类模块115,用于对所述大数据表征数组进行全连接映射,得到所述物联网监测大数据集对应的运行状态分类结果,并基于预设的分类映射关系,确定与所述运行状态分类结果对应的管理策略。
其中,数据获取模块111可用于执行步骤STEP 10;数据拆解模块112可用于执行步骤STEP 20和STEP 30;数据编码模块113可用于执行步骤STEP 40;数组融合模块114可用于执行步骤STEP 50;数据分类模块115可用于执行步骤STEP 60。
由于在上述实施例中,已经对本发明实施例提供的基于大数据的通信物联管理方法进行了详细的介绍,而该通信物联管理装置110的原理与该方法相同,此处不再对通信物联管理装置110的各模块的执行原理进行赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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。在这点上,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,所述模块、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方式中,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,两个连续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,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,物联数据服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
需要理解的是,针对上述内容没有进行名词解释的技术术语,本领域技术人员可以根据上述所公开的内容进行前后推导毫无疑义地确定其所指代的含义。本申请实施例公开的上述内容对于本领域技术人员而言是清楚完整的。应当理解,本领域技术人员基于上述公开的内容对未作解释的技术术语进行推导和分析的过程是基于本申请所记载的内容进行的,因此上述内容并不是对整体方案的创造性的评判。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅作为示例,而并不构成对本申请的限定。虽然此处并没有明确说明,本领域技术人员可以对本申请进行各种修改、改进和修正。该类修改、改进和修正在本申请中被建议,所以该类修改、改进、修正仍属于本申请示范实施例的精神和范围。
同样应当理解的是,为了简化本申请揭示的表述,从而帮助对至少一个发明实施例的理解,前文对本申请实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法幷不意味着本申请对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
Claims (10)
1.一种基于大数据的通信物联管理方法,其特征在于,应用于物联数据服务器,所述物联数据服务器与至少一个物联网网关通信连接,所述物联网网关被配置为获取物联设备和/或物联传感器的物联数据,并按照预设的协议转换策略生成物联网监测大数据集,所述物联网监测大数据集包括多个按照采集时间拆解的连续的物联网数据簇,所述方法包括:
响应于数据分析指令,获取物联网监测大数据集;
将所述物联网监测大数据集中的多个物联网数据簇分别拆解成M个第一物联网数据分团;
对于所述物联网监测大数据集中的目标物联网数据簇,获取对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔,依据所述数据簇间隔将所述对比物联网数据簇拆解成N个第二物联网数据分团;其中,所述对比物联网数据簇为所述物联网监测大数据集中除所述目标物联网数据簇外的其他物联网数据簇,所述N与所述数据簇间隔呈反向关联,所述M和N均为大于或等于1的正整数;
对于所述目标物联网数据簇中的每一所述第一物联网数据分团,以所述目标物联网数据簇以及所述对比物联网数据簇包括的第二物联网数据分团为对照,对所述第一物联网数据分团进行表征数组编码,得到所述第一物联网数据分团的物联网数据分团表征数组;
对多个所述物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到所述物联网监测大数据集的监测大数据表征数组;
对所述大数据表征数组进行全连接映射,得到所述物联网监测大数据集对应的运行状态分类结果,并基于预设的分类映射关系,确定与所述运行状态分类结果对应的管理策略。
2.根据权利要求1所述的方法,其特征在于,所述获取对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔,包括:确定所述对比物联网数据簇与所述目标物联网数据簇之间的物联网数据簇的数据簇个数,将所述数据簇个数确定为所述对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔;
或者;
所述获取对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔,包括:获取所述对比物联网数据簇的数据簇生成时间戳以及和所述目标物联网数据簇的数据簇生成时间戳间的时间戳差值,将所述时间戳差值确定为所述对比物联网数据簇与所述目标物联网数据簇间的数据簇间隔。
3.根据权利要求1所述的方法,其特征在于,所述依据所述数据簇间隔将所述对比物联网数据簇拆解成N个第二物联网数据分团的步骤前,所述方法还包括:
获取数据簇间隔和拆解数量间的对应信息;其中,所述拆解数量用于指示所述对比物联网数据簇的拆解方式;
依据所述数据簇间隔以及所述对应信息,确定所述数据簇间隔对应的目标拆解数量,将所述目标拆解数量确定为所述N。
4.根据权利要求1所述的方法,其特征在于,所述依据所述数据簇间隔将所述对比物联网数据簇拆解成N个第二物联网数据分团的步骤之前,所述方法还包括:
获取所述对比物联网数据簇对应的多个数据簇间隔范围,每一所述数据簇间隔范围匹配有对应的拆解数量;其中,所述拆解数量用于指示所述对比物联网数据簇的拆解方式;
在所述多个数据簇间隔范围中确定所述数据簇间隔所位于的目标数据簇间隔范围,将所述目标数据簇间隔范围对应的拆解数量确定为所述N。
5.根据权利要求1所述的方法,其特征在于,所述以所述目标物联网数据簇以及所述对比物联网数据簇包括的第二物联网数据分团为对照,对所述第一物联网数据分团进行表征数组编码,得到所述第一物联网数据分团的物联网数据分团表征数组,包括:
获取所述目标物联网数据簇包括的第一物联网数据分团的分团表征数组,以及获取所述对比物联网数据簇包括的第二物联网数据分团的分团表征数组;
分别获取每一所述分团表征数组与所述第一物联网数据分团的分团表征数组之间的共性度量评分;
依据多个所述分团表征数组对应的共性度量评分对多个所述分团表征数组进行第一数组融合操作,得到所述第一物联网数据分团的融合表征数组;
将所述第一物联网数据分团的分团表征数组和所述融合表征数组进行第二数组融合操作,得到所述第一物联网数据分团的物联网数据分团表征数组。
6.根据权利要求5所述的方法,其特征在于,所述依据多个所述分团表征数组对应的共性度量评分对多个所述分团表征数组进行第一数组融合操作,得到所述第一物联网数据分团的融合表征数组,包括:
对多个所述分团表征数组对应的共性度量评分进行标准化操作,并将操作获得的标准化结果确定为对应的分团表征数组的影响系数;
依据多个所述分团表征数组的影响系数,对多个所述分团表征数组进行权值分配计算并相加,以获取到所述第一物联网数据分团的融合表征数组。
7.根据权利要求5所述的方法,其特征在于,所述分团表征数组包括搜索数组、锚定数组和结果数组;所述分别获取每一所述分团表征数组与所述第一物联网数据分团的分团表征数组之间的共性度量评分,包括:
分别获取每一所述物联网数据分团的锚定数组以及和所述第一物联网数据分团的搜索数组之间的共性度量结果,将所述共性度量结果确定为所述共性度量评分;
所述依据多个所述分团表征数组对应的共性度量评分,对多个所述分团表征数组进行第一数组融合操作,得到所述第一物联网数据分团的融合表征数组,包括:
依据多个所述分团表征数组对应的共性度量评分,对多个所述结果数组进行第一数组融合操作,得到所述第一物联网数据分团的融合表征数组;
所述获取所述对比物联网数据簇包括的第二物联网数据分团的分团表征数组,包括:
将所述对比物联网数据簇包括的第二物联网数据分团进行特征映射,得到所述第二物联网数据分团的物联网数据分团数组;
对所述物联网数据分团数组进行线性映射操作,得到所述第二物联网数据分团的临时搜索数组Q1、临时锚定数组K1以及临时结果数组V1;
对所述临时搜索数组Q1进行第一降采样操作,得到所述搜索数组;对所述临时锚定数组K1进行第二降采样操作,依据所述数据簇间隔对所述第二降采样操作获得的结果进行处理,得到所述锚定数组;对所述临时结果数组V1进行第三降采样操作,依据所述数据簇间隔对所述第三降采样操作获得的结果进行处理,得到所述结果数组;其中,所述依据所述数据簇间隔,对所述第二降采样操作获得的结果进行处理,得到所述锚定数组,包括:如果所述数据簇间隔符合数据簇间隔预设值,则对所述第二降采样操作获得的结果进行第一表征数组编码处理,得到所述锚定数组;如果所述数据簇间隔不符合所述数据簇间隔预设值,则对所述第二降采样操作获得的结果进行第二表征数组编码处理,得到所述锚定数组,其中,所述第一表征数组编码处理获得的表征数组稀疏性大于所述第二表征数组编码处理获得的表征数组稀疏性。
8.根据权利要求1所述的方法,其特征在于,所述以所述目标物联网数据簇以及所述对比物联网数据簇包括的第二物联网数据分团为对照,对所述第一物联网数据分团进行表征数组编码,得到所述第一物联网数据分团的物联网数据分团表征数组,包括:
将所述目标物联网数据簇和所述对比物联网数据簇包括的第二物联网数据分团作为对照,对所述第一物联网数据分团进行不少于两次表征数组编码,得到每次表征数组编码获得的临时物联网数据分团表征数组;
将每次表征数组编码获得的临时物联网数据分团表征数组进行融合,得到所述第一物联网数据分团的物联网数据分团表征数组。
9.根据权利要求1所述的方法,其特征在于,所述对多个所述物联网数据簇包括的第一物联网数据分团的物联网数据分团表征数组进行表征数组融合处理,得到所述物联网监测大数据集的监测大数据表征数组,包括:
对于每一所述物联网数据簇,将所述物联网数据簇中不少于两个连续的所述第一物联网数据分团的物联网数据分团表征数组进行融合,得到所述物联网数据簇对应的多个临时物联网数据分团表征数组;
对于每一所述临时物联网数据分团表征数组,将所述多个临时物联网数据分团表征数组以及所述对比物联网数据簇包括的第二物联网数据分团的表征数组作为对照,对所述临时物联网数据分团表征数组进行表征数组编码,得到所述物联网数据簇对应的融合物联网数据分团表征数组;
对多个所述物联网数据簇对应的融合物联网数据分团表征数组进行表征数组融合处理,得到所述物联网监测大数据集的监测大数据表征数组。
10.一种通信物联管理系统,其特征在于,包括物联数据服务器、物联网网关、物联设备和/或物联传感器,所述物联数据服务器与至少一个所述物联网网关通信连接,所述物联网网关被配置为获取所述物联设备和/或所述物联传感器的物联数据,并按照预设的协议转换策略生成物联网监测大数据集,所述物联网监测大数据集包括多个按照采集时间拆解的连续的物联网数据簇;所述物联数据服务器包括存储器和处理器,所述存储器存储有计算机程序,当所述处理器运行所述计算机程序时,实现如权利要求1~9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211539308.4A CN116150186B (zh) | 2022-12-02 | 2022-12-02 | 一种基于大数据的通信物联管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211539308.4A CN116150186B (zh) | 2022-12-02 | 2022-12-02 | 一种基于大数据的通信物联管理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116150186A CN116150186A (zh) | 2023-05-23 |
CN116150186B true CN116150186B (zh) | 2023-08-08 |
Family
ID=86339758
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211539308.4A Active CN116150186B (zh) | 2022-12-02 | 2022-12-02 | 一种基于大数据的通信物联管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116150186B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117978668B (zh) * | 2024-04-01 | 2024-06-04 | 北京大学 | 异质物联网信息传递方法、装置及非易失性存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113518072A (zh) * | 2021-04-19 | 2021-10-19 | 程博 | 一种基于物联网的大数据分析方法 |
CN113645279A (zh) * | 2021-07-27 | 2021-11-12 | 王博文 | 一种基于物联网的音频传输处理方法 |
CN114676119A (zh) * | 2022-01-11 | 2022-06-28 | 国家计算机网络与信息安全管理中心 | 基于多元数据的重要网络攻击团伙识别方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9999017B2 (en) * | 2015-09-21 | 2018-06-12 | Qualcomm Incorporated | Neighbor aware network cluster change for neighbor aware network data link |
-
2022
- 2022-12-02 CN CN202211539308.4A patent/CN116150186B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113518072A (zh) * | 2021-04-19 | 2021-10-19 | 程博 | 一种基于物联网的大数据分析方法 |
CN113645279A (zh) * | 2021-07-27 | 2021-11-12 | 王博文 | 一种基于物联网的音频传输处理方法 |
CN114676119A (zh) * | 2022-01-11 | 2022-06-28 | 国家计算机网络与信息安全管理中心 | 基于多元数据的重要网络攻击团伙识别方法 |
Non-Patent Citations (1)
Title |
---|
胡禹.基于MapReduce的大数据聚类挖掘算法的研究与应用.《CNKI优秀硕士学位论文全文库》.2019,I138-713. * |
Also Published As
Publication number | Publication date |
---|---|
CN116150186A (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113095370B (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN111046910A (zh) | 图像分类、关系网络模型训练、图像标注方法及装置 | |
CN116150186B (zh) | 一种基于大数据的通信物联管理方法及系统 | |
CN113887580A (zh) | 一种考虑多粒度类相关性的对比式开放集识别方法及装置 | |
CN115034315B (zh) | 基于人工智能的业务处理方法、装置、计算机设备及介质 | |
CN111612100A (zh) | 对象再识别方法、装置、存储介质及计算机设备 | |
CN113947101A (zh) | 一种基于软化相似性学习的无监督行人重识别方法和系统 | |
CN117523218A (zh) | 标签生成、图像分类模型的训练、图像分类方法及装置 | |
CN113569657A (zh) | 一种行人重识别方法、装置、设备及存储介质 | |
CN116113952A (zh) | 用于图像的属于分布内度量的分布之间的距离 | |
CN116958622A (zh) | 数据的分类方法、装置、设备、介质及程序产品 | |
CN117676099B (zh) | 基于物联网的安全预警方法及系统 | |
CN115277189A (zh) | 基于生成式对抗网络的无监督式入侵流量检测识别方法 | |
CN117591813B (zh) | 基于多维特征的复杂装备故障诊断方法及系统 | |
CN114863394A (zh) | 异常检测方法、装置、电子设备及计算机可读存储介质 | |
CN117591860A (zh) | 一种数据异常检测方法及装置 | |
CN112115994A (zh) | 图像识别模型的训练方法、装置、服务器及存储介质 | |
CN116543538A (zh) | 一种物联网消防电气预警方法及预警系统 | |
CN115984671A (zh) | 模型在线更新方法、装置、电子设备及可读存储介质 | |
CN112968968B (zh) | 基于无监督聚类的物联网设备流量指纹识别方法和装置 | |
CN115802355B (zh) | 一种移动物联网卡管理方法、装置及云平台 | |
CN117058498B (zh) | 分割图评估模型的训练方法、分割图的评估方法及装置 | |
CN117574328B (zh) | 基于扭矩数据的联轴器打滑分析方法及系统 | |
CN117171141B (zh) | 一种基于关系图谱的数据模型建模方法 | |
CN118035730B (zh) | 设备故障检测方法、电子设备及存储介质 |
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 |