CN117041069A - 应用人工智能的物联网设备运行数据分析方法及服务器 - Google Patents
应用人工智能的物联网设备运行数据分析方法及服务器 Download PDFInfo
- Publication number
- CN117041069A CN117041069A CN202311076174.1A CN202311076174A CN117041069A CN 117041069 A CN117041069 A CN 117041069A CN 202311076174 A CN202311076174 A CN 202311076174A CN 117041069 A CN117041069 A CN 117041069A
- Authority
- CN
- China
- Prior art keywords
- internet
- things
- equipment
- devices
- association
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 22
- 238000007405 data analysis Methods 0.000 title abstract description 5
- 230000000694 effects Effects 0.000 claims abstract description 66
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 239000013598 vector Substances 0.000 claims description 78
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000005065 mining Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 19
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/14—Network analysis or design
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/069—Management of faults, events, alarms or notifications using logs of notifications; Post-processing of notifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明实施例提供一种应用人工智能的物联网设备运行数据分析方法及服务器,基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,所述物联网设备运行关联序列包括所述各个物联网设备之间联动关联的设备运行日志,在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数,基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备,从而通过对物联网设备进行设备功能联动分析,以便于实现对物联网设备的共享性能决策。
Description
技术领域
本发明涉及人工智能技术领域,具体而言,涉及一种应用人工智能的物联网设备运行数据分析方法及服务器。
背景技术
物联网设备是一种先进的技术,它可以搭建出一个非常大的物联网系统,让信息能够随时被实时采集和传输,让网络能够实时监控被采集到的信息,并将信息自动输出,使用这种技术,各种设备和系统都能够与各种硬件或软件设备接口,实现远程连接和数据采集,它还可以利用无线传感器网络探测、监测和管理特定区域内的全部物体,使得检测和监控变得更加精准,可以说,物联网设备是一种可实现自动化管理的有效手段,可以有效地改善工作效率,节省大量的工作成本,为社会的发展和改善注入新的活力,随着时代的发展,物联网设备在我们的生活中无处不在,被越来越多的用户使用,当物联网设备在运行过程中需要对物联网设备运行数据进行分析,以确保物联网设备运行过程中的共享性能决策,而如何对物联网设备运行数据进行分析,确保物联网设备运行过程中的共享性能决策,是本领域亟待解决的技术问题。
发明内容
为解决上述问题,本发明提供一种应用人工智能的物联网设备运行数据分析方法,包括:
基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,所述设备运行日志中包含至少一个物联网设备运行活动;
对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,所述物联网设备运行关联序列包括所述各个物联网设备之间行为联动关联的设备运行日志;
在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数;
基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备。
一种可替代的实施方式,所述基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,包括:
获取所述各个物联网设备的设备运行活动数据;
基于所述设定的运行跟踪窗口,对所述各个物联网设备的设备运行活动数据进行数据跟踪,生成多个运行跟踪窗口的所述设备运行日志,所述多个运行跟踪窗口之间有设定跟踪共享时空域。
一种可替代的实施方式,所述对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,包括:
在一个所述运行跟踪窗口内,对所述设备运行日志中每两个物联网设备的物联网设备运行活动进行分析,生成所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列,所述设备运行态势向量序列包含至少一个设备运行态势向量;
将所述两个物联网设备的物联网设备运行活动之间的任意两个设备运行态势向量序列进行联动关联匹配,在所述联动关联匹配结果为联动关联时,确定所述任意两个设备运行态势向量序列存在关联关系;
在所述任意两个设备运行态势向量序列存在关联关系,且所述任意两个设备运行态势向量序列对应的两个物联网设备运行活动的运行时域间隔在设定间隔值内时,确定所述任意两个设备运行态势向量序列对应的两个物联网设备运行活动存在关联关系;
基于所述设备运行日志中确定的所述联动关联的物联网设备运行活动确定所述物联网设备运行关联序列。
一种可替代的实施方式,所述将所述两个物联网设备的物联网设备运行活动之间的任意两个设备运行态势向量序列进行联动关联匹配,包括:
获取所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量;
基于预置的匹配规则将任意两个设备运行态势向量序列之间的设备运行态势向量进行匹配,在所述匹配结果为联动关联时,确定所述两个物联网设备的物联网设备运行活动之间的设备运行态势向量存在关联关系;在所述任意两个设备运行态势向量序列之间有预设比例的设备运行态势向量联动关联时,确定所述任意两个设备运行态势向量序列存在关联关系。
一种可替代的实施方式,所述基于预置的匹配规则将任意两个设备运行态势向量序列之间的设备运行态势向量进行匹配,包括:
基于物联网设备屏蔽特征库对所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量进行分析;
在所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量均在所述物联网设备屏蔽特征库中时定确定所述两个物联网设备的物联网设备运行活动之间的设备运行态势向量存在关联关系。
一种可替代的实施方式,所述对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,还包括:
将所述物联网设备运行活动的运行调度向量进行融合,以对所述各个物联网设备的设备运行日志中的物联网设备运行活动进行初始化分析;
基于所述初始化分析后的设备运行日志确定所述物联网设备运行关联序列。
一种可替代的实施方式,所述在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数,包括:
基于所述物联网设备运行关联序列和物联网设备运行活动权重,对所述各个物联网设备的物联网设备运行关联序列进行汇聚,生成所述各个物联网设备之间的设备功能联动参数。
一种可替代的实施方式,所述基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备,包括:
基于所述各个物联网设备之间的设备功能联动参数进行知识图构建,以生成物联网设备关联知识图;
利用图算法对所述物联网设备关联知识图进行分析,生成所述共享物联网设备。
一种可替代的实施方式,方法还包括:
对所述共享物联网设备进行共享属性挖掘以确定所述共享物联网设备的共享参数值;
基于所述共享物联网设备的共享参数值对所述共享物联网设备的进行共享参数数据分享。
本发明还提供一种服务器,包括处理器以及可读存储介质,所述可读存储介质中存储有计算机程序,当所述计算机程序被所述处理器执行时实现以上任意一个方法所述的应用人工智能的物联网设备运行数据分析方法。
综上所述,本发明提供的应用人工智能的物联网设备运行数据分析方法及服务器,基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,所述物联网设备运行关联序列包括所述各个物联网设备之间联动关联的设备运行日志,在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数,基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备,从而通过对物联网设备进行设备功能联动分析,以便于实现对物联网设备的共享性能决策。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例中所需要依据的附图作简单地介绍,应当理解,以下附图仅是本发明的某些实施例,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,还可以依据这些附图得到其他相关的附图。
图1是本发明所提供的应用人工智能的物联网设备运行数据分析方法的流程示意图。
具体实施方式
图1是本发明提供的应用人工智能的物联网设备运行数据分析方法的流程示意图,该方法可由服务器执行,下面进行详细说明。
步骤S11,基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,所述设备运行日志中包含至少一个物联网设备运行活动;
步骤S12,用于对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,所述物联网设备运行关联序列包括所述各个物联网设备之间行为联动关联的设备运行日志;
步骤S13,用于在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数;
步骤S14,用于基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备。
基于以上步骤,本实施例基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,所述物联网设备运行关联序列包括所述各个物联网设备之间联动关联的设备运行日志,在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数,基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备,从而通过对物联网设备进行设备功能联动分析,以便于实现对物联网设备的共享性能决策。
一种可替代的实施方式,所述基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,包括:
获取所述各个物联网设备的设备运行活动数据;
基于所述设定的运行跟踪窗口,对所述各个物联网设备的设备运行活动数据进行数据跟踪,生成多个运行跟踪窗口的所述设备运行日志,所述多个运行跟踪窗口之间有设定跟踪共享时空域。
一种可替代的实施方式,所述对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,包括:
在一个所述运行跟踪窗口内,对所述设备运行日志中每两个物联网设备的物联网设备运行活动进行分析,生成所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列,所述设备运行态势向量序列包含至少一个设备运行态势向量;
将所述两个物联网设备的物联网设备运行活动之间的任意两个设备运行态势向量序列进行联动关联匹配,在所述联动关联匹配结果为联动关联时,确定所述任意两个设备运行态势向量序列存在关联关系;
在所述任意两个设备运行态势向量序列存在关联关系,且所述任意两个设备运行态势向量序列对应的两个物联网设备运行活动的运行时域间隔在设定间隔值内时,确定所述任意两个设备运行态势向量序列对应的两个物联网设备运行活动存在关联关系;
基于所述设备运行日志中确定的所述联动关联的物联网设备运行活动确定所述物联网设备运行关联序列。
一种可替代的实施方式,所述将所述两个物联网设备的物联网设备运行活动之间的任意两个设备运行态势向量序列进行联动关联匹配,包括:
获取所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量;
基于预置的匹配规则将任意两个设备运行态势向量序列之间的设备运行态势向量进行匹配,在所述匹配结果为联动关联时,确定所述两个物联网设备的物联网设备运行活动之间的设备运行态势向量存在关联关系;在所述任意两个设备运行态势向量序列之间有预设比例的设备运行态势向量联动关联时,确定所述任意两个设备运行态势向量序列存在关联关系。
一种可替代的实施方式,所述基于预置的匹配规则将任意两个设备运行态势向量序列之间的设备运行态势向量进行匹配,包括:
基于物联网设备屏蔽特征库对所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量进行分析;
在所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量均在所述物联网设备屏蔽特征库中时定确定所述两个物联网设备的物联网设备运行活动之间的设备运行态势向量存在关联关系。
一种可替代的实施方式,所述对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,还包括:
将所述物联网设备运行活动的运行调度向量进行融合,以对所述各个物联网设备的设备运行日志中的物联网设备运行活动进行初始化分析;
基于所述初始化分析后的设备运行日志确定所述物联网设备运行关联序列。
一种可替代的实施方式,所述在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数,包括:
基于所述物联网设备运行关联序列和物联网设备运行活动权重,对所述各个物联网设备的物联网设备运行关联序列进行汇聚,生成所述各个物联网设备之间的设备功能联动参数。
一种可替代的实施方式,所述基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备,包括:
基于所述各个物联网设备之间的设备功能联动参数进行知识图构建,以生成物联网设备关联知识图;
利用图算法对所述物联网设备关联知识图进行分析,生成所述共享物联网设备。
一种可替代的实施方式,方法还包括:
对所述共享物联网设备进行共享属性挖掘以确定所述共享物联网设备的共享参数值;
基于所述共享物联网设备的共享参数值对所述共享物联网设备的进行共享参数数据分享。
其中,对于一些可替代的实施方式而言,以上所述的服务器可以包括一个或多个处理器以及存储器。存储器可以存储供所述服务器执行或依据的数据、指令,所述服务器可以通过执行或依据所述数据、指令以实现本发明描述的方法。
在各个实施例中,服务器可以但不限于是:服务器、台式计算设备或移动计算设备(例如,膝上型计算设备、手持计算设备、平板电脑、上网本等)等终端设备。在各个实施例中,服务器可具有更多或更少的组件和/或不同的架构。例如,在一些实施例中,服务器包括一个或多个摄像机、键盘、液晶显示器(LCD)屏幕(包括触屏显示器)、非易失性存储器端口、多个天线、图形芯片、专用集成电路(ASIC)和扬声器。
本说明书中的各个实施例均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联动关联的部分互相参见即可。
以上对本申请所提供的一种应用人工智能的物联网设备运行数据分析方法及服务器,进行了详细介绍,本文中应用了具体个例对本申请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申请的方法及其核心思想;同时,对于本领域的一般技术人员,依据本申请的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本申请的限制。
依据本申请的一个方面,提供了一种计算机可读存储介质,所述计算机可读存储介质用于存储程序代码,所述程序代码用于执行前述各个实施例所述的应用人工智能的物联网设备运行数据分析方法。
依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实施例各种可选实现方式中提供的方法。
本申请的说明书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的物联网设备,而不必用于描述特定的顺序或先后次序。应该理解这样依据的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以依据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或依据时,可以存储在一个计算机可读取存储介质中。依据这样的理解,本申请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全部或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,服务器,或者网络设备等)执行本申请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(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管基准前述实施例对本申请进行了详细的说明,本领域的普通技术成员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
以上所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。通常在附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,在附图中提供的本发明的实施例的详细描述并非旨在限制本发明的保护范围,而仅仅是表示本发明的选定实施例。因此,本发明的保护范围应以权利要求的保护范围为准。此外,依据本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下可得到的所有其它实施例,都应属于本发明保护的范围。
Claims (10)
1.一种应用人工智能的物联网设备运行数据分析方法,其特征在于,包括:
基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,所述设备运行日志中包含至少一个物联网设备运行活动;
对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,所述物联网设备运行关联序列包括所述各个物联网设备之间行为联动关联的设备运行日志;
在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数;
基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备。
2.根据权利要求1所述的应用人工智能的物联网设备运行数据分析方法,其特征在于,所述基于设定的运行跟踪窗口提取各个物联网设备的设备运行活动数据,生成所述各个物联网设备的设备运行日志,包括:
获取所述各个物联网设备的设备运行活动数据;
基于所述设定的运行跟踪窗口,对所述各个物联网设备的设备运行活动数据进行数据跟踪,生成多个运行跟踪窗口的所述设备运行日志,所述多个运行跟踪窗口之间有设定跟踪共享时空域。
3.根据权利要求1所述的应用人工智能的物联网设备运行数据分析方法,其特征在于,所述对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,包括:
在一个所述运行跟踪窗口内,对所述设备运行日志中每两个物联网设备的物联网设备运行活动进行分析,生成所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列,所述设备运行态势向量序列包含至少一个设备运行态势向量;
将所述两个物联网设备的物联网设备运行活动之间的任意两个设备运行态势向量序列进行联动关联匹配,在所述联动关联匹配结果为联动关联时,确定所述任意两个设备运行态势向量序列存在关联关系;
在所述任意两个设备运行态势向量序列存在关联关系,且所述任意两个设备运行态势向量序列对应的两个物联网设备运行活动的运行时域间隔在设定间隔值内时,确定所述任意两个设备运行态势向量序列对应的两个物联网设备运行活动存在关联关系;
基于所述设备运行日志中确定的所述联动关联的物联网设备运行活动确定所述物联网设备运行关联序列。
4.根据权利要求3所述的应用人工智能的物联网设备运行数据分析方法,其特征在于,所述将所述两个物联网设备的物联网设备运行活动之间的任意两个设备运行态势向量序列进行联动关联匹配,包括:
获取所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量;
基于预置的匹配规则将任意两个设备运行态势向量序列之间的设备运行态势向量进行匹配,在所述匹配结果为联动关联时,确定所述两个物联网设备的物联网设备运行活动之间的设备运行态势向量存在关联关系;在所述任意两个设备运行态势向量序列之间有预设比例的设备运行态势向量联动关联时,确定所述任意两个设备运行态势向量序列存在关联关系。
5.根据权利要求4所述的应用人工智能的物联网设备运行数据分析方法,其特征在于,所述基于预置的匹配规则将任意两个设备运行态势向量序列之间的设备运行态势向量进行匹配,包括:
基于物联网设备屏蔽特征库对所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量进行分析;
在所述两个物联网设备的物联网设备运行活动的设备运行态势向量序列中的设备运行态势向量均在所述物联网设备屏蔽特征库中时定确定所述两个物联网设备的物联网设备运行活动之间的设备运行态势向量存在关联关系。
6.根据权利要求1所述的应用人工智能的物联网设备运行数据分析方法,其特征在于,所述对所述各个物联网设备的设备运行日志进行分析,生成物联网设备运行关联序列,还包括:
将所述物联网设备运行活动的运行调度向量进行融合,以对所述各个物联网设备的设备运行日志中的物联网设备运行活动进行初始化分析;
基于所述初始化分析后的设备运行日志确定所述物联网设备运行关联序列。
7.根据权利要求1-6任一项所述的应用人工智能的物联网设备运行数据分析方法,其特征在于,所述在所述运行跟踪窗口内,基于所述物联网设备运行关联序列确定各个物联网设备之间的设备功能联动参数,包括:
基于所述物联网设备运行关联序列和物联网设备运行活动权重,对所述各个物联网设备的物联网设备运行关联序列进行汇聚,生成所述各个物联网设备之间的设备功能联动参数。
8.根据权利要求1-6任一项所述的应用人工智能的物联网设备运行数据分析方法,其特征在于,所述基于所述各个物联网设备之间的设备功能联动参数对所述各个物联网设备进行知识图生成,生成共享物联网设备,包括:
基于所述各个物联网设备之间的设备功能联动参数进行知识图构建,以生成物联网设备关联知识图;
利用图算法对所述物联网设备关联知识图进行分析,生成所述共享物联网设备。
9.根据权利要求1-6任一项所述的应用人工智能的物联网设备运行数据分析方法,其特征在于,方法还包括:
对所述共享物联网设备进行共享属性挖掘以确定所述共享物联网设备的共享参数值;
基于所述共享物联网设备的共享参数值对所述共享物联网设备的进行共享参数数据分享。
10.一种服务器,其特征在于,包括处理器以及可读存储介质,所述可读存储介质中存储有计算机程序,当所述计算机程序被所述处理器执行时实现权利要求1-9中任意一项所述的应用人工智能的物联网设备运行数据分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311076174.1A CN117041069A (zh) | 2023-08-24 | 2023-08-24 | 应用人工智能的物联网设备运行数据分析方法及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311076174.1A CN117041069A (zh) | 2023-08-24 | 2023-08-24 | 应用人工智能的物联网设备运行数据分析方法及服务器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117041069A true CN117041069A (zh) | 2023-11-10 |
Family
ID=88624466
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311076174.1A Withdrawn CN117041069A (zh) | 2023-08-24 | 2023-08-24 | 应用人工智能的物联网设备运行数据分析方法及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117041069A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118035249A (zh) * | 2024-04-09 | 2024-05-14 | 成都中科合迅科技有限公司 | 核工程复杂关系数据建模与监控方法和系统 |
-
2023
- 2023-08-24 CN CN202311076174.1A patent/CN117041069A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118035249A (zh) * | 2024-04-09 | 2024-05-14 | 成都中科合迅科技有限公司 | 核工程复杂关系数据建模与监控方法和系统 |
CN118035249B (zh) * | 2024-04-09 | 2024-07-05 | 成都中科合迅科技有限公司 | 核工程复杂关系数据建模与监控方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10216607B2 (en) | Dynamic tracing using ranking and rating | |
US10884891B2 (en) | Interactive detection of system anomalies | |
US10614226B2 (en) | Machine learning statistical methods estimating software system's security analysis assessment or audit effort, cost and processing decisions | |
US20170153962A1 (en) | Monitoring the performance of threaded applications | |
US11756404B2 (en) | Adaptive severity functions for alerts | |
CN112602081A (zh) | 利用警报置信度分配来增强网络安全和操作监控 | |
US20180122105A1 (en) | Device based visualization and analysis of multivariate data | |
CN106022349B (zh) | 用于设备类型确定的方法和系统 | |
EP4182796B1 (en) | Machine learning-based techniques for providing focus to problematic compute resources represented via a dependency graph | |
US20160259714A1 (en) | Production sampling for determining code coverage | |
CN112003834B (zh) | 异常行为检测方法和装置 | |
CN117041069A (zh) | 应用人工智能的物联网设备运行数据分析方法及服务器 | |
CN108475314A (zh) | 使用递增简档分析的信息流跟踪 | |
US20160283854A1 (en) | Fingerprinting and matching log streams | |
Bayani et al. | Unifying Assurance A Framework for Ensuring Cloud Compliance in AIML Deployment | |
CN114746844A (zh) | 对操作管理中的事件风暴中的构成事件的标识 | |
US11290473B2 (en) | Automatic generation of detection alerts | |
Lee et al. | ATMSim: An anomaly teletraffic detection measurement analysis simulator | |
US20160253369A1 (en) | Graphical lock analysis | |
CN115589339B (zh) | 网络攻击类型识别方法、装置、设备以及存储介质 | |
US11599404B2 (en) | Correlation-based multi-source problem diagnosis | |
CN115296917A (zh) | 资产暴露面信息获取方法、装置、设备以及存储介质 | |
US20210334677A1 (en) | Efficiency driven data collection and machine learning modeling recommendation | |
CN112231186B (zh) | 一种性能数据的处理方法、装置、电子设备及介质 | |
CN112003833A (zh) | 异常行为检测方法和装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20231110 |