隨著物聯(lián)網(wǎng)的日益成熟,物理世界中實(shí)體數(shù)量的爆炸增長,物聯(lián)網(wǎng)搜索技術(shù)通過傳感器采集并整合物理世界中的實(shí)體信息,及時(shí)為用戶提供所需實(shí)體的狀態(tài)信息。而由于實(shí)體的異構(gòu)性與海量性,導(dǎo)致傳感器采集到的信息過于駁雜,用戶難以精確地獲取實(shí)體信息。實(shí)體的動態(tài)性導(dǎo)致傳統(tǒng)的互聯(lián)網(wǎng)搜索和推薦模式無法滿足物聯(lián)網(wǎng)搜索的實(shí)時(shí)性要求。并且用戶對獲取實(shí)體信息的實(shí)時(shí)性要求較高,面向時(shí)變性實(shí)體的搜索和推薦方法亟待研究。首先,文中介紹了物聯(lián)網(wǎng)搜索的研究背景和典型的應(yīng)用場景,描述了物聯(lián)網(wǎng)搜索技術(shù)的特點(diǎn)。其次,簡述了國內(nèi)外的研究現(xiàn)狀,著重?cái)⑹龊头治隽宋锢韺?shí)體搜索策略以及物理實(shí)體推薦策略。之后,文中提出面向物聯(lián)網(wǎng)搜索的邊云協(xié)同實(shí)體搜索方法。設(shè)計(jì)了邊云協(xié)同的實(shí)體搜索系統(tǒng)架構(gòu),聯(lián)合云端與邊緣側(cè)協(xié)同進(jìn)行實(shí)體信息的搜索。提出適用于邊緣側(cè)的實(shí)體識別方法,考慮實(shí)體的特征信息并基于深度聚類模型進(jìn)行實(shí)體的有效識別,提高實(shí)體狀態(tài)信息搜索的實(shí)時(shí)性與準(zhǔn)確性。仿真結(jié)果表明,所提搜索方法相比傳統(tǒng)方法可有效提升實(shí)體搜索的實(shí)時(shí)性與準(zhǔn)確性。再次,文中提出適用于物聯(lián)網(wǎng)的邊云協(xié)同實(shí)體推薦方法�，F(xiàn)有的物聯(lián)網(wǎng)數(shù)據(jù)推薦方法忽略了物聯(lián)網(wǎng)數(shù)據(jù)和用戶搜索行為的特征,因此其推薦性... 

【文章來源】：重慶郵電大學(xué)重慶市

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【部分圖文】：

基于深度信念網(wǎng)絡(luò)的實(shí)體識別算法分類結(jié)果

重慶郵電大學(xué)碩士學(xué)位論文第3章面向物聯(lián)網(wǎng)的邊云協(xié)同實(shí)體搜索方法21時(shí)長也隨之增長，這是由于實(shí)體數(shù)量的增長導(dǎo)致計(jì)算開銷增加，從而引起計(jì)算時(shí)間變長。圖3.5不同實(shí)體數(shù)量下的算法運(yùn)行時(shí)間3.4.2查準(zhǔn)率與查全率分析圖3.6從云端與邊緣服務(wù)器搜索熱門實(shí)體的結(jié)果對比經(jīng)過基于深度信念網(wǎng)絡(luò)的實(shí)體識別算法將實(shí)體分類后，對強(qiáng)時(shí)變性的實(shí)體進(jìn)行仿真驗(yàn)證。圖3.6為將熱門實(shí)體狀態(tài)信息存儲在邊緣服務(wù)器以及云端后，分別執(zhí)行ECCS、SeDaSC、SKIN+STK和LHPM方案后，搜索該類實(shí)體所得到的結(jié)果對比。其中，ECCS方案搜索得到數(shù)據(jù)的平均誤差為1.2005；SKIN+STK方案搜索得到數(shù)

重慶郵電大學(xué)碩士學(xué)位論文第3章面向物聯(lián)網(wǎng)的邊云協(xié)同實(shí)體搜索方法21時(shí)長也隨之增長，這是由于實(shí)體數(shù)量的增長導(dǎo)致計(jì)算開銷增加，從而引起計(jì)算時(shí)間變長。圖3.5不同實(shí)體數(shù)量下的算法運(yùn)行時(shí)間3.4.2查準(zhǔn)率與查全率分析圖3.6從云端與邊緣服務(wù)器搜索熱門實(shí)體的結(jié)果對比經(jīng)過基于深度信念網(wǎng)絡(luò)的實(shí)體識別算法將實(shí)體分類后，對強(qiáng)時(shí)變性的實(shí)體進(jìn)行仿真驗(yàn)證。圖3.6為將熱門實(shí)體狀態(tài)信息存儲在邊緣服務(wù)器以及云端后，分別執(zhí)行ECCS、SeDaSC、SKIN+STK和LHPM方案后，搜索該類實(shí)體所得到的結(jié)果對比。其中，ECCS方案搜索得到數(shù)據(jù)的平均誤差為1.2005；SKIN+STK方案搜索得到數(shù)

【參考文獻(xiàn)】：
期刊論文
[1]基于SVD原理的PCA特征頻率提取算法及其應(yīng)用[J]. 郭明軍,李偉光,楊期江,趙學(xué)智.  華南理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(01)
[2]基于深度信念網(wǎng)絡(luò)的高維傳感器數(shù)據(jù)異常檢測算法[J]. 金鵬,夏曉峰,喬焰,崔信紅.  傳感技術(shù)學(xué)報(bào). 2019(06)
[3]受限玻爾茲曼機(jī)研究綜述[J]. 張健,丁世飛,張楠,杜鵬,杜威,于文家.  軟件學(xué)報(bào). 2019(07)
[4]帶有匹配估計(jì)方法物聯(lián)網(wǎng)基于內(nèi)容的實(shí)體搜索機(jī)制[J]. 張普寧,劉元安,吳帆,唐碧華,李論.  上海交通大學(xué)學(xué)報(bào). 2016(07)
[5]物聯(lián)網(wǎng)搜索技術(shù)綜述[J]. 高云全,李小勇,方濱興.  通信學(xué)報(bào). 2015(12)
[6]物聯(lián)網(wǎng)中適用于內(nèi)容搜索的實(shí)體狀態(tài)匹配預(yù)測方法[J]. 張普寧,劉元安,吳帆,唐碧華,吳超.  電子與信息學(xué)報(bào). 2015(12)
[7]面向海量數(shù)據(jù)的并行KMeans算法[J]. 周麗娟,王慧,王文伯,張寧.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2012(S1)



本文編號：3524224