為了提高層次化物聯(lián)網(wǎng)數(shù)據(jù)的檢測(cè)能力,提出了基于遞歸熵特征提取的檢測(cè)方法。采用網(wǎng)格分塊區(qū)域融合方法進(jìn)行層次化物聯(lián)網(wǎng)數(shù)據(jù)的存儲(chǔ)結(jié)構(gòu)分析,建立融合聚類模型,采用模糊相關(guān)性融合聚類方法進(jìn)行數(shù)據(jù)調(diào)度,提取數(shù)據(jù)的遞歸熵特征量,采用層次化演化聚類方法進(jìn)行數(shù)據(jù)的自適應(yīng)分塊匹配,并用匹配濾波檢測(cè)方法進(jìn)行數(shù)據(jù)檢測(cè)過程中的干擾抑制,根據(jù)遞歸熵的規(guī)則性分布關(guān)系實(shí)現(xiàn)數(shù)據(jù)檢測(cè)優(yōu)化。仿真結(jié)果表明:采用該方法進(jìn)行層次化物聯(lián)網(wǎng)數(shù)據(jù)檢測(cè)的抗干擾性較好,特征匹配能力較強(qiáng),數(shù)據(jù)檢測(cè)的準(zhǔn)確率較高。 

【文章來源】：河南工程學(xué)院學(xué)報(bào)(自然科學(xué)版). 2020,32(03)

【文章頁數(shù)】：5 頁

【部分圖文】：

圖1 層次化物聯(lián)網(wǎng)數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)

為了驗(yàn)證本方法在層次化物聯(lián)網(wǎng)數(shù)據(jù)檢測(cè)時(shí)的性能,進(jìn)行仿真測(cè)試。采用MATLAB進(jìn)行層次化物聯(lián)網(wǎng)數(shù)據(jù)檢測(cè)的算法處理,物聯(lián)網(wǎng)的分布節(jié)點(diǎn)數(shù)為200,數(shù)據(jù)特征重構(gòu)的嵌入維數(shù)為12,采樣時(shí)延為1.4 ms,數(shù)據(jù)存儲(chǔ)的根節(jié)點(diǎn)數(shù)為36,層次化物聯(lián)網(wǎng)數(shù)據(jù)的屬性類別數(shù)為8,數(shù)據(jù)的初始頻率f1=1.5 Hz,終止采樣頻率f2=2.3 Hz。實(shí)驗(yàn)分別選取1維、10維和100維數(shù)據(jù),根據(jù)上述參數(shù)設(shè)定,進(jìn)行層次化物聯(lián)網(wǎng)數(shù)據(jù)采樣和檢測(cè)優(yōu)化,分析數(shù)據(jù)的聚類性能和特征檢測(cè)能力,得到層次化物聯(lián)網(wǎng)數(shù)據(jù)如圖2所示。以圖2的數(shù)據(jù)為研究對(duì)象,采用網(wǎng)格分塊區(qū)域融合方法進(jìn)行層次化物聯(lián)網(wǎng)數(shù)據(jù)的優(yōu)化存儲(chǔ)設(shè)計(jì),提取數(shù)據(jù)的遞歸熵特征量,在不同的迭代步數(shù)下得到特征提取結(jié)果如圖3所示。

以圖2的數(shù)據(jù)為研究對(duì)象,采用網(wǎng)格分塊區(qū)域融合方法進(jìn)行層次化物聯(lián)網(wǎng)數(shù)據(jù)的優(yōu)化存儲(chǔ)設(shè)計(jì),提取數(shù)據(jù)的遞歸熵特征量,在不同的迭代步數(shù)下得到特征提取結(jié)果如圖3所示。分析圖3可知,本方法能有效實(shí)現(xiàn)對(duì)層次化物聯(lián)網(wǎng)數(shù)據(jù)的特征聚類分析,特征檢測(cè)的聚類性較好,說明數(shù)據(jù)檢測(cè)的抗干擾性較好。分析數(shù)據(jù)檢測(cè)過程中的聚類性能,得到對(duì)比結(jié)果如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于大數(shù)據(jù)的激光光柵數(shù)據(jù)特征挖掘算法[J]. 唐新宇,張新政.  激光雜志. 2019(07)
[2]基于Q-learning的虛擬網(wǎng)絡(luò)功能調(diào)度方法[J]. 王曉雷,陳云杰,王琛,牛犇.  計(jì)算機(jī)工程. 2019(02)
[3]基于神經(jīng)網(wǎng)絡(luò)語言模型的時(shí)間序列趨勢(shì)預(yù)測(cè)方法[J]. 王慧健,劉崢,李云,李濤.  計(jì)算機(jī)工程. 2019(07)
[4]粒計(jì)算:一種大數(shù)據(jù)融合智能建模新方法[J]. 姚富光,鐘先信,周靖超.  南京理工大學(xué)學(xué)報(bào). 2018(04)
[5]M-CORD下無線接入網(wǎng)絡(luò)資源分配研究[J]. 王楚捷,王好賢.  計(jì)算機(jī)工程與應(yīng)用. 2018(22)
[6]基于本體的教育資源語義檢索系統(tǒng)研究[J]. 于超,王璐,程道文.  吉林大學(xué)學(xué)報(bào)(信息科學(xué)版). 2018(02)
[7]基于剖分網(wǎng)格的多源資源環(huán)境數(shù)據(jù)統(tǒng)一檢索方法[J]. 吳飛龍,程承旗,陳波,褚福林.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(07)
[8]無線傳感器網(wǎng)絡(luò)分布式能量非合作博弈優(yōu)化技術(shù)[J]. 劉連光,潘明明,田世明,吳博.  武漢大學(xué)學(xué)報(bào)(工學(xué)版). 2017(03)
[9]區(qū)塊鏈技術(shù)發(fā)展現(xiàn)狀與展望[J]. 袁勇,王飛躍.  自動(dòng)化學(xué)報(bào). 2016(04)
[10]結(jié)合LiDAR點(diǎn)云和航空影像的建筑物三維變化檢測(cè)[J]. 彭代鋒,張永軍,熊小東.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2015(04)



本文編號(hào)：3569622