船用物联网中的统计大数据融合管理体系分析
发布时间：2021-07-04 00:58
现有统计大数据融合管理体系由于冗余数据的干扰,存在着融合管理参数小的问题,为了解决上述问题,提出船用物联网中的统计大数据融合管理体系分析研究。利用自适应窗口清洗算法清洗统计大数据,消除冗余数据,依据统计大数据融合特点,确定分布式管理体系结构,以选取的融合管理体系结构为基础,建立统计大数据动态簇,构建路由树,通过路由树的维护流程,实现了船用物联网统计大数据的融合与管理。测试结果显示,与现有统计大数据融合管理体系相比较,提出体系融合延时小、管理能耗低,表明提出体系融合管理参数大,适合大力推广使用。
【文章来源】：舰船科学技术. 2020,42(14)北大核心
【文章页数】：3 页
【部分图文】：
路由建立流程图Fig.2Routeestablishmentflowchart路由维护是响应新节点加入信息与删除失效节
:1064–1071.[2]殷亦超,高炬,何萍.研究型医院的临床大数据管理应用与实践探索[J].中国数字医学,2019,14(2):34–36.[3]明煦,刘勇兵,陈洪胜,等.基于大数据挖掘和多系统融合的“领导驾驶舱”智能决策[J].电力大数据,2019,22(5):33–40.[4]表2融合延时对比情况表Tab.2Comparisonoffusiondelay节点数量现有体系/s提出体系/s102.251.50202.301.67302.551.68402.691.68502.981.99603.032.01703.452.22803.552.39903.692.591003.772.771104.012.941204.123.00图4管理能耗对比情况图Fig.4Comparisonofmanagementenergyconsumption·192·舰船科学技术第42卷
系分析研究。1统计大数据融合管理体系研究1.1清洗统计大数据船用物联网统计大数据具有较多的冗余数据，会直接影响大数据融合的效果，为此利用自适应窗口清洗算法清洗统计大数据。滑动窗口是一个在时间轴上滑动的线段，以窗口中点为轴，若时间窗口中点存在读取信息，输出“1”，反之则输出“0”。不同滑动窗口效果如图1所示。图1不同滑动窗口效果图Fig.1Effectofdifferentslidingwindows可知，当滑动窗口大小固定时，小窗口无法填补漏读数据，大窗口动态性能不足，为此依据数据动态调整窗口大小的自适应窗口清洗算法可以有效地去除冗余数据。自适应窗口清洗算法通过底层数据流统计分析来动态调节滑动窗口的大校利用中心极限定理观测标签变化，公式表示为：|Si|Wipavgi>2·√Wipavgi(1pavgi)，(1)|Si|Wipavgi其中，表示的是读数；表示的是滑动窗口的大小；表示的是期望读数。若标签发生了较大变化，将滑动窗口减少2个时间片；若标签无变化或者变化幅度较小，使用当前滑动窗口大校通过上述过程可以清洗掉船用互联网统计大数据中的冗余数据，为统计大数据的融合做准备。1.2选取统计大数据融合管理体系结构分布式管理体系结构指的是将传感器数据分别进行处理，并对其进行分类与跟踪，统一进行数据互联与调查，以此为基础，分析统计大数据，确定目标状态。该管理体系结构具有通信量孝消耗低的优势。分布式管理体系结构更加适合船用物联网统计大数据的处理，为此，确定统计大数据融合管理体系结构为分布式结构。1.3融合统计大数据统计大数据融合主要分为动态簇建立阶段与路由树构建阶段。1.3.1动态簇建立阶
【参考文献】：
期刊论文
[1]基于大数据挖掘和多系统融合的“领导驾驶舱”智能决策[J]. 明煦,刘勇兵,陈洪胜,李潇,王晓婷. 电力大数据. 2019(05)
[2]研究型医院的临床大数据管理应用与实践探索[J]. 殷亦超,高炬,何萍. 中国数字医学. 2019(02)
[3]基于物联网的企业共享大数据融合研究[J]. 李光荣,王志亮,李翔英. 南京工程学院学报(自然科学版). 2018(01)
[4]自适应混沌量子粒子群算法及其在WSN覆盖优化中的应用[J]. 周海鹏,高芹,蒋丰千,余大为,乔焰,李旸. 计算机应用. 2018(04)
本文编号：3263702
【文章来源】：舰船科学技术. 2020,42(14)北大核心
【文章页数】：3 页
【部分图文】：
路由建立流程图Fig.2Routeestablishmentflowchart路由维护是响应新节点加入信息与删除失效节
:1064–1071.[2]殷亦超,高炬,何萍.研究型医院的临床大数据管理应用与实践探索[J].中国数字医学,2019,14(2):34–36.[3]明煦,刘勇兵,陈洪胜,等.基于大数据挖掘和多系统融合的“领导驾驶舱”智能决策[J].电力大数据,2019,22(5):33–40.[4]表2融合延时对比情况表Tab.2Comparisonoffusiondelay节点数量现有体系/s提出体系/s102.251.50202.301.67302.551.68402.691.68502.981.99603.032.01703.452.22803.552.39903.692.591003.772.771104.012.941204.123.00图4管理能耗对比情况图Fig.4Comparisonofmanagementenergyconsumption·192·舰船科学技术第42卷
系分析研究。1统计大数据融合管理体系研究1.1清洗统计大数据船用物联网统计大数据具有较多的冗余数据，会直接影响大数据融合的效果，为此利用自适应窗口清洗算法清洗统计大数据。滑动窗口是一个在时间轴上滑动的线段，以窗口中点为轴，若时间窗口中点存在读取信息，输出“1”，反之则输出“0”。不同滑动窗口效果如图1所示。图1不同滑动窗口效果图Fig.1Effectofdifferentslidingwindows可知，当滑动窗口大小固定时，小窗口无法填补漏读数据，大窗口动态性能不足，为此依据数据动态调整窗口大小的自适应窗口清洗算法可以有效地去除冗余数据。自适应窗口清洗算法通过底层数据流统计分析来动态调节滑动窗口的大校利用中心极限定理观测标签变化，公式表示为：|Si|Wipavgi>2·√Wipavgi(1pavgi)，(1)|Si|Wipavgi其中，表示的是读数；表示的是滑动窗口的大小；表示的是期望读数。若标签发生了较大变化，将滑动窗口减少2个时间片；若标签无变化或者变化幅度较小，使用当前滑动窗口大校通过上述过程可以清洗掉船用互联网统计大数据中的冗余数据，为统计大数据的融合做准备。1.2选取统计大数据融合管理体系结构分布式管理体系结构指的是将传感器数据分别进行处理，并对其进行分类与跟踪，统一进行数据互联与调查，以此为基础，分析统计大数据，确定目标状态。该管理体系结构具有通信量孝消耗低的优势。分布式管理体系结构更加适合船用物联网统计大数据的处理，为此，确定统计大数据融合管理体系结构为分布式结构。1.3融合统计大数据统计大数据融合主要分为动态簇建立阶段与路由树构建阶段。1.3.1动态簇建立阶
【参考文献】：
期刊论文
[1]基于大数据挖掘和多系统融合的“领导驾驶舱”智能决策[J]. 明煦,刘勇兵,陈洪胜,李潇,王晓婷. 电力大数据. 2019(05)
[2]研究型医院的临床大数据管理应用与实践探索[J]. 殷亦超,高炬,何萍. 中国数字医学. 2019(02)
[3]基于物联网的企业共享大数据融合研究[J]. 李光荣,王志亮,李翔英. 南京工程学院学报(自然科学版). 2018(01)
[4]自适应混沌量子粒子群算法及其在WSN覆盖优化中的应用[J]. 周海鹏,高芹,蒋丰千,余大为,乔焰,李旸. 计算机应用. 2018(04)
本文编号：3263702
本文链接：https://www.wllwen.com/kejilunwen/xinxigongchenglunwen/3263702.html
