物联网中多源异质数据的统计分析的方法和设备

技术领域

本发明涉及数据建模和统计分析处理方法和设备，该方法属于物联网信息融合和数据处理技术的领域。

背景技术

物联网是一个基于，传统电信网络和其他信息载体的网络，允许所有可以独立解决以实现互连的普通物理对象。普通对象的三个重要特征是设备化，自主终端的互连以及通用服务的智能化。根据信息生成，传输，处理和应用程序，物联网可以分为感官知识歧视层，网络构造层，信息集成层和全面的应用层。信息集成层位于感应知识和网络构造层的上方，以及综合应用层的下方。人们通常将IoT应用程序称为“智能”，例如智能电网，智能运输，智能物流，智能家居等，智慧来自此层。当传感知识歧视层生成的大量数据通过网络层传输并收集到信息集成层中时，如果无法有效地集成和利用，它将就像进入宝藏山并空手不足。我对“数据海洋”叹了口气。因此，信息集成性能的质量和数据利用水平将直接影响物联网的整体“智能”。

物联网数据的特征是大量，多源，多态性，异质和复杂的空间和时间特征，这给实施有效的信息集成带来了严重的挑战。目前，我的国家已经启动了许多科学研究项目，例如国家关键基础研究开发计划（973计划）项目“物联网架构的基础研究”（开始和结束时间：2010年9月至2015年9月）和“物联网的基础知识”理论和实践研究（开始和结束时间：2011年1月至2013年8月），多源信息融合，异质网络元素信息互动和其他相关主题被列为研究的关键科学问题。尽管如此，与数据感知和应用相比，信息集成层的信息融合和数据挖掘尚未受到国内行业的关注，并且倾向于忽略。

发明的内容

为了解决上述问题，鉴于大量，多源，多态性和异质物品数据的特征，本发明为物联网多源非均质数据提供了统计分析和处理方法和设备。采用的具体技术方案如下：

物联网的统计分析和处理方法本发明的多源异质数据主要包括以下步骤：

S1：在中央服务器端，收集实时传感器终端发送的观察数据；

S2：在中央服务器端，上述观察数据是通过使用随机有限集统计模型统一建模和表示的；

S3：在中央服务器端，贝叶斯统计分析原理用于统计分析上述有限集表示数据，并输出模型参数的后验概率密度分布；

S4：在中央服务器端，基于上述统计分析和处理结果，进行了知识提取和最佳决策制定。

此外，在步骤S1中，中央服务器使用标准的无线传感器网络数据通信和传输协议来收集物联网传感器终端发送的多源异质观察数据。

此外，在步骤S2中，随机有限集统计模型用于统一模型并表示所有收集的传感器观察数据，也就是说，所有观察数据都均匀地转换并表示为随机有限集。观察结果中包含的不准确性，不确定性和歧义因素由随机有限集模型统一表示。

此外，在步骤S3中，通过统计分析和处理由随机有限集表示的观察数据的特定过程是处理每个传感终端发送的观察数据，而先前的终端将是生成模型参数的概率分布在处理当前观察数据时，将观测数据作为先验分布处理后。它定义了可能描述模型参数与当前观察数据之间的相互依赖性的可能性函数。它融合了基于贝叶斯公式的先前分布和可能性。功能，计算后验分布，在处理下一个终端观测数据时，该分布用作先前的分布。该方法的输出是模型参数的后验概率密度分布。

此外，在步骤S3中，数据统计分析处理操作包括各种统计聚类，分类，预测，估计和实验设计操作。

此外，在步骤S4中，后分布抽样技术，包括马尔可夫链蒙特卡洛法和序列蒙特卡洛采样算法，对模型参数的后验概率密度分布进行S3步骤，然后基于基于S3的后验概率密度分布，然后进行统计抽样。在样本上采样样品以进行统计推断和最佳决策。

物联网的统计分析和处理设备本发明的多源异质数据

实时物联网终端数据接收和存储模块：由集成电路和内存芯片组成，用于收集和存储IoT终端发送的实时观察数据；

数据统一的建模和表示模块：负责处理终端数据，该数据均匀地表示多源异质IOT观察数据中的随机有限集形式；

数据统计分析和处理模块：负责有限设置观察数据的统计建模，分析和处理。

知识提取和最佳决策模块：用于输出数据统计分析和处理过程中产生的知识以及做出的最佳决策。知识和决策的产生过程也通过贝叶斯原则得出。

本发明统一地整合了物联网的大量多源异质数据。多源异质数据将转换为相同的表示形式，并成为“同构”数据，提供了随后的统计分析和处理先决条件；贝叶斯统计工具用于对所有观察数据进行融合分析和处理，这有助于充分利用数据信息，挖掘知识并做出最佳决策。本发明为物联网中多源异质数据的表示，分析和处理提供了统一的模型算法框架，并将对与物联网相关技术的工业应用产生积极的促进效应。

图纸的附加描述

图1是本发明方法的流程图。

图2是本发明系统系统的结构图。

特定的实施方法

本发明将与随附的图纸和示例一起详细描述。

示例1

如图图所示。 1，本发明的方法包括以下步骤：

S1：在中央服务器端，实时收集物联网传感终端发送的观察数据；

在步骤S1中，传感终端的物联网包括各种类型的传感器，具有数据采集和传输功能，摄像机等的移动通信设备（例如移动电话）。这些设备使用特定的数据通信传输标准与中央服务器进行通信并将观察数据传输到中央服务器。中央服务器是指具有某些数据存储和计算功能的电子设备，例如个人计算机，工作站或大型服务器。

S2：在中央服务器端，上述观察数据是通过使用随机有限集统计模型统一建模和表示的；

在步骤S2中，随机有限集模型用于统一模型并表示所收集的各种观察数据。观察结果中暗示的各种不确定性，不准确性和歧义性都涵盖在有限的集体表示模型中。

S3：在中央服务器端，贝叶斯统计分析原理用于统计分析和处理上述有限集表示数据。

S4：在中央服务器端，基于上述统计分析和处理结果，进行了知识提取或最佳决策。

在本发明方法的步骤S2中，物联网的大量多源异质数据是统一的，有限的设置表示并建模。也就是说，多源异质数据将转换为相同的表示形式，并变为“同构”。 “数据提供了随后的统计分析处理的先决条件。在步骤S3和S4中，贝叶斯统计工具用于对所有观察数据进行融合分析和处理，这有助于充分利用数据信息，挖掘知识并做出最佳决策。

本发明主要解决了现有数据统计分析方法处理物联网中多源异质数据的缺点，并提供了有效的异质数据统计建模和分析处理方法设备。本发明将为物联网提供与物联网相关的技术。工业应用具有积极的促进效应。

示例2

如图图所示。 2，本发明的设备由实时物联网终端数据接收和存储模块，数据统计建模和表示模块，数据统计分析和处理模块以及知识提取和最佳决策模块组成。

实时物联网终端数据接收和存储模块是一种用于收集和存储IoT终端发送的实时观察数据的终端设备，由集成电路和内存芯片组成；

数据统一的建模和表示模块是一种运行特定算法的终端数据处理设备，该设备以随机有限集的形式均匀地表示多源异质IOT IOT观察数据；

数据统计分析和处理模块是运行特定算法的终端数据处理设备。它用于以有限集的形式在统计上建模，分析和过程观察数据，然后实现统计聚类，分类，预测，估计和实验设计的目的。

知识提取和最佳决策模块用于输出数据统计分析和处理过程中产生的知识以及做出的最佳决策。

本发明不仅限于上述实施方案，而且由等效替代或同等替代形成的所有技术解决方案都属于声称发明的范围。