基于异常数据检测算法的物联网云平台设计与应用
这是一篇关于物联网,云计算,多协议,异常数据检测,机器学习的论文, 主要内容为随着云计算与通信技术的蓬勃发展,物联网(Io T,Internet of Things)在日常生活和生产中得到了非常广泛的应用,物联网设备也呈现出爆发式的增长,越来越多的设备需要接入网络,因此物联网系统内,设备数量、种类非常多,交互也十分复杂。众所周知,物联网设备一般运行于网络不够可靠环境下,功耗、体积与计算资源等均受到严重限制。故而物联网设备和云平台间通讯协议始终无法形成统一标准,并且一些常见物联网通讯协议均有其自身特点,在实践应用阶段,必须按照具体情况灵活选用,才能发挥应有的作用。随着物联网的发展,数量众多物联网设备生成庞大的数据,针对物联网设备产生的数据应用机器学习算法训练模型用于对异常数据的检测以便观察设备的运行状况也变的尤为重要。本文的主要工作如下:(1)提出了一种与多种物联网通讯协议相适配的云平台设计方案。平台采取组件化的方式集成了物联网中常用的网络协议,如TCP(Transmission Control Protocol)、UDP(User Datagram Protocol)、MQTT(Message Queuing Telemetry Transport)、Co AP(Constrained Application Protocol)等,同时完成封装处理,提供对物联网设备统一监控、管理、在线调试/停止、启动等功能,如此一来,促使设备和云端通信更简单、更高效。(2)实现了基于B/S架构的物联网云平台用于设备到云端的接入、管理等。服务端基于Java8并且采用了高性能网络编程框架Netty用于对多种物联网通讯协议进行实现,定义物模型用于描述设备在云端的表示,将设备端发送的消息封装成物联网云平台统一设计的Topic形式的消息,并将消息转发到消息总线用于平台内不同模块间的流转,完成了设备到云平台的完整接入流程。(3)研究并训练了异常数据检测的算法模型,可针对物联网设备产生的数据进行检测,完成物联网云平台对设备运行状况的监控。传统的异常数据检测方法无法全面、精准的对各种类型的异常数据进行检测,本文研究了随机森林、神经网络、孤立森林等机器学习算法,完成了模型的训练与优化,结合算法的特性以及对实验结果的分析和对比确定了异常数据检测算法模型。根据多协议适配的物联网云平台设计方案,采用Java语言生态中众多的开发技术对物联网云平台进行了实现,并将异常数据检测的算法模型应用于物联网云平台之中。
基于异常数据检测算法的物联网云平台设计与应用
这是一篇关于物联网,云计算,多协议,异常数据检测,机器学习的论文, 主要内容为随着云计算与通信技术的蓬勃发展,物联网(Io T,Internet of Things)在日常生活和生产中得到了非常广泛的应用,物联网设备也呈现出爆发式的增长,越来越多的设备需要接入网络,因此物联网系统内,设备数量、种类非常多,交互也十分复杂。众所周知,物联网设备一般运行于网络不够可靠环境下,功耗、体积与计算资源等均受到严重限制。故而物联网设备和云平台间通讯协议始终无法形成统一标准,并且一些常见物联网通讯协议均有其自身特点,在实践应用阶段,必须按照具体情况灵活选用,才能发挥应有的作用。随着物联网的发展,数量众多物联网设备生成庞大的数据,针对物联网设备产生的数据应用机器学习算法训练模型用于对异常数据的检测以便观察设备的运行状况也变的尤为重要。本文的主要工作如下:(1)提出了一种与多种物联网通讯协议相适配的云平台设计方案。平台采取组件化的方式集成了物联网中常用的网络协议,如TCP(Transmission Control Protocol)、UDP(User Datagram Protocol)、MQTT(Message Queuing Telemetry Transport)、Co AP(Constrained Application Protocol)等,同时完成封装处理,提供对物联网设备统一监控、管理、在线调试/停止、启动等功能,如此一来,促使设备和云端通信更简单、更高效。(2)实现了基于B/S架构的物联网云平台用于设备到云端的接入、管理等。服务端基于Java8并且采用了高性能网络编程框架Netty用于对多种物联网通讯协议进行实现,定义物模型用于描述设备在云端的表示,将设备端发送的消息封装成物联网云平台统一设计的Topic形式的消息,并将消息转发到消息总线用于平台内不同模块间的流转,完成了设备到云平台的完整接入流程。(3)研究并训练了异常数据检测的算法模型,可针对物联网设备产生的数据进行检测,完成物联网云平台对设备运行状况的监控。传统的异常数据检测方法无法全面、精准的对各种类型的异常数据进行检测,本文研究了随机森林、神经网络、孤立森林等机器学习算法,完成了模型的训练与优化,结合算法的特性以及对实验结果的分析和对比确定了异常数据检测算法模型。根据多协议适配的物联网云平台设计方案,采用Java语言生态中众多的开发技术对物联网云平台进行了实现,并将异常数据检测的算法模型应用于物联网云平台之中。
基于B/S模式的数据可视化系统的设计与实现
这是一篇关于B/S模式,数据可视化,WebSocket,异常数据检测的论文, 主要内容为随着物联网、大数据、云计算等技术的快速发展,各行各业产生了海量的数据,如何从海量的数据中获取有效的信息,挖掘数据背后蕴藏的意义,成为我们需要面对的问题。数据可视化成为展示和分析数据的重要解决方案,基于数据可视化的应用正处于蓬勃发展之中。当前的数据可视化应用存在着静态化展示居多、不具备交互功能、没有实时数据更新能力、项目的维护性差等问题。本文针对于当前数据可视化应用存在的问题,从数据可视化技术和B/S体系架构出发,设计并实现了一款基于B/S模式的数据可视化系统。弥补了当前数据可视化系统的一些不足,本课题主要完成了以下几方面的研究和工作:1.对B/S模式下的数据可视化进行了深入分析,阐述了 B/S模式的概念、优势;介绍了数据可视化中的数据格式、绘图技术、常用的数据可视化工具,以及服务端推送技术——WebSocket。2.依托智能手环采集的健康大数据集,针对传统数据可视化应用存在的问题,详细分析了 B/S模式下数据可视化系统的功能性需求和非功能性需求。功能性需求包括可视化图表渲染、图表交互、异常数据检测等,非功能性需求包括系统的安全性、易用性、兼容性等。3.在系统开发方面,通过抽象出视图页面的公共UI元素和控制修改数据方式,基于视图模型和数据流模型,封装了三大类总计十多种视图组件,保证了系统视图方面的浏览器兼容性,提高了开发效率,降低了后期维护的难度。4.基于高斯概率分布和改进的K-means两种异常检测算法,设计并实现了异常检测模块,从一维数据和多维数据中检测出异常数据值,并将检测结果进行展示,为专业医护人员对用户健康状态的判断提供依据。5.设计了基于WebSocket的全双工数据传输机制,提高了系统数据传输的效率,实现了服务器主动推送数据的功能。完成整个可视化系统的浏览器端和服务器端的开发,并对整个系统进行了全面测试。测试结果表明,系统实现了预期的功能,性能优异,且具备安全性、易用性、兼容性等。
基于异常数据检测算法的物联网云平台设计与应用
这是一篇关于物联网,云计算,多协议,异常数据检测,机器学习的论文, 主要内容为随着云计算与通信技术的蓬勃发展,物联网(Io T,Internet of Things)在日常生活和生产中得到了非常广泛的应用,物联网设备也呈现出爆发式的增长,越来越多的设备需要接入网络,因此物联网系统内,设备数量、种类非常多,交互也十分复杂。众所周知,物联网设备一般运行于网络不够可靠环境下,功耗、体积与计算资源等均受到严重限制。故而物联网设备和云平台间通讯协议始终无法形成统一标准,并且一些常见物联网通讯协议均有其自身特点,在实践应用阶段,必须按照具体情况灵活选用,才能发挥应有的作用。随着物联网的发展,数量众多物联网设备生成庞大的数据,针对物联网设备产生的数据应用机器学习算法训练模型用于对异常数据的检测以便观察设备的运行状况也变的尤为重要。本文的主要工作如下:(1)提出了一种与多种物联网通讯协议相适配的云平台设计方案。平台采取组件化的方式集成了物联网中常用的网络协议,如TCP(Transmission Control Protocol)、UDP(User Datagram Protocol)、MQTT(Message Queuing Telemetry Transport)、Co AP(Constrained Application Protocol)等,同时完成封装处理,提供对物联网设备统一监控、管理、在线调试/停止、启动等功能,如此一来,促使设备和云端通信更简单、更高效。(2)实现了基于B/S架构的物联网云平台用于设备到云端的接入、管理等。服务端基于Java8并且采用了高性能网络编程框架Netty用于对多种物联网通讯协议进行实现,定义物模型用于描述设备在云端的表示,将设备端发送的消息封装成物联网云平台统一设计的Topic形式的消息,并将消息转发到消息总线用于平台内不同模块间的流转,完成了设备到云平台的完整接入流程。(3)研究并训练了异常数据检测的算法模型,可针对物联网设备产生的数据进行检测,完成物联网云平台对设备运行状况的监控。传统的异常数据检测方法无法全面、精准的对各种类型的异常数据进行检测,本文研究了随机森林、神经网络、孤立森林等机器学习算法,完成了模型的训练与优化,结合算法的特性以及对实验结果的分析和对比确定了异常数据检测算法模型。根据多协议适配的物联网云平台设计方案,采用Java语言生态中众多的开发技术对物联网云平台进行了实现,并将异常数据检测的算法模型应用于物联网云平台之中。
基于B/S模式的数据可视化系统的设计与实现
这是一篇关于B/S模式,数据可视化,WebSocket,异常数据检测的论文, 主要内容为随着物联网、大数据、云计算等技术的快速发展,各行各业产生了海量的数据,如何从海量的数据中获取有效的信息,挖掘数据背后蕴藏的意义,成为我们需要面对的问题。数据可视化成为展示和分析数据的重要解决方案,基于数据可视化的应用正处于蓬勃发展之中。当前的数据可视化应用存在着静态化展示居多、不具备交互功能、没有实时数据更新能力、项目的维护性差等问题。本文针对于当前数据可视化应用存在的问题,从数据可视化技术和B/S体系架构出发,设计并实现了一款基于B/S模式的数据可视化系统。弥补了当前数据可视化系统的一些不足,本课题主要完成了以下几方面的研究和工作:1.对B/S模式下的数据可视化进行了深入分析,阐述了 B/S模式的概念、优势;介绍了数据可视化中的数据格式、绘图技术、常用的数据可视化工具,以及服务端推送技术——WebSocket。2.依托智能手环采集的健康大数据集,针对传统数据可视化应用存在的问题,详细分析了 B/S模式下数据可视化系统的功能性需求和非功能性需求。功能性需求包括可视化图表渲染、图表交互、异常数据检测等,非功能性需求包括系统的安全性、易用性、兼容性等。3.在系统开发方面,通过抽象出视图页面的公共UI元素和控制修改数据方式,基于视图模型和数据流模型,封装了三大类总计十多种视图组件,保证了系统视图方面的浏览器兼容性,提高了开发效率,降低了后期维护的难度。4.基于高斯概率分布和改进的K-means两种异常检测算法,设计并实现了异常检测模块,从一维数据和多维数据中检测出异常数据值,并将检测结果进行展示,为专业医护人员对用户健康状态的判断提供依据。5.设计了基于WebSocket的全双工数据传输机制,提高了系统数据传输的效率,实现了服务器主动推送数据的功能。完成整个可视化系统的浏览器端和服务器端的开发,并对整个系统进行了全面测试。测试结果表明,系统实现了预期的功能,性能优异,且具备安全性、易用性、兼容性等。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码客栈 ，原文地址：https://m.bishedaima.com/lunwen/55597.html
