基于两层鲁棒性交叉映射的大数据融合算法

对大数据进行融合处理,可以降低能耗,节省存储资源。进行大数据融合时,应针对不同层次的数据选用不同的处理方法,通过二者之间的交叉映射对大数据进行融合处理,而传统的融合方法是通过簇首节点对其余节点的分类信息进行采集实现大数据融合,不能对不同层次的数据进行分开处理,降低了大数据融合的准确性和效率。针对所研究的无线传感器网络数据多条逐层上传的特性,提出一种基于两层鲁棒性交叉映射的大数据融合算法,介绍了鲁棒性很好的最小二乘法和D-S证据理论法的基本理论,建立基于两层鲁棒性交叉映射的大数据融合模型,针对不同层次的数据选用不同的处理方法,通过二者之间的交叉映射对大数据进行融合处理。在Sink节点上引入最小二乘算法,使数据量和能耗大大降低。在监控终端引入D-证据理论算法,通过从Sink节点接收到的数据,构建识别框架,利用证据的逐渐累积增强大数据融合精度。仿真结果表明,所提算法不仅能耗较低,而且数据融合精度高,鲁棒性强。