基于智能优化算法的物联网异构数据融合方法

针对当前物联网数据融合方法速度慢、融合精度低等问题,以改善物联网异构数据融合效果为目标,提出一种基于智能优化算法的物联网异构数据融合方法.首先采用多个节点采集监测对象状态数据,并对每个节点采集的数据噪声进行过滤,初步减少数据规模,提高物联网异构数据质量;然后引入聚类分析算法处理簇首数据,消除簇内数据间的冗余;最后在汇聚节点采用智能优化算法对簇首数据进行加权融合,并在相同环境下与其他融合方法进行对比实验.实验结果表明,该方法能对物联网异构数据进行有效融合,获得了较高精度的物联网异构数据融合结果,物联网异构数据融合错误少、速度快,提高了物联网数据融合的效率.

基于滑动聚类的窄带物联网特征级异构数据融合方法

由于物联网数据具有多样化特征,不同类数据需求不明确,导致数据特征集提取难度较大。为了提高物联网异构数据融合效果,提出一种基于滑动聚类的窄带物联网特征级异构数据融合方法。利用平移变换得到网络数据的时间信息,通过小波变换增强无线传感器节点采集的异构数据质量;计算滑动窗差值,确定物联网特征级异构数据的初始聚类点,利用均值漂移算法完成异构数据状态聚类;通过凝聚机制完成相似数据的特征集提取,实现特征级异构数据的融合。实验结果证明,所提方法有效降低了物联网数据规模,减少了数据融合误差,且融合后信息不失真,在数据处理领域具有较高的应用价值。