[發明專利]一種傳感數據的聚類分析方法和系統

有效

• 申請號: 201110450931.8
• 申請日: 2011-12-29
• 公開（公告）號: CN103186575A
• 公開（公告）日: 2013-07-03
• 發明（設計）人: 王彥哲;潘強;沈杰;劉海濤
• 申請（專利權）人: 無錫物聯網產業研究院;感知物聯網集團（無錫）有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 逯長明

1.一種傳感數據的實時聚類分析方法，其特征在于，包括：

在傳感數據中添加可信度描述信息；

根據所述可信度描述信息對所述傳感數據進行實時聚類劃分處理，劃分到微簇中；

獲得所述微簇的聚類特征；

將所述傳感數據劃分結果和所述微簇的聚類特征作為第一分析結果進行輸出。

2.根據權利要求1所述的方法，其特征在于，

當所述傳感數據為傳感器直接采集獲取的數據時，所述可信度描述信息為所述傳感器的精度描述信息或所述傳感器觀測粒度的數值描述信息；

當所述傳感數據為添加了人為擾動的隱私數據時，所述可信度描述信息為擾動程度的數值描述信息；

當所述傳感數據為智能系統或知識系統中經主觀研判生成的數據，或語義網中基于自然語言理解產生的數據時，所述可信度描述信息為相應隸屬度信息。

3.根據權利要求1所述的方法，其特征在于，當不存在歷史傳感數據組成的微簇時，

根據所述可信度描述信息對所述傳感數據進行實時聚類劃分處理，劃分到微簇中，具體包括：

獲得用戶預設的微簇聚類特征；

根據所述用戶預設的微簇聚類特征對添加有所述可信度描述信息的傳感數據進行實時聚類劃分處理，劃分到新建的微簇中。

4.根據權利要求1所述的方法，其特征在于，當存在歷史傳感數據組成的微簇時，

根據所述可信度描述信息對所述傳感數據進行實時聚類劃分處理，劃分到微簇中，具體包括：

獲得歷史傳感數據組成的微簇的微簇聚類特征；

根據所述歷史傳感數據組成的微簇的微簇聚類特征，對添加有可信度描述信息的傳感數據進行劃分，劃分到所述歷史傳感數據組成的微簇中。

5.根據權利要求1所述的方法，其特征在于，還包括：

對所述微簇的聚類特征進行離線分析，獲得第二分析結果。

6.根據權利要求5所述的方法，其特征在于，對所述微簇的聚類特征進行離線分析，獲得第二分析結果，包括：

根據預先設定的信息處理任務和目標，使用所述微簇的聚類特征對歷史傳感數據進行索引，得到相關傳感數據；

對所述相關傳感數據進行離線分析，獲得第二分析結果。

7.根據權利要求書1所述的方法，其特征在于，當存在歷史傳感數據組成的微簇時，獲得所述微簇的聚類特征，具體包括：

根據所述歷史傳感數據的生成時間與當前時間的時間間隔為所述歷史傳感數據添加衰減權重；

從微簇中刪除衰減權重小于第一閾值的所述歷史傳感數據；

根據微簇中剩余的歷史傳感數據和新劃分的傳感數據對微簇的聚類特征進行更新，獲得所述微簇的聚類特征。

8.根據權利要求1或7所述的方法，其特征在于，所述微簇的聚類特征，包括：

傳感數據的可信度信息加權的多階矩向量、可信度信息的多階矩向量、微簇更新的時間戳信息和微簇包含數據點個數。

9.一種傳感數據的實時聚類分析系統，其特征在于，包括：可信度描述信息添加模塊、實時劃分模塊、聚類特征獲得模塊和第一分析模塊，

所述可信度描述信息添加模塊，用于在傳感數據中添加可信度描述信息；

所述實時劃分模塊，用于根據所述可信度描述信息對所述傳感數據進行實時聚類劃分處理，劃分到微簇中；

聚類特征獲得模塊，用于獲得所述微簇的聚類特征；

第一分析模塊，將所述傳感數據劃分結果和所述微簇的聚類特征作為第一分析結果進行輸出。

10.根據權利要求9所述的系統，其特征在于，還包括：第二分析模塊，用于對所述微簇的聚類特征進行離線分析，獲得第二分析結果。

11.根據權利要求10所述的系統，其特征在于，所述第二分析模塊，包括：

數據索引模塊，用于根據預先設定的信息處理任務和目標，使用所述微簇的聚類特征對歷史傳感數據進行索引，得到相關傳感數據；

離線分析模塊，用于對所述相關傳感數據進行離線分析，獲得第二分析結果。

12.根據權利要求書9所述的系統，其特征在于，當存在歷史傳感數據組成的微簇時，所述聚類特征獲得模塊，具體包括：

衰減權重添加模塊，用于根據所述歷史傳感數據的生成時間與當前時間的時間間隔為所述歷史傳感數據添加衰減權重；

數據刪除模塊，用于從微簇中刪除衰減權重小于第一閾值的所述歷史傳感數據；

聚類特征更新模塊，用于根據微簇中剩余的歷史傳感數據和新劃分的傳感數據對微簇的聚類特征進行更新，獲得所述微簇的聚類特征。