一种基于工业互联网的数据识别方法技术

本发明专利技术涉及数据识别技术领域，特别是涉及一种基于工业互联网的数据识别方法，包括S1成分分析、S2数据采集、S3判别数据流离群点、S4云控制和S5复杂度分析。本发明专利技术通过主成分分析,指出了该方法的计算复杂度与鲁棒性问题，CCIPCA算法可解决数据流的实时性问题,但存在一定的噪声敏感性,不适用于实际数据流的处理因此，文中以CCIPCA算法为基础,采用周期更新的滑动窗口,对当前窗口数据实现增量更新方式，并对当前窗口数据进行离群点检测去除离群点减少离群点对增量主成分分析的影响实验结果表明,该算法在满足数据流实时性的同时,可有效对数据进行降维处理，并保证一定的精度，工业互联网是生产企业控制与管理深度融合的重要技术设施。重要技术设施。重要技术设施。

【技术实现步骤摘要】
一种基于工业互联网的数据识别方法


[0001]本专利技术涉及数据识别
，特别是涉及一种基于工业互联网的数据识别方法。

技术介绍

[0002]机器的连接只是手段，能对机器的有效管控才是工业互联网发展的重要目的。在传统互联网的基础上，影响工业互联网技术发展速度的两个重要因素便是机器侧的数据采集问题和云控制技术问题。事实上,这就是自动化技术与信息化技术深度融合的问题，如果这个问题处理好了，工业互联网的发展自然就会更顺利一些；
[0003]工业大数据的特点使其不同于互联网等数据流,分析难度与对分析精度的要求相对较高多源性及复杂性导致了工业大数据的高维性为准确进行工业大数据分析与预测，需要对工业大数据降维；
[0004]数据识别需要特征提取，是模式识别及机器学习中很重要的一个部分，目前,线性特征提取方法已被广泛用于文本分类和面部识别中，在工业大数据领域,线性特征提取主要应用于故障检测、故障诊断及质量控制中其中,PCA与LDA是两种最广泛的线性子空间学习方法，而线性判别分析主要关注点在小样本问题即当处理的数据集比较大时,类内散度矩阵会本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业互联网的数据识别方法，其特征在于，包括以下步骤：S1：成分分析；S2：数据采集；S3：判别数据流离群点；S4：云控制；S5：复杂度分析。2.根据权利要求1所述的一种基于工业互联网的数据识别方法，其特征在于，所述S1成分分析包括以下步骤：第一步：找到一系列可最大化所有数据方差的正交基向量；第二步：找到一个子空间，子空间中的基准向量对应着最大方差的方向。3.根据权利要求1所述的一种基于工业互联网的数据识别方法，其特征在于，所述S2数据采集包括以下步骤：第一步：在没有数据接口的机器上增加数据接口；第二步：在异构通讯规范之间采用全兼容的数据采集技术；第三步：每一种通讯协议都对应着通用网联中的一种通讯驱动，把通讯数据包交给通用网联中边缘计算来处理，多个边缘计算构成的雾计算；第四步：在通用网联中增加断网续传的功能，以保持数据的完整性。4.根据权利要求1所述的一种基于工业互联网的数据识别方法，其特征在于，所述S3判别数据流离散点包括以下步骤：S31：以PCA为基础，提出CCIPCA算法，对新到达的数据进行增量计算；S32：避免协方差矩阵的特征值分解，具有快速收敛的特征，对数据流进行实时降维，准确处理动态更新的实时数据流，利用滑动窗口获取近期数据，并对其进行离群点检测。5.根据权利要求1所述的一种基于工业...

【专利技术属性】
技术研发人员：李海啸，
申请(专利权)人：山东聚恒网络技术有限公司，
类型：发明
国别省市：