一种基于大数据分析的设备智能化管理系统及方法技术方案

本发明专利技术公开了一种基于大数据分析的设备智能化管理系统及方法，属于设备数据管理技术领域

【技术实现步骤摘要】
一种基于大数据分析的设备智能化管理系统及方法


[0001]本专利技术涉及设备数据管理
，具体为一种基于大数据分析的设备智能化管理系统及方法
。

技术介绍

[0002]在设备的使用过程中，如果要形成数据传输与访问，一般是通过
CPU
来进行，
CPU
通过访问寄存器
、
缓存或者内存实现数据指令通信，进而实现设备的数据管理
。
[0003]寄存器是
CPU(
中央处理器
)
的组成部分，是一种直接整合到
CPU
中的有限的高速访问速度的存储器，它是由一些与非门组合组成的，分为通用寄存器和特殊寄存器
。
缓存就是数据交换的缓冲区，当某一硬件要读取数据时，会首先从缓存中查找需要的数据，如果找到了则直接执行，找不到的话则从内存中找
。
在
CPU
的访问进程里，其访问寄存器的速度远高于缓存速度，访问缓存的速度又远高于内存，然而由于寄存器的自身局限性，其容量有限，存储空间小，虽然寄存器是计算机存储器中最强悍的存储器，但是由于技术限制，无法提升其容量，导致计算机在传输数据过程中，大部分数据依然存在于缓存中，其影响整个数据传输的效率，在目前来讲，如何能够将接收到的数据列表进行智能分配，将优先或者常用数据放置于寄存器，将其他数据放置于缓存，从而提升计算机
CPU
性能，加快设备控制速度，是一个亟待解决的问题
。

技术实现思路
/>[0004]本专利技术的目的在于提供一种基于大数据分析的设备智能化管理系统及方法，以解决上述
技术介绍
中提出的问题
。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种基于大数据分析的设备智能化管理方法，该方法包括以下步骤：
[0006]S1、
终端设备向服务器发送数据列表，获取数据列表中的数据格式与物理链路层协议；
[0007]S2、
基于服务器中历史数据下数据列表的数据格式与调用方式，构建数据调用个性化模型；
[0008]S3、
基于数据调用个性化模型，校验接收到的数据列表，对寄存器存储与缓存存储进行分解，判断寄存器存储是否超出设定的寄存器存储大小，若符合寄存器存储大小，确定数据列表有效，进入步骤
S4
；若不符合寄存器存储大小，反馈数据列表预警，进入步骤
S5
；
[0009]S4、
对寄存器存储中的数据进行数据转换，并实现数据加密；
[0010]S5、
对数据列表进行分析处理，构建数据关联分析模型，实现对寄存器存储数据格式的智能处理，处理后对寄存器存储中的数据进行数据转换，并实现数据加密；
[0011]S6、
服务器调用数据列表，对加密数据进行解密还原处理，将数据流转至设备下一个业务模块，接收数据列表中的数据指令，对设备实现指令控制
。
[0012]根据上述技术方案，所述数据调用个性化模型包括：
[0013]获取历史数据下，服务器接收数据列表的数据格式与调用方式，获取每一组数据列表中的所有数据格式，记为
A1、A2、
…
、A
n
；其中
A1、A2、
…
、A
n
分别代表一种数据格式，且
A1、A2、
…
、A
n
之间各不相同；
n
指当前组数据列表中数据格式的种类数量；
[0014]获取当前组的调用方式，所述调用方式包括调用各数据格式的顺序，基于调用顺序前后形成新的调用列表，设置调用阈值
M
，按照顺序选取形成的调用列表中前
M
种数据格式，记录为当前组调用集合；
[0015]以最基础的视频与音频格式为例，若设备置为一种监控设备，其传输的数据包含视频数据与音频数据，目前指令要求寻找某一部分内容，则调用记录为不断遍历视频数据直至寻找到相应的内容，根据相应内容调用对应的音频数据，那么在这样的情况下，寄存器内就不应该存储对应的音频数据，而是尽可能的添加视频数据，先进行遍历，从而提高设备的反应速度，而从缓存中寻找相对应的数据，基于这样的理论方式，在不同的数据格式下，能够实现不同设备的个性化处理
。
[0016]基于历史数据生成若干组调用集合，形成训练数据集
D
，训练数据集
D
中的每一项数据格式记为一个单备选项集，计算每一个单备选项集的支持度：
[0017][0018]其中，
sup(X)
记为单备选项集
X
的支持度；
num(x)
代表单备选项集
X
在训练数据集
D
中出现的次数；
num(T)
代表训练数据集
D
的所有单备选项集出现的次数；
[0019]计算所有单备选项集的支持度，在训练数据集
D
中删除支持度最低的对应的单备选项集，形成新的训练数据集
D1
；
[0020]对新的训练数据集
D1
进行多备选项集处理，所述多备选项集处理指在上一个单备选项集或多备选项集上随机加入另一个单备选项集，形成的多备选项集；计算每个多备选项集的支持度，在新的训练数据集上删除支持度最低的对应的多备选项集，形成新的训练数据集，以递归的方式不断处理，直到无法出现新的多备选项集；
[0021]将生成的多备选项集输出至管理员端，获取最初的训练数据集
D
，对多备选项集进行置信度分析：
[0022]随机在生成的多备选项集选取出一种单备选项集
X
，分析生成的多备选项集中形成的任何一个多备选项集对单备选项集
X
的置信度：
[0023][0024]其中，
conX、Z
代表某一个多备选项集
Z
对单备选项集
X
的置信度；
[0025]num(X、Z)
代表多备选项集
(X、Z)
在训练数据集
D
中出现的次数；
num(Z)
代表多备选项集
Z
在训练数据集
D
中出现的次数；
[0026]记录下所有的置信度，置于数据库内；
[0027]校验接收到的数据列表，选取出处于生成的多备选项集中且在接收到的数据列表中出现率最高的数据格式
I
，在数据库内调用数据格式
I
关联于多备选项集的所有置信度；
[0028]在接收到的数据列表中选取出数据格式
I
关联的多备选项集，按照每个多备选项集中的单备选项集的数量多少进行排序，计算出数量最多的多备选项集中对应的所有数据
格式以及数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据分析的设备智能化管理方法，其特征在于：该方法包括以下步骤：
S1、
终端设备向服务器发送数据列表，获取数据列表中的数据格式与物理链路层协议；
S2、
基于服务器中历史数据下数据列表的数据格式与调用方式，构建数据调用个性化模型；
S3、
基于数据调用个性化模型，校验接收到的数据列表，对寄存器存储与缓存存储进行分解，判断寄存器存储是否超出设定的寄存器存储大小，若符合寄存器存储大小，确定数据列表有效，进入步骤
S4
；若不符合寄存器存储大小，反馈数据列表预警，进入步骤
S5
；
S4、
对寄存器存储中的数据进行数据转换，并实现数据加密；
S5、
对数据列表进行分析处理，构建数据关联分析模型，实现对寄存器存储数据格式的智能处理，处理后对寄存器存储中的数据进行数据转换，并实现数据加密；
S6、
服务器调用数据列表，对加密数据进行解密还原处理，将数据流转至设备下一个业务模块，接收数据列表中的数据指令，对设备实现指令控制
。2.
根据权利要求1所述的一种基于大数据分析的设备智能化管理方法，其特征在于：所述数据调用个性化模型包括：获取历史数据下，服务器接收数据列表的数据格式与调用方式，获取每一组数据列表中的所有数据格式，记为
A1、A2、
…
、A
n
；其中
A1、A2、
…
、A
n
分别代表一种数据格式，且
A1、A2、
…
、A
n
之间各不相同；
n
指当前组数据列表中数据格式的种类数量；获取当前组的调用方式，所述调用方式包括调用各数据格式的顺序，基于调用顺序前后形成新的调用列表，设置调用阈值
M
，按照顺序选取形成的调用列表中前
M
种数据格式，记录为当前组调用集合；基于历史数据生成若干组调用集合，形成训练数据集
D
，训练数据集
D
中的每一项数据格式记为一个单备选项集，计算每一个单备选项集的支持度：其中，
sup(X)
记为单备选项集
X
的支持度；
num(x)
代表单备选项集
X
在训练数据集
D
中出现的次数；
num(T)
代表训练数据集
D
的所有单备选项集出现的次数；计算所有单备选项集的支持度，在训练数据集
D
中删除支持度最低的对应的单备选项集，形成新的训练数据集
D1
；对新的训练数据集
D1
进行多备选项集处理，所述多备选项集处理指在上一个单备选项集或多备选项集上随机加入另一个单备选项集，形成的多备选项集；计算每个多备选项集的支持度，在新的训练数据集上删除支持度最低的对应的多备选项集，形成新的训练数据集，以递归的方式不断处理，直到无法出现新的多备选项集；将生成的多备选项集输出至管理员端，获取最初的训练数据集
D
，对多备选项集进行置信度分析：随机在生成的多备选项集选取出一种单备选项集
X
，分析生成的多备选项集中形成的任何一个多备选项集对单备选项集
X
的置信度：
其中，
conX、Z
代表某一个多备选项集
Z
对单备选项集
X
的置信度；
num(X、Z)
代表多备选项集
(X、Z)
在训练数据集
D
中出现的次数；
num(Z)
代表多备选项集
Z
在训练数据集
D
中出现的次数；记录下所有的置信度，置于数据库内；校验接收到的数据列表，选取出处于生成的多备选项集中且在接收到的数据列表中出现率最高的数据格式
I
，在数据库内调用数据格式
I
关联于多备选项集的所有置信度；在接收到的数据列表中选取出数据格式
I
关联的多备选项集，按照每个多备选项集中的单备选项集的数量多少进行排序，计算出数量最多的多备选项集中对应的所有数据格式以及数据格式
I
占用的内存数据，作为寄存器预存储数据，接收数据列表中剩余的数据格式作为缓存存储数据
。3.
根据权利要求2所述的一种基于大数据分析的设备智能化管理方法，其特征在于：所述构建数据关联分析模型包括：获取设定的寄存器存储大小，若存在寄存器预存储数据超出设定的寄存器存储大小，对数据列表进一步...

【专利技术属性】
技术研发人员：周树森，
申请(专利权)人：泰思物联网科技广州有限公司，
类型：发明
国别省市：