【技术实现步骤摘要】
本专利技术涉及数据存储，尤其涉及一种基于物联网的物理空间管理系统及方法。
技术介绍
1、随着物联网技术的快速发展和普及，物联网大数据的数量呈几何倍数增长，物联网目前广泛应用于医疗保健、交通、智能家居和监控系统等领域，并且正在以前所未有的速度快速增长，物联网设备产生大量的传感数据来反映用户和设备的物理环境或状况。由于大多数物联网设备的资源和存储容量都有限，因此通常需要将数据传输并存储在资源丰富的平台上，便于从中检索数据以进行分析和决策。物联网数据具有多源异构、规模大和冗余度高等特点，目前大部分的物联网数据都是通过采集器将数据上传到云端进行通信。每个设备在一个固定时间段生成时间序列数据，用于执行连续的监测任务。传统的物联网大数据存储以并行数据存储为主，硬件配置要求不高，系统运行和维护成本较低。但随着物联网环境的日益复杂，数据丢失、窃取、泄露等问题不断发生，传统的存储系统不能实现高质量的数据存储，出现了存储时延长、安全性较低、存储速度慢等情况，因此，如何高效地对数据存储空间进行管理成为亟待解决的问题。
技术实现思路
1、本专利技术提供一种基于物联网的物理空间管理系统及方法，其主要目的在于解决数据存储空间管理的效率较低的问题。
2、为实现上述目的，本专利技术提供的一种基于物联网的物理空间管理系统，其特征在于，所述系统包括近邻密度计算模块、数据聚类模块、距离拓扑图生成模块、目标存储节点选取模块及分布存储模块，其中：
3、所述近邻密度计算模块，用于获取物联网数据集及数据
4、所述数据聚类模块，用于根据所述近邻密度及所述数据距离计算聚类中心及近邻相似度，根据所述聚类中心及所述近邻相似度对所述物联网数据集进行数据聚类，得到数据类簇集；
5、所述距离拓扑图生成模块，用于构建所述数据存储节点之间的节点连通图，计算每个所述数据存储节点之间的节点距离，根据所述节点距离生成所述节点连通图对应的距离拓扑图；
6、所述目标存储节点选取模块，用于确定所述距离拓扑图中每个数据存储节点的数据存储速度，根据所述数据存储速度从所述距离拓扑图中选取目标存储节点；
7、所述分布存储模块，用于获取每个所述目标存储节点的节点属性，根据所述节点属性计算所述每个所述目标存储节点与所述数据类簇集中每个数据类簇之间的节点适配度，根据所述节点适配度对所述数据类簇集进行分布存储。
8、可选地，所述近邻密度计算模块在根据所述数据距离计算每个所述物联网数据的近邻密度时，具体用于：
9、根据所述数据距离计算每个所述物联网数据的自然近邻数据；
10、根据所述自然近邻数据及其对应的数据距离计算每个所述物联网数据之间的数据隶属度；
11、利用如下公式计算每个所述物联网数据的数据隶属度：
12、
13、其中，u(xi，xj)表示第i个物联网数据xi与第j个物联网数据xj之间的数据隶属度，dij表示物联网数据xi与物联网数据xj之间的数据距离，bi表示第i个物联网数据xi对应的自然近邻数据的总数，n(xi)表示第i个物联网数据xi对应的自然近邻数据的集合；
14、根据所述数据隶属度及所述自然近邻数据计算每个所述物联网数据的近邻密度；
15、利用如下公式计算每个所述物联网数据的近邻密度：
16、
17、
18、其中，ρi表示第i个物联网数据xi的近邻密度，u(xi，xj)表示第i个物联网数据xi与第j个物联网数据xj之间的数据隶属度，n(xi)表示第i个物联网数据xi对应的自然近邻数据的集合，bi表示第i个物联网数据xi对应的自然近邻数据的总数，k表示预设的近邻数据的总数。
19、可选地，所述数据聚类模块在根据所述近邻密度及所述数据距离计算聚类中心及近邻相似度时，具体用于：
20、根据所述近邻密度及所述数据距离确定每个所述物联网数据的相对距离，将所述相对距离与所述近邻密度相乘，得到每个所述物联网数据的聚类中心度；
21、根据所述聚类中心度确定预设数量的聚类中心；
22、根据所述数据距离计算每个所述物联网数据的k近邻数据集，根据所述k近邻数据集确定所述物联网数据之间的共享近邻集；
23、根据所述共享近邻集及所述k近邻数据集计算近邻相似度。
24、可选地，所述数据聚类模块在根据所述共享近邻集及所述k近邻数据集计算近邻相似度时，具体用于：
25、根据所述k近邻数据集计算所述物联网数据之间的相似度；
26、利用如下公式计算所述物联网数据之间的相似度：
27、
28、其中，w(xi,xj)表示第i个物联网数据xi与第j个物联网数据xj之间的相似度，n(xi)表示第i个物联网数据xi对应的自然近邻数据的集合，knn(xi)表示第i个物联网数据xi对应的k近邻数据集，dij表示第i个物联网数据xi与第j个物联网数据xj之间的数据距离，k表示预设的近邻数据的总数；
29、根据所述共享近邻集计算计算所述物联网数据之间的相似度权重；
30、利用如下公式计算所述物联网数据之间的相似度权重：
31、
32、其中，β(xi,xj)表示第i个物联网数据xi与第j个物联网数据xj之间的相似度权重，|sn(xi,xj)|表示共享近邻集中的数据总数，k表示预设的近邻数据的总数；
33、根据所述相似度及所述相似度权重计算所述物联网数据之间的近邻相似度。
34、可选地，数据聚类模块在根据所述聚类中心及所述近邻相似度对所述物联网数据集进行数据聚类，得到数据类簇集，具体用于：
35、将所述聚类中心的自然近邻数据分配给所述聚类中心对应的类簇中，得到初始数据类簇集及未分配物联网数据；
36、根据所述近邻相似度将所述未分配物联网数据分配到所述初始数据类簇集，得到数据类簇集。
37、可选地，所述距离拓扑图生成模块在构建所述数据存储节点之间的节点连通图时，具体用于：
38、获取所述数据存储节点之间的链路关系；
39、以所述数据存储节点为顶点，根据所述链路关系及所述顶点生成所述数据存储节点之间的节点连通图。
40、可选地，所述目标存储节点选取模块在根据所述数据存储速度从所述距离拓扑图中选取目标存储节点时，具体用于：
41、计算所述距离拓扑图中每个数据存储节点的最短节点距离；
42、将所述最短节点距离大于等于预设的节点距离对应的数据存储节点作为初始存储节点；
43、根据每个所述初始存储节点的数据存储速度选取预设数量阈值的目标存储节点。
44、可选地，所述距离拓扑图生成模块在根据所述节点距离生成所述节点连通图对应的距离拓扑图时，具体用于：...
【技术保护点】
1.一种基于物联网的物理空间管理系统，其特征在于，所述系统包括近邻密度计算模块、数据聚类模块、距离拓扑图生成模块、目标存储节点选取模块及分布存储模块，其中：
2.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述近邻密度计算模块在根据所述数据距离计算每个所述物联网数据的近邻密度时，具体用于：
3.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述数据聚类模块，在根据所述近邻密度及所述数据距离计算聚类中心及近邻相似度时，具体用于：
4.如权利要求3所述的基于物联网的物理空间管理系统，其特征在于，所述数据聚类模块在根据所述共享近邻集及所述K近邻数据集计算近邻相似度时，具体用于：
5.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述数据聚类模块在根据所述聚类中心及所述近邻相似度对所述物联网数据集进行数据聚类，得到数据类簇集，具体用于：
6.如权利要求1所述的基于物联网的物理空间管理系统，其特征在于，所述距离拓扑图生成模块在构建所述数据存储节点之间的节点连通图时，具体用于：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。