【技术实现步骤摘要】
本专利技术涉及云计算数据处理，具体涉及基于云计算的智慧仓储数据优化管理方法。
技术介绍
1、智慧仓储数据指的是仓储管理中应用智能技术和数据科学方法，从仓库操作中产生、收集、分析和应用的数据，包括货物库存数据、温湿度数据、环境检测数据、运输数据等等，其具有大量和实时性特征，因此为了实现智慧仓储数据的优化管理，需要对智慧仓储数据进行压缩后存储，从而实现云计算的智慧仓储数据库下数据的快速分配及管理。
2、已知采集的温湿度数据中存在着较多的冗余数据，为了实现智慧仓储数据的优化管理，需要对采集的温湿度数据进行去冗余操作，进而提高压缩效率，因此使用bdscan算法对温湿度数据进行聚类，将温湿度数据减少为若干个聚类中心后，对其进行压缩后存储，但是bdscan聚类算法的最小邻域数以及邻域半径的不准确会影响聚类结果。
技术实现思路
1、为了解决上述问题，本专利技术提供基于云计算的智慧仓储数据优化管理方法。
2、本专利技术的基于云计算的智慧仓储数据优化管理方法采用如下技术方案：
3、本专利技术一个实施例提供了基于云计算的智慧仓储数据优化管理方法，该方法包括以下步骤：
4、采集温湿度数据及最佳温湿度数据，所述温湿度数据包含温度项以及湿度项；
5、将每个温湿度数据映射到聚类空间；根据聚类空间中的温湿度数据，获取dbscan聚类算法的最小邻域数以及邻域半径；根据聚类空间中温湿度数据相较于最佳温湿度数据的位置偏移，获取聚类空间中每个温湿度数据的异常程
6、根据聚类空间中温湿度数据之间的距离，获取聚类空间中的离散数据；根据聚类空间中的离散数据与离散数据的邻域数据之间的距离，获取聚类空间中每个离散数据的第一维度孤立评价标准以及每个离散数据的靠近邻域数据的个数；根据每个离散数据的靠近邻域数据的个数以及最小邻域数，获取聚类空间中每个离散数据的第二维度孤立评价标准；根据聚类空间中每个离散数据的第一维度孤立评价标准以及第二维度孤立评价标准，获取聚类空间中的非孤立离散数据；将聚类空间中每个非孤立离散数据在邻域半径内的温湿度数据的个数作为每个非孤立离散数据的更新最小邻域数；
7、根据聚类空间中每个温湿度数据的更新邻域半径以及每个非孤立离散数据的更新最小邻域数，对聚类空间中的温湿度进行聚类后压缩存储。
8、优选的，所述将每个温湿度数据映射到聚类空间；根据聚类空间中的温湿度数据，获取dbscan聚类算法的最小邻域数以及邻域半径，包括的具体步骤如下：
9、
10、
11、式中，ti代表第i个温湿度数据的温度项的值；tmin代表所有温湿度数据的温度项中的最小值；tmax代表所有温度数据的温度项中的最大值；t′i代表第i个温湿度数据归一化后的温度项的值；rhi代表第i个温湿度数据的湿度项的值；rhmin代表所有温湿度数据的湿度项中的最小值；rhmax代表所有温湿度数据的湿度项中的最大值；rh′i代表第i个温湿度数据归一化后的湿度项的值；
12、以温度项为横坐标、湿度项为纵坐标构建二维的聚类空间，根据每个温湿度数据归一化后的温度项的值以及湿度项的值，将每个温湿度数据映射到聚类空间中；
13、根据聚类空间中的温湿度数据，使用k-距离图获取dbscan聚类算法的最小邻域数以及邻域半径。
14、优选的，所述根据聚类空间中温湿度数据相较于最佳温湿度数据的位置偏移，获取聚类空间中每个温湿度数据的异常程度，包括的具体步骤如下：
15、
16、式中，fi代表聚类空间中第i个温湿度数据的异常程度，t′i代表第i个温湿度数据归一化后的温度项的值；rh′i代表第i个温湿度数据归一化后的湿度项的值；t′o代表最佳温湿度数据归一化后的温度项的值；rh′o代表最佳温湿度数据归一化后的湿度项的值；μ1代表预设第一权重；μ2代表预设第二权重。
17、优选的，所述根据聚类空间中每个温湿度数据的异常程度对邻域半径进行调整，获取聚类空间中每个温湿度数据的更新邻域半径，包括的具体步骤如下：
18、
19、式中，ri′代表聚类空间中第i个温湿度数据的更新邻域半径；r代表邻域半径；fi代表聚类空间中第i个温湿度数据的异常程度；t1代表预设异常程度阈值。
20、优选的，所述根据聚类空间中温湿度数据之间的距离，获取聚类空间中的离散数据，包括的具体步骤如下：
21、
22、式中，li代表聚类空间中第i个温湿度数据的离散评价值；n代表最小邻域数；di,p代表聚类空间中与第i个温湿度数据距离最近第p个温湿度数据与第i个温湿度数据之间的距离值；
23、若聚类空间中第i个温湿度数据的离散评价值大于邻域半径，将聚类空间中第i个温湿度数据作为离散数据，得到聚类空间中的若干离散数据。
24、优选的，所述根据聚类空间中的离散数据与离散数据的邻域数据之间的距离，获取聚类空间中每个离散数据的第一维度孤立评价标准以及每个离散数据的靠近邻域数据的个数，包括的具体步骤如下：
25、获取聚类空间中与第j个离散数据距离最近的n个温湿度数据，记为第j个离散数据的邻域数据；
26、
27、式中，代表聚类空间中第j个离散数据的第一维度孤立评价标准；代表聚类空间中第j个离散数据与第j个离散数据的每个邻域数据之间的距离的最大值；代表聚类空间中第j个离散数据与第j个离散数据的每个邻域数据之间的距离的最小值；exp()代表以自然常数为底数的指数函数，||表示求绝对值；
28、将聚类空间中第j个离散数据与第j个离散数据的每个邻域数据之间的距离的最小值所对应的邻域数据记为第j个离散数据的最小邻域数据，将聚类空间中第j个离散数据与第j个离散数据的每个邻域数据之间的距离的最大值所对应的邻域数据记为第j个离散数据的最大邻域数据；
29、根据聚类空间中离散数据的邻域数据与离散数据的最小邻域数据以及最大邻域数据之间的距离，获取每个离散数据的靠近邻域数据的个数。
30、优选的，所述根据聚类空间中离散数据的邻域数据与离散数据的最小邻域数据以及最大邻域数据之间的距离，获取每个离散数据的靠近邻域数据的个数，包括的具体步骤如下：
31、若第j个离散数据的第b个邻域数据与第j个离散数据的最小邻域数据之间的距离小于第j个离散数据的第b个邻域数据与第j个离散数据的最大邻域数据之间的距离，将第j个离散数据的第b个邻域数据记为第j个离散数据的靠近邻域数据，统计第j个离散数据的靠近邻域数据的个数。
32、优选的，所述根据每个离散数据的靠近邻域数据的个数以及最小邻域数，获取聚类空间中每个离散数据的第二维度孤立评价标准，包括的具体步骤如下：
33、
34、式中，代表聚类空间中第j个离散数据的第二维度孤立评本文档来自技高网...
【技术保护点】
1.基于云计算的智慧仓储数据优化管理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述将每个温湿度数据映射到聚类空间；根据聚类空间中的温湿度数据，获取DBSCAN聚类算法的最小邻域数以及邻域半径，包括的具体步骤如下：
3.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中温湿度数据相较于最佳温湿度数据的位置偏移，获取聚类空间中每个温湿度数据的异常程度，包括的具体步骤如下：
4.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中每个温湿度数据的异常程度对邻域半径进行调整，获取聚类空间中每个温湿度数据的更新邻域半径，包括的具体步骤如下：
5.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中温湿度数据之间的距离，获取聚类空间中的离散数据，包括的具体步骤如下：
6.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空
7.根据权利要求6所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中离散数据的邻域数据与离散数据的最小邻域数据以及最大邻域数据之间的距离，获取每个离散数据的靠近邻域数据的个数，包括的具体步骤如下：
8.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据每个离散数据的靠近邻域数据的个数以及最小邻域数，获取聚类空间中每个离散数据的第二维度孤立评价标准，包括的具体步骤如下：
9.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中每个离散数据的第一维度孤立评价标准以及第二维度孤立评价标准，获取聚类空间中的非孤立离散数据，包括的具体步骤如下：
10.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中每个温湿度数据的更新邻域半径以及每个非孤立离散数据的更新最小邻域数，对聚类空间中的温湿度进行聚类后压缩存储，包括的具体步骤如下：
...【技术特征摘要】
1.基于云计算的智慧仓储数据优化管理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述将每个温湿度数据映射到聚类空间；根据聚类空间中的温湿度数据，获取dbscan聚类算法的最小邻域数以及邻域半径，包括的具体步骤如下：
3.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中温湿度数据相较于最佳温湿度数据的位置偏移，获取聚类空间中每个温湿度数据的异常程度，包括的具体步骤如下：
4.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中每个温湿度数据的异常程度对邻域半径进行调整，获取聚类空间中每个温湿度数据的更新邻域半径，包括的具体步骤如下：
5.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中温湿度数据之间的距离，获取聚类空间中的离散数据，包括的具体步骤如下：
6.根据权利要求1所述的基于云计算的智慧仓储数据优化管理方法，其特征在于，所述根据聚类空间中的离散数据与离散数据的邻域...
【专利技术属性】
技术研发人员：梁俊杰，袁群，
申请(专利权)人：冻冻北京网络科技有限公司，
类型：发明
国别省市：
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。