多源异构物联网数据融合与异常检测的轻量化深度学习模型
|
雷雨果,宋聪聪,李启周
|
1. 河南省科学院应用物理研究所有限公司，河南郑州，450000；2. 河南省科学院，河南郑州，450000
|
摘要：多源异构物联网数据融合和异常检测，是实验室“物联网系统集成与大数据技术”研究方向的核心内容。农业环境监测、工业设备运维等场景中，物联网设备会产生多格式、多类型数据，这些数据存在异构性强、冗余度高、异常隐蔽等问题，传统模型难以兼顾检测精度与轻量化部署需求。本文结合实验室研究方向，针对农业、工业实际场景，剖析多源异构物联网数据特性和处理困境，设计轻量化深度学习模型，实现数据融合与异常检测的高效协同，为场景化数据处理提供技术支撑，助力物联网系统集成和大数据技术在实际场景的落地应用。
关健词：多源异构数据；轻量化深度学习；数据融合；异常检测 |
Lightweight deep learning model for data fusion and anomaly detection in multi-source heterogeneous Internet of Things
|
Yuguo Lei,Congcong Song,Qizhou Li
1.Henan Academy of Sciences Applied Physics Research Institute Co., Ltd.,Zhengzhou Henan 450000, China；2.Henan Academy of Sciences, Zhengzhou Henan 450000, China
|
Abstract：Data fusion and anomaly detection of multi-source heterogeneous Internet of Things is the core content of the research direction of “Internet of Things System Integration and Big Data Technology”in the laboratory. In agricultural environmental monitoring, industrial equipment operation and maintenance and other scenarios, Internet of Things devices will produce multi-format and multi-type data, which have problems such as strong heterogeneity, high redundancy, abnormal concealment, etc. It is difficult for traditional models to balance detection accuracy and lightweight deployment requirements. In this paper, based on the research direction of the laboratory, aiming at the actual scenes of agriculture and industry, the data characteristics and processing difficulties of multi-source heterogeneous Internet of Things are analyzed, and a lightweight deep learning model is designed to realize the efficient collaboration between data fusion and anomaly detection, provide technical support for scene data processing, and help the integration of Internet of Things systems and the application of big data technology in actual scenes.
Keywords : multi-source heterogeneous data; Lightweight deep learning; Data fusion; Anomaly detection
参考文献
[1] 姜红玉, 谢胜飞, 姜鑫, 时宇, 于静静, 汪朋. 多源 异构数据统一存储共享管理系统[ J ] . 科技和产 业,2024,24(18):88-93.
[2] 陈泽恩. 物联网中多源异构数据安全漏洞检测技术研 究[J]. 物联网技术,2024,14(09):124-126.
[3] 邱新忠, 汤赛, 徐晓红, 陈美华, 孙启真. 多源异构三维 空间数据融合关键技术研究及应用[J]. 浙江国土资 源,2024,(09):38-40.
[4] 董媛蓉. 基于多源异构数据的高速机电设备运行监测 系统设计[J]. 今日制造与升级,2023,(11):78-80+84.
[5] 陈肖, 方学智, 肖建华, 黄浩, 张言铖, 张辉, 江旭东. 基 于多源异构数据融合的变电站风险评估研究[J]. 电工 技术,2023,(21):42-44+48.
[6] 李刚, 王健, 刘畅. 多源异构数据融合算法综述[J]. 计 算机工程与应用,2022,58(15):1-18.
[7] 张磊, 陈明宇, 赵阳. 面向智慧城市的多源异构数据集 成与治理研究[J]. 电子技术应用,2023,49(07):1-5.
[8] 刘梦琪, 黄涛, 朱永泉. 工业互联网环境下多源 异构数据实时处理技术[ J ] . 计算机集成制造系 统,2024,30(02):567-580.
[9] 赵文博, 刘海龙, 李建清. 大数据背景下多源异 构数据标准化方法研究[ J ] . 数据分析与知识发 现,2023,7(03):112-120.
[10] 王浩宇, 郭晓军, 马天舒. 基于云计算的多源 异构数据存储架构设计[ J ] . 计算机工程与科 学,2023,45(08):1345-1352. |
|
|
 |
论文收录证明 / 文献检索报告
Document Retrieval Certificate / Proof of Publication Indexing
作者贡献声明 / 贡献确认书
Author Contribution Statement / Certificate of Authorship Contribution
同行评审报告 / 评审意见
Peer Review Report / Peer Review Comments
利益冲突
Conflict of Interest
作者声明不存在任何利益冲突。
The author declares no conflict of interest.
|
|
