传统方法在处理物联网设备采集的数据时,往往难以应对数据缺失的问题.高精度虚拟重构算法能够通过分析现有数据的模式和关联性,填补缺失的信息,从而提高数据集的完整性.为此,文章提出了一种针对物联网采集缺失信息的高精度虚拟重构算法.利用MapReduce框架进行数据的并行化预处理,包括数据清洗和异常值剔除,以提升数据采集的整体质量,并有效提取物联网中的缺失信息特征.设计了缺失信息特征识别器,此识别器利用模板匹配和相似度,度量精准识别数据集中的缺失部分.在构建虚拟重构模型时,考虑节点互联能力阈值、链路传输功率总和限制等多重约束条件,通过历史数据训练模型以学习适应不同数据缺失情况.提出了重构排序函数,针对不同物理链路条件采取灵活恢复策略,动态调整重构路径,以确保系统的稳定运行和高效数据传输.依据资源条件灵活选择迁移或分割策略,确保在带宽资源充足时优先完整迁移,资源紧张时则采用动态路径分割,以最优方式恢复物联网数据的完整性与连续性.实验结果表明,设计算法在五个数据集上的请求接受率均高于文献[1]和文献[2]中的算法,特别是在DS3数据集上,其请求接受率高达93.2％,显著优于其他两种算法,这充分证明了文章的设计算法在复杂物联网环境下具有的高精度重构能力.
万方数据
维普
