《计算机应用研究》|Application Research of Computers

RFID物联网复杂事件模式聚类算法研究

Study on RFID complex event pattern clustering algorithm of Internet of things

免费全文下载 (已被下载 次)  
获取PDF全文
作者 赵会群,李会峰,刘金銮
机构 北方工业大学 计算机学院,北京100144
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2018)02-0339-03
DOI 10.3969/j.issn.1001-3695.2018.02.004
摘要 随着近年来物联网技术的发展,作为物联网的关键技术之一RFID技术也得到了广泛应用;随之而来的数据量的不断递增,传统的物联网数据处理方法遇到了瓶颈。复杂事件处理(complex event processing,CEP)技术的提出是有望解决大数据挑战的技术之一。然而,当事件流形成大数据时,目前的有效获取事件模式方法和技术都存在很多不足,针对这一问题通过基于云计算平台Hadoop聚类算法,有效地改变了传统技术面临海量数据的局限性。实验结果表明了提出的事件模式聚类算法的有效性。
关键词 射频识别;物联网;复杂事件处理;聚类;事件模式;大数据
基金项目 国家自然科学基金面上项目(61370051,61672041)
本文URL http://www.arocmag.com/article/01-2018-02-004.html
英文标题 Study on RFID complex event pattern clustering algorithm of Internet of things
作者英文名 Zhao Huiqun, Li Huifeng, Liu Jinluan
机构英文名 SchoolofComputerScicence,NorthChinaUniversityofTechnology,Beijing100144,China
英文摘要 With the development of Internet of things technology in recent years, as one of the key technologies of the Internet of things, RFID technology has been widely used.The amount of data followed by continuous increase, the traditional method of things data processing bottlenecks encountered.The complex event processing(CEP) sound to be one of promising technologies because it’s technical strategy on event flow analysis.However, when the event data stream to form a large, effective access to the current event model methods and techniques are many deficiencies.Aiming at this problem, using the cloud computing platform Hadoop parallel clustering algorithm, effectively changed the traditional technology which faced massive data limitations.The experimental results show the effectiveness of the event pattern clustering algorithm proposed.
英文关键词 radio frequency identification(RFID); Internet of things; complex event processing; clustering; event pattern; big data
参考文献 查看稿件参考文献
  [1] 罗春彬, 彭龑, 易彬. RFID技术发展与应用综述[J] . 通信技术, 2009, 42(12):112-114.
[2] 张捍东, 朱林. 物联网中的RFID技术及物联网的构建[J] . 计算机技术与发展, 2011, 21(5):56-59.
[3] 李泉林, 郭龙岩. 综述RFID技术及其应用领域[C] //Proc of Specialist Forum. 2006:51-62.
[4] Mendes M R N, Bizarro P, Marques P. Benchmarking event processing systems:current state and future directions[C] //Proc of the 1st Joint WOSP/SIPEW International Conference on Performance Engineering. 2010:28-30.
[5] Etzion O, Niblett P. Event processing in action[M] . New York:Manning Publications, 2010.
[6] Katal A , Wazid M, Goudar R H. Big data:issues, challenges, tools and good practices[C] //Proc of the 6th International Conference on Contemporary Computing. 2013:404-409.
[7] 赵会群, 毛立志. 一种RFID复杂事件语义分析方法研究[J] . 计算机应用研究, 2016, 33(10):3041-3044.
[8] Ding Shifei, Jia Hongjie, Zhang Liwen, et al. Research of semi-supervisedspectral clustering algorithm based on pairwise constraints[J] . Neural Computing and Applications, 2014, 24(1):211-219.
[9] Chen Xinlei, Deng Cai. Large scale spectral clustering with landmark-based representation[C] //Proc of the 25th AAAI Conference on Artificial Intelligence. 2011:313-318.
[10] 孙吉贵, 刘杰, 赵连宇. 聚类算法研究[J] . 软件学报, 2008, 19(1):48-61.
[11] 赵会群, 孙晶, 杨岩坤, 等. 复杂事件模式检测与 CEP 测试数据生成算法研究[J] . 计算机学报 , 2017, 40(1):256-272.
[12] Madera S C, Oliveira A L. Biclustering algorithms for biological data analysis:a survey[J] . IEEE/ACM Trans on Computational Biology & Bioinformatics, 2004, 1(1):24-45.
[13] 王勇, 唐靖, 饶勤菲, 等. 高效率的K-means最佳聚类数确定算法[J] . 计算机应用, 2014, 34(5):1331-1335.
[14] 刘培强. 两元矩阵聚类算法研究[D] . 济南:山东大学, 2013:3449.
[15] 王庆生, 魏晓伟. RFID复杂事件处理关键技术的研究与改进[J] . 计算机技术与发展, 2012, 22(1):45-48.
[16] 李强, 陈琳. 原始RFID数据流上复杂事件处理研究[J] . 计算机工程与设计, 2012, 33(4):1614-1616.
[17] 周世兵, 徐振源, 唐旭清. K-means算法最佳聚类数确定方法[J] . 计算机应用, 2010, 30(8):1995-1998.
[18] 吕峻闽, 缪春池, 周启海, 等. 基于RFID和SCOR的物联网配送中心信息系统模型研究[J] . 计算机科学, 2011, 38(12):128-130.
[19] 赵卫中, 马慧芳, 傅燕翔, 等. 基于云计算平台Hadoop的并行k-means聚类算法设计研究[J] . 计算机科学, 2011, 38(10):166-168, 176.
[20] 程学旗, 靳小龙, 王元卓, 等. 大数据系统和分析技术综述[J] . 软件学报, 2014, 25(9):1889-1908.
收稿日期 2016/10/25
修回日期 2016/11/29
页码 339-341
中图分类号 TP391
文献标志码 A