典型文献
基于雾计算的物联网高维度数据压缩算法
文献摘要：
为了降低云-雾节点之间的通信消耗,对物联网数据融合计算效率问题进行研究,提出一种基于雾计算的物联网高维度数据压缩算法.在空时压缩机制基础上,建立了雾计算的离线与实时混合数据分析架构,充分考虑高维度数据的空时相关性和观测矩阵的自相关性.通过构造克罗内克(Kronecker)联合观测矩阵,并利用最优化理论对其进行求解,获得该观测矩阵最优值.最后,基于Intel Lab Data公开数据集对提出的算法进行实验验证.实验结果表明,相比于有效数据聚合(Effective Data Aggregating Method based on Compressive Sensing,EDAM)算法和基于动态环的路由方案实现寿命最大化(Lifetime Maximization Dynamic Ring-based Routing Scheme,LMDRS)算法,基于雾计算的观测矩阵优化压缩算法收敛性较好、压缩误差低,在相同的压缩率情况下,所提算法的相对重构误差最小.
文献关键词：
物联网;雾计算;观测矩阵;数据压缩;高维度数据
中图分类号：
作者姓名：
袁媛;吕建新;杜传祥;魏秀岭
作者机构：
西安思源学院 工学院,陕西 西安710038
文献出处：
引用格式：
[1]袁媛;吕建新;杜传祥;魏秀岭-.基于雾计算的物联网高维度数据压缩算法)[J].西安邮电大学学报,2022(03):39-45
A类：
Aggregating,EDAM,LMDRS
B类：
雾计算,高维度数据,数据压缩算法,低云,雾节点,物联网数据,数据融合,融合计算,计算效率,效率问题,压缩机,离线,混合数据,自相关性,克罗内克,Kronecker,最优化理论,得该,最优值,Intel,Lab,Data,公开数据集,有效数据,数据聚合,Effective,Method,Compressive,Sensing,路由,Lifetime,Maximization,Dynamic,Ring,Routing,Scheme,观测矩阵优化,收敛性,压缩率,重构误差
AB值：
0.400319
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
