基于B-Spline曲线的流式大数据事件模板构建及匹配方法研究

发布时间：2025-05-01 12:09

　　流式数据是一组连续的数据序列,具有快速,大量,在时间上连续到达等特点。近年来,随着我国的经济发展,流式数据的应用不断增多,如传感器网络,日志系统,实时监控等。这些设备或程序在其真正的生产环境中都会产生大量的实时数据,这些数据对于生产生活都是宝贵的数据资源。但流式数据由于其大量,实时性特点,无法采用一般的方法进行处理,需要使用大数据处理技术。除此之外,在大多数流式数据系统应用中,通常还会发生某种类型的异常事件,如地震监测系统,煤炭开采矿震监测系统等。这种系统通常监测的是流式数据上的发生的事件,通过监测到的事件来指导生产和生活。例如,在煤炭开采的过程中,会在矿山周围放置多个传感器基站,用于监测煤炭开采过程中产生的微震信号。微震信号在通过岩石,空气的传播过程中会出现能量衰减,干扰等现象。所以对于不同的传感器来说,对于同一个事件的监测在数据表现形式上也不尽相同;同一个传感器对于同一个事件的多次监测也可能出现不同的表现形式。这就导致同一个事件在横向时间上表现形式不同,在纵向的能量表现形式也不相同。因此,本文针对流式数据的事件特点进行模板构建和匹配展开研究。首先,本文根据流式数据的特点,给出了流式数...

【文章页数】：56 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第1章 绪论
    1.1 研究背景与意义
    1.2 问题的提出
    1.3 研究内容
    1.4 本文组织结构
第2章 相关工作
    2.1 B-Spline曲线
        2.1.1 B-Spline曲线的定义
        2.1.2 B-Spline曲线类型的划分和性质
    2.2 遗传算法
    2.3 流式数据处理方法
    2.4 本章小结
第3章 B-Spline曲线的流式数据事件模板构建方法
    3.1 相关定义
        3.1.1 流式数据事件
        3.1.2 流式数据事件模板
        3.1.3 事件漂移
    3.2 流式数据事件归一化处理
        3.2.1 确定基本尺度事件
        3.2.2 事件的基本尺度化
        3.2.3 确定B-Spline输入曲线
    3.3 事件模板构建
        3.3.1 事件编码方案
        3.3.2 事件适应度函数
        3.3.3 选择算子
        3.3.4 交叉变异
    3.4 B-Spline曲线控制顶点
    3.5 本章小结
第4章 流式数据事件匹配
    4.1 问题描述
    4.2 流式数据事件压缩处理
    4.3 完整事件获取
    4.4 事件匹配
    4.5 本章小结
第5章 实验与分析
    5.1 实验环境
    5.2 实验结果分析
        5.2.1 迭代次数-最优染色体控制顶点数关系
        5.2.2 模板构建误差对比
        5.2.3 模板构建时间
        5.2.4 事件匹配率
    5.3 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
攻读学位期间发表的学术论文及参加科研情况



本文编号：4042255