本發(fā)明屬于物聯(lián)網(wǎng)和人工智能，具體涉及一種輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法。

背景技術(shù)：

1、在當(dāng)今數(shù)字化與萬物智聯(lián)的時(shí)代背景下，大規(guī)模網(wǎng)絡(luò)數(shù)據(jù)的采集、處理與分析對(duì)于解決各類現(xiàn)實(shí)問題具有舉足輕重的地位。然而，在高山峽谷等地理?xiàng)l件復(fù)雜、通信基礎(chǔ)設(shè)施薄弱的地區(qū)，網(wǎng)絡(luò)數(shù)據(jù)的獲取與處理變得尤為棘手。高山峽谷以其陡峭的山峰、深邃的峽谷和多變的地形而著稱，這些特殊地貌導(dǎo)致網(wǎng)絡(luò)信號(hào)覆蓋不全、信號(hào)強(qiáng)度不穩(wěn)定以及設(shè)備供電困難等問題頻發(fā)，傳統(tǒng)傳感網(wǎng)絡(luò)數(shù)據(jù)提取方法在此類環(huán)境中難以施展拳腳。

2、為了應(yīng)對(duì)高山峽谷地區(qū)物聯(lián)網(wǎng)節(jié)點(diǎn)數(shù)據(jù)采集的難題，自動(dòng)數(shù)據(jù)提取技術(shù)應(yīng)運(yùn)而生。通過自動(dòng)化、輕量化的手段，該技術(shù)能在幾乎無需人力參與的情況下，遠(yuǎn)程完成傳感器節(jié)點(diǎn)的數(shù)據(jù)提取工作，從而確保數(shù)據(jù)提取的實(shí)時(shí)性與準(zhǔn)確性，并降低物聯(lián)網(wǎng)節(jié)點(diǎn)的能耗。因此，解決高山峽谷地區(qū)的數(shù)據(jù)自動(dòng)提取問題，對(duì)于推動(dòng)該地區(qū)的資源開發(fā)、環(huán)境保護(hù)及自然災(zāi)害監(jiān)測等應(yīng)用至關(guān)重要，這也是近年來學(xué)術(shù)界和產(chǎn)業(yè)界共同關(guān)注的焦點(diǎn)。

3、盡管現(xiàn)有的物聯(lián)網(wǎng)數(shù)據(jù)提取技術(shù)在提升高山峽谷地區(qū)的數(shù)據(jù)提取能力方面取得了一定進(jìn)展，但仍面臨諸多挑戰(zhàn)。一方面，由于地理環(huán)境的嚴(yán)酷性和人工成本的高昂，該地區(qū)的物聯(lián)網(wǎng)節(jié)點(diǎn)通常設(shè)計(jì)為低功耗傳感器，其數(shù)據(jù)采集量小、傳輸速度慢，僅能提供有限的數(shù)據(jù)樣本，這無疑增加了提取有效信息的難度。另一方面，地形復(fù)雜、信號(hào)覆蓋不全等因素導(dǎo)致采集的數(shù)據(jù)樣本存在不完整、規(guī)模小等問題。此外，高山峽谷地區(qū)的網(wǎng)絡(luò)信號(hào)波動(dòng)大、強(qiáng)度不穩(wěn)定，對(duì)數(shù)據(jù)提取的實(shí)時(shí)性提出了更高要求。

4、針對(duì)這些挑戰(zhàn)，本發(fā)明專利致力于設(shè)計(jì)一種輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法。該方法充分考慮了高山峽谷地區(qū)網(wǎng)絡(luò)狀態(tài)的多變性、原始采集數(shù)據(jù)的冗余異構(gòu)性以及數(shù)據(jù)樣本規(guī)模小的特點(diǎn)，旨在實(shí)現(xiàn)低時(shí)延、低功耗的數(shù)據(jù)采集和高準(zhǔn)確度的數(shù)據(jù)特征提取，為高山峽谷地區(qū)的數(shù)據(jù)處理與應(yīng)用提供強(qiáng)有力的技術(shù)支持。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，該方法具體包含數(shù)據(jù)采集過程和數(shù)據(jù)處理過程兩部分的設(shè)計(jì)。在數(shù)據(jù)采集過程，針對(duì)每個(gè)物聯(lián)網(wǎng)節(jié)點(diǎn)設(shè)計(jì)基于壓縮感知的數(shù)據(jù)采集方案，將節(jié)點(diǎn)采集的原始數(shù)據(jù)進(jìn)行稀疏化表述，通過隨機(jī)測量矩陣將稀疏數(shù)據(jù)壓縮為較小體量的數(shù)據(jù)包進(jìn)行傳輸；對(duì)多節(jié)點(diǎn)壓縮數(shù)據(jù)包的傳輸過程引入中繼節(jié)點(diǎn)多跳轉(zhuǎn)發(fā)機(jī)制，通過將數(shù)據(jù)包發(fā)送至距離較近的中繼節(jié)點(diǎn)，降低高山峽谷區(qū)域部署的物聯(lián)網(wǎng)節(jié)點(diǎn)功耗，增強(qiáng)節(jié)點(diǎn)持續(xù)工作能力，實(shí)現(xiàn)高山峽谷區(qū)域內(nèi)物聯(lián)網(wǎng)節(jié)點(diǎn)采集數(shù)據(jù)的高效匯集。數(shù)據(jù)處理過程。在數(shù)據(jù)提取處理過程，本發(fā)明提出基于數(shù)據(jù)增強(qiáng)的長短期記憶網(wǎng)絡(luò)(long?short-term?memory,lstm)，對(duì)采集到小樣本時(shí)序數(shù)據(jù)進(jìn)行處理，捕獲數(shù)據(jù)的時(shí)間特征信息；采用知識(shí)蒸餾技術(shù)將構(gòu)建的lstm網(wǎng)絡(luò)進(jìn)行模型壓縮，使得模型可以部署在高山峽谷中資源受限的低功耗物聯(lián)網(wǎng)節(jié)點(diǎn)。

2、具體而言，本發(fā)明是通過如下技術(shù)方案實(shí)現(xiàn)的：

3、一種輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，包括以下步驟：步驟s1：采集低功耗物聯(lián)網(wǎng)節(jié)點(diǎn)的傳感數(shù)據(jù)，基于壓縮感知技術(shù)在保證關(guān)鍵信息不丟失的前提下降低數(shù)據(jù)傳輸量；步驟s2：設(shè)計(jì)基于斯坦納樹的中繼節(jié)點(diǎn)選擇機(jī)制，實(shí)現(xiàn)傳輸功耗最小化的數(shù)據(jù)多跳轉(zhuǎn)發(fā)匯聚；步驟s3：訓(xùn)練部署基于數(shù)據(jù)增強(qiáng)的長短期記憶網(wǎng)絡(luò)，提取小樣本傳感數(shù)據(jù)特征信息，結(jié)合知識(shí)蒸餾技術(shù)，實(shí)現(xiàn)深度學(xué)習(xí)模型的輕量化，使其可以部署在資源受限設(shè)備。

4、在某實(shí)施方式中，設(shè)計(jì)針對(duì)低功耗物聯(lián)網(wǎng)節(jié)點(diǎn)的數(shù)據(jù)采集機(jī)制，基于壓縮感知將原始采集數(shù)據(jù)進(jìn)行稀疏化表示，通過隨機(jī)測量矩陣，將稀疏信號(hào)壓縮為體量較小的數(shù)據(jù)包。

5、在某實(shí)施方式中，數(shù)據(jù)接收節(jié)點(diǎn)對(duì)接收到的壓縮感知后的數(shù)據(jù)包進(jìn)行解壓縮和重構(gòu)，基于壓縮感知矩陣將傳輸數(shù)據(jù)解碼為稀疏數(shù)據(jù)，進(jìn)一步利用最小二乘法的數(shù)據(jù)重建算法，將數(shù)據(jù)從稀疏數(shù)據(jù)恢復(fù)到原始數(shù)據(jù)。

6、在某實(shí)施方式中，在對(duì)每個(gè)物聯(lián)網(wǎng)節(jié)點(diǎn)的傳輸數(shù)據(jù)進(jìn)行壓縮后，進(jìn)一步規(guī)劃節(jié)點(diǎn)傳輸路由，從而實(shí)現(xiàn)大規(guī)模物聯(lián)網(wǎng)節(jié)點(diǎn)的自動(dòng)數(shù)據(jù)匯集。

7、在某實(shí)施方式中，規(guī)劃節(jié)點(diǎn)傳輸路由、選擇傳輸中繼節(jié)點(diǎn)，將高山峽谷內(nèi)傳感網(wǎng)絡(luò)的傳輸過程構(gòu)建為有向圖模型，尋找圖模型中的最小斯坦納樹，從而確定傳輸功耗最優(yōu)的中繼節(jié)點(diǎn)選擇方案。

8、在某實(shí)施方式中，圖模型中的節(jié)點(diǎn)為高山峽谷內(nèi)的傳感器節(jié)點(diǎn)，有向邊表示傳感器節(jié)點(diǎn)可進(jìn)行無線通信，節(jié)點(diǎn)權(quán)重為傳感器節(jié)點(diǎn)靜態(tài)能量開銷。這里的靜態(tài)能量開銷指的是傳感器在未進(jìn)行數(shù)據(jù)通信時(shí)，單位時(shí)間內(nèi)維持節(jié)點(diǎn)存活的能耗。圖模型的邊權(quán)重為兩個(gè)節(jié)點(diǎn)的通信在單位時(shí)間內(nèi)的能耗開銷。根據(jù)構(gòu)建的有向圖模型，利用prim算法尋找最小斯坦納樹，以確定高山峽谷傳感網(wǎng)絡(luò)的中繼節(jié)點(diǎn)選擇和多跳傳輸路由策略。

9、在某實(shí)施方式中，針對(duì)匯集到的高山峽谷中小樣本傳感數(shù)據(jù)，執(zhí)行數(shù)據(jù)增強(qiáng)以擴(kuò)充數(shù)據(jù)集。通過隨機(jī)平移和縮放來模擬不同時(shí)間點(diǎn)和不同尺度下的傳感器數(shù)據(jù)，以增加數(shù)據(jù)的多樣性和豐富性。

10、在某實(shí)施方式中，基于增強(qiáng)后的高山峽谷地區(qū)的傳感數(shù)據(jù)集，構(gòu)建用于時(shí)間序列數(shù)據(jù)處理的lstm網(wǎng)絡(luò)，以捕獲數(shù)據(jù)之間的長期時(shí)間關(guān)聯(lián)關(guān)系。lstm網(wǎng)絡(luò)的訓(xùn)練過程，采用基于adam的自適應(yīng)學(xué)習(xí)率訓(xùn)練方法，進(jìn)行參數(shù)的更新和調(diào)優(yōu)，以最小化損失函數(shù)并提高模型的性能。

11、在某實(shí)施方式中，在訓(xùn)練好的lstm模型上運(yùn)用知識(shí)蒸餾技術(shù)進(jìn)行模型輕量化，將原始復(fù)雜模型的知識(shí)轉(zhuǎn)移給輕量化后的模型來實(shí)現(xiàn)模型的壓縮。經(jīng)過輕量化操作后的網(wǎng)絡(luò)模型可以部署到高山峽谷地區(qū)中的低功耗物聯(lián)網(wǎng)節(jié)點(diǎn)，從而實(shí)現(xiàn)模型在低功耗物聯(lián)網(wǎng)節(jié)點(diǎn)的高效數(shù)據(jù)特征提取與分析。

12、本發(fā)明具有如下的優(yōu)點(diǎn)和有益效果：

13、1、本發(fā)明針對(duì)高山峽谷中物聯(lián)網(wǎng)設(shè)備能耗受限、設(shè)備位置分散不均、網(wǎng)絡(luò)通信環(huán)境復(fù)雜等挑戰(zhàn)，設(shè)計(jì)基于壓縮感知的物聯(lián)網(wǎng)設(shè)備數(shù)據(jù)傳輸方案和基于斯坦納樹的中繼轉(zhuǎn)發(fā)路由技術(shù)，降低節(jié)點(diǎn)傳輸能耗、增強(qiáng)節(jié)點(diǎn)持續(xù)工作能力、實(shí)現(xiàn)傳感數(shù)據(jù)的高效匯集。

14、2、本發(fā)明針對(duì)高山峽谷中物聯(lián)網(wǎng)設(shè)備采集數(shù)據(jù)樣本小、設(shè)備資源受限等特點(diǎn)，設(shè)計(jì)基于基于數(shù)據(jù)增強(qiáng)的長短期記憶網(wǎng)絡(luò)來提取采集數(shù)據(jù)特征，并利用知識(shí)蒸餾技術(shù)對(duì)構(gòu)建的深度學(xué)習(xí)模型進(jìn)行輕量化處理，使得模型可以部署在資源受限的物聯(lián)網(wǎng)節(jié)點(diǎn)。

15、以上披露的技術(shù)方案/特征，旨在對(duì)具體實(shí)施方式部分中所描述的技術(shù)方案、技術(shù)特征進(jìn)行概括，因而記載的范圍可能不完全相同。但是該部分披露的這些新的技術(shù)方案同樣屬于本發(fā)明文件所公開的眾多技術(shù)方案的一部分，該部分披露的技術(shù)特征與后續(xù)具體實(shí)施方式部分公開的技術(shù)特征、未在說明書中明確描述的附圖中的部分內(nèi)容，以相互合理組合的方式披露更多的技術(shù)方案。

16、本發(fā)明任意位置所披露的所有技術(shù)特征所組合出的技術(shù)方案，用于支撐對(duì)技術(shù)方案的概括、專利文件的修改、技術(shù)方案的披露。

技術(shù)特征：

1.一種輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于，包括：以下步驟：

2.根據(jù)權(quán)利要求1所述的輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于：

3.根據(jù)權(quán)利要求1所述的輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于：

4.根據(jù)權(quán)利要求1所述的輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于：

5.根據(jù)權(quán)利要求1所述的輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于：

6.根據(jù)權(quán)利要求1所述的輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于：

7.根據(jù)權(quán)利要求1所述的輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于：

8.根據(jù)權(quán)利要求1所述的輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于：

9.根據(jù)權(quán)利要求1所述的輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法，其特征在于：

技術(shù)總結(jié)
本發(fā)明涉及一種輕量化網(wǎng)絡(luò)小樣本數(shù)據(jù)自動(dòng)提取方法。在網(wǎng)絡(luò)數(shù)據(jù)采集階段，設(shè)計(jì)了基于壓縮感知的采集信息傳輸方法，該方法能夠?qū)⒃嫉南∈钄?shù)據(jù)高效地壓縮為小數(shù)據(jù)包，不僅顯著減少了數(shù)據(jù)傳輸量，而且保證了數(shù)據(jù)在傳輸重構(gòu)過程中的完整性。同時(shí)，我們還針對(duì)高山峽谷等特殊環(huán)境，設(shè)計(jì)了基于圖模型的中繼多跳轉(zhuǎn)發(fā)機(jī)制。這一機(jī)制通過優(yōu)化數(shù)據(jù)傳輸路徑，有效降低了數(shù)據(jù)傳輸匯集過程中的能量開銷，從而提高了數(shù)據(jù)收集的效率和可靠性。在網(wǎng)絡(luò)數(shù)據(jù)信息提取階段，我們提出了基于數(shù)據(jù)增強(qiáng)的長短期記憶網(wǎng)絡(luò)方法。這一方法能夠有效應(yīng)對(duì)網(wǎng)絡(luò)樣本規(guī)模小的挑戰(zhàn)，通過數(shù)據(jù)增強(qiáng)技術(shù)擴(kuò)充數(shù)據(jù)集，提高了模型的泛化能力。

技術(shù)研發(fā)人員：卿鳳,張紅,李少達(dá),楊容浩,譚駿祥,胡古月
受保護(hù)的技術(shù)使用者：西南石油大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/26