[发明专利]一种基于模式共享的复杂事件检测模型的建模方法在审

专利信息
申请号: 201711130748.3 申请日: 2017-11-15
公开(公告)号: CN108038264A 公开(公告)日: 2018-05-15
发明(设计)人: 王建华;龙拥兵;赵静;王先菊;兰玉彬 申请(专利权)人: 华南农业大学
主分类号: G06F17/50 分类号: G06F17/50
代理公司: 广州粤高专利商标代理有限公司 44102 代理人: 林丽明
地址: 510642 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 模式 共享 复杂 事件 检测 模型 建模 方法
【说明书】:

发明公开了一种基于模式共享的复杂事件检测模型的建模方法。本发明主要针对当前复杂事件检测模型之间因存在难于共享导致无法高效检测制造业物联网中海量事件流问题,研究一种面向制造物联海量制造数据流模式共享复杂事件通用检测模型。在研究现有基于有限状态自动机结构的单模式复杂事件检测模型基础上,通过使用模式共享技术,实现多个单模式检测模型之间存在相同前缀,后缀和子模式的共享检测,消除其存在重复的事件检测、冗余的运行状态和转移边,从而构建出一种基于模式共享的通用复杂事件检测模型,实现对多个不同模式的复杂事件的共同检测,可以极大提高复杂事件检测效率。

技术领域

本发明涉及一种基于模式共享的复杂事件检测模型的建模方法,特别是一种用于制造业物联网中基于模式共享的复杂事件检测模型的建模方法,属于基于模式共享的复杂事件检测模型的建模方法的创新技术。

背景技术

制造业物联网是将网络、嵌入式、RFID、传感器及执行器等电子信息技术与制造技术相融合,实现传统制造过程信息化、智能化的一种重要手段。

在制造业物联网环境中, 日益增大的制造规模,日渐复杂的生产流程,时空分布制造过程和多源干忧的生产环境等使得许多大量感知设备被部署到制造现场产生海量制造数据流。由于这些制造数据流存在如下特征:1)数据海量性,每秒数据可以达到TB级甚至PB级规模;2)内容多源性,存在人,物料,设备,工艺过程,产品,服务等多种数据内容;3)结构复杂性,结构化数据,半结构化数据和非结构化数据共存; 4)处理高响应性,要求实时快速处理与响应这些数据等;使得从上述海量制造数据流中快速匹配出多个相关事件面临着严重挑战。而现在复杂事件检测模型只能单个检测复杂事件,无法实现多个事件的同时检测,故无法实现对上述海量制造数据流进行快速检测要求,需要研究出一种新的复杂事件检测模型的建模方法。

发明内容

本发明的目的在于考虑上述问题而提供一种基于模式共享的复杂事件检测模型的建模方法,本发明实现对多个不同模式复杂事件的共同检测,消除了大量冗余的运行状态和转移边数,提高当前复杂事件检测模型的检测效率,是一种方便实用的基于模式共享的复杂事件检测模型的建模方法。

本发明的技术方案是:本发明的基于模式共享的复杂事件检测模型的建模方法,包括如下步骤:

(1)读取多个不同复杂事件检测表达式,利用传统基于自动机检测技术创建基于有限状态自动机结构的单模式复杂事件检测模型;

(2)对上述构建的基于有限状态自动机结构的单模式复杂事件检测模型按照模型先序遍历顺序进行逐一读取操作;

(3)根据读取结果,调用检测模型的状态转移函数,实现多个单模式检测模型之间存在相同前缀的共享检测,消除它们之间存在冗余运行状态和转移边;

(4)调用检测模型的失败转移函数,实现多个单模式检测模型之间存在相同后缀的共享检测,消除它们之间存在冗余运行状态和转移边;

(5)调用检测模型的状态输出函数,实现多个单模式检测模型之间存在相同子模型的共享检测,消除它们之间重复的事件检测;

(6)判断构建的多个单模式检测模型的读取操作是否全部完成,如果否,跳到步骤(2)继续进行;否则跳到步骤(7)继续进行;

(7)最终输出基于模式共享的复杂事件检测模型。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南农业大学,未经华南农业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201711130748.3/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top