[发明专利]一种边缘端的嵌入式时间序列决策树分类方法及系统

权利要求书

1.一种边缘端的嵌入式时间序列决策树分类方法，其特征在于，该方法是将VFDT算法应用到边缘端的计算中，实现边缘端大数据量的计算且能够达到对实时处理要求高的需求；具体步骤如下：

S1、边缘端收集数据并将数据存储到边缘端的存储设备中；

S2、利用VFDT算法对边缘端收集数据进行智能分类处理；

S3、边缘端获取分类结果；

S4、边缘端将分类结果传输到云端。

2.根据权利要求1所述的边缘端的嵌入式时间序列决策树分类方法，其特征在于，所述步骤S1中边缘端通过传感器采集数据，传感器安装到需要进行数据采集的位置完成数据采集，传感器实时将采集的数据发送到边缘端。

3.根据权利要求1或2所述的边缘端的嵌入式时间序列决策树分类方法，其特征在于，所述步骤S2中VFDT算法实时的对流式数据进行分析处理，根据流入数据的特性进行分类判断，并判断决策树是否要进行更新。

4.根据权利要求3所述的边缘端的嵌入式时间序列决策树分类方法，其特征在于，所述决策树进行更新的步骤如下：

(1)、HT为有单个叶子结点l_1的决策树；

(2)、赋值：

(3)、按预测S中最频繁一类把值赋给

(4)、对于每一类y_k，每个x_ij值，赋值n_ijk(l₁)＝0；

(5)、对于每个例子(x，y_k)，使用HT分类(x,y)成为叶子节点；对于每个x_ij，增加n_ijk(l)；

(6)、标记l；

(7)、判断l中的例子是否为同一类：

①、若不是同一类，则下一步执行步骤(8)；

(8)、对每个属性计算使用n_ijk(l)计数；

(9)、按最高的为X_a赋值，据第二高的赋值X_b，计算∈；

(10)、判断是否是且

①、若是，则下一步执行步骤(11)；

(11)、用在X_a分离的全局节点代替l；

(12)、对于分离的每一分支添加l_m,X_m＝X-{X_a}，据l_m的最频繁一类将值赋给对于每一属性中每一类y_k和x_ij赋值n_ijk(l_m)＝0；

(13)、输出决策树HT，完成决策树的更新。

5.根据权利要求4所述的边缘端的嵌入式时间序列决策树分类方法，其特征在于，所述步骤S2中VFDT算法利用C/C++语言编程为VFDT算法软件系统，将VFDT算法软件系统作为数据处理的智能系统部署到边缘端设备中。

6.根据权利要求5所述的一种边缘端的嵌入式时间序列决策树分类方法及系统，其特征在于，步骤S4中边缘端将分类结果实时或者存储指定时间后传输到云端，指定时间是根据用户需求在边缘端设定的时间段。

7.一种边缘端的嵌入式时间序列决策树分类系统，其特征在于，该系统包括边缘端设备、传感器和云端设备，传感器和边缘端设备通过无线连接并互传数据，云端设备与边缘端设备通过无线或有线连接并传输数据；

边缘端设备用于收集数据、存储数据、处理数据并返回分类结果，同时判断决策树是否需要更新；

传感器用于采集数据；

云端设备用于接收分类结果。

8.根据权利要求7所述的边缘端的嵌入式时间序列决策树分类系统，其特征在于，所述边缘数据设备内部署有边缘数据收集模块、基于VFDT算法的智能数据处理模块、数据存储模块以及分类结果传输模块；

其中，边缘数据收集模块用于收集传感器采集的数据；

基于VFDT算法的智能数据处理模块用于利用VFDT算法对传感器采集的数据进行分类处理；

数据存储模块用于存储传感器采集的数据；

分类结果传输模块用于将基于VFDT算法的智能数据处理模块的分类结果传输到云端。