[发明专利]边缘计算盒子选举方法、装置、电子设备及介质

权利要求书

1.一种边缘计算盒子选举方法，其特征在于，所述方法包括：

获取预设局域网中多个边缘计算盒子的设备数据，以及获取多个所述边缘计算盒子的环境评价数据；

根据所述设备数据和所述环境评价数据构建随机森林数据集；

调用随机森林算法对所述随机森林数据集进行模型构建处理，得到随机森林模型；

根据所述随机森林模型计算所述多个边缘计算盒子的目标值，确定所述目标值大于或者等于预设目标阈值的边缘计算盒子为目标边缘计算盒子。

2.如权利要求1所述的边缘计算盒子选举方法，其特征在于，所述根据所述设备数据和所述环境评价数据构建随机森林数据集，包括：

获取所述设备数据对应的第一权重，以及所述环境评价数据对应的第二权重；

将所述设备数据、所述环境评价数据、所述第一权重和所述第二权重输入至预设的单一设备函数公式，计算得到单一设备值；

根据所述单一设备值输入至多个所述边缘计算盒子中，通过所述边缘计算盒子随机生成预设个数的边缘数据集，将所述预设个数的边缘数据集汇总得到随机森林数据集。

3.如权利要求1所述的边缘计算盒子选举方法，其特征在于，所述调用随机森林算法对所述随机森林数据集进行模型构建处理，得到随机森林模型，包括：

获取所述随机森林数据集和所述随机森林数据集对应的数据标注；

计算所述数据标注中任意一个标注特征对所述随机森林数据集的基尼指数，得到所述数据标注对应的基尼指数集合；

对所述基尼指数集合中的基尼指数进行排序，选取所述基尼指数集合中最小的基尼指数所对应的标注特征作为切分点；

以所述切分点作为根节点，从所述切分点出发生成两个子节点并将所述随机森林数据集分配到所述子节点中；

直到将所述数据标注中的所有标注特征遍历完毕，生成决策树；

对所述决策树进行剪枝处理，得到随机森林模型。

4.如权利要求3所述的边缘计算盒子选举方法，其特征在于，所述对所述决策树进行剪枝处理，包括：

计算所述决策树上所有非叶子节点的表面误差增益值；

对所述表面误差增益值小于预设的增益阈值的非叶子节点进行剪枝。

5.如权利要求3所述的边缘计算盒子选举方法，其特征在于，所述计算所述数据标注中任意一个标注特征对所述随机森林数据集的基尼指数，包括：

利用下述函数计算所述随机森林数据集的基尼指数：

其中，Gini(p)为基尼指数，p_k表示所述随机森林数据集中的第k个数据，K是所述随机森林数据集中数据的个数。

6.如权利要求1至5中任一项所述的边缘计算盒子选举方法，其特征在于，所述获取多个所述边缘计算盒子的环境评价数据，包括：

获取预设的多个评估特征和所述评估特征对应的评估标准；

选取任意一个评估特征，按照选取的评估特征对应的评估标准分析所述边缘计算盒子的环境，得到所述评估特征对应的环境评价数据。

7.如权利要求1至5中任一项所述的边缘计算盒子选举方法，其特征在于，所述获取预设局域网中多个边缘计算盒子的设备数据，包括：

获取预设的设备数据采集时间；

在所述设备数据采集时间达到时采集预设局域网中多个边缘计算盒子的设备数据。

8.一种边缘计算盒子选举装置，其特征在于，所述装置包括：

数据获取模块，用于获取预设局域网中多个边缘计算盒子的设备数据，以及获取多个所述边缘计算盒子的环境评价数据；

数据集构建模块，用于根据所述设备数据和所述环境评价数据构建随机森林数据集；

模型构建模块，用于调用随机森林算法对所述随机森林数据集进行模型构建处理，得到随机森林模型；

评分计算模块，用于根据所述随机森林模型计算所述多个边缘计算盒子的目标值，确定所述目标值大于或者等于预设目标阈值的边缘计算盒子为目标边缘计算盒子。