[发明专利]边缘计算盒子选举方法、装置、电子设备及介质

说明书

本发明涉及智能决策技术，揭露了一种边缘计算盒子选举方法，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；根据随机森林模型计算多个边缘计算盒子的目标值，确定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。此外，本发明还涉及区块链技术，所述随机森林数据集可存储于区块链的节点。本发明还提出一种边缘计算盒子选举装置、电子设备以及计算机可读存储介质。本发明可以解决获取边缘计算盒子的效率低下的问题。

技术领域

本发明涉及智能决策技术领域，尤其涉及一种边缘计算盒子选举方法、装置、电子设备及介质。

背景技术

在AI的目标识别领域，通常运用具有“训练+识别”能力的边缘计算盒子进行目标识别，但由于边缘计算盒子所处的环境每时每刻都在发生改变，故需要利用收集到的环境相关的数据对边缘计算盒子进行训练，从而得到一个能够适应各种场景下的识别性高且适应性强的边缘计算盒子。

为了获取识别性高且适应性强的的边缘计算盒子，现有技术的方法是将环境评价数据通过帧数据回传至云端进行筛选排查并整合数据，通过整合的数据对边缘计算盒子进行训练，从而得到识别性高且适应性强的边缘计算盒子。这种方法利用帧数据回传浪费带宽，造成获取边缘计算盒子的效率低下。

发明内容

本发明提供一种边缘计算盒子选举方法、装置及计算机可读存储介质，其主要目的在于解决获取边缘计算盒子的效率低下的问题。

为实现上述目的，本发明提供的一种边缘计算盒子选举方法，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。

可选地，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。

可选地，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。

可选地，所述对所述决策树进行剪枝处理，包括：