A Storage Solution for Massive IoT Data Based on NoSQL.ppt

本文观看结束！！！ 本文观看结束！！！ 清理数据：确保精度数据 有以下两种方法： （1）对于丢失的值，如果应用程序允许丢失的话，我们用“未 知”或者“负无穷”来填充这个值，否则（应用程序不允许 出现丢失值），用最后N个值得平均值来填充。 （2）对于噪声，bining这个方法可以收集周围邻居节点的值 来平滑噪声带来的影响。 值得注意的是，有时候在物联网环境中，数据的突然变化是不可避免的，所以要谨慎设计算法，所以，只有当值不 合法的时候才进行数据平滑处理，否则基本不做处理。 重复项消除 物联网数据之所以比较大是因为很高的采样频率。 解决的办法是：图四：一个简单的方法，用来处理重复值，这个方法可以设定一个阈值，决定对一个节点的采样是否可以被采纳：如果当前值与最后接收的值得差值=这个阈值，则这个接收的值将被抛弃，否则接收这个值。 例如：阈值是5，v1=10（当前节点）v1后面的那个点的值=13，则13-105，所以这个店的采样值不被接受，v4=16 - 105，所以记录下来v4的值。 然而，这种方法仅适用于一维数据，多维互联网数据使得整个问题更为复杂。例如：在多维数据中（1，