基于物聯(lián)網(wǎng)和SOM算法的信息監(jiān)控系統(tǒng)設(shè)計

張 華，王金蘭

(廣州鐵路職業(yè)技術(shù)學(xué)院 信息工程系，廣州 510430)

基于物聯(lián)網(wǎng)和SOM算法的信息監(jiān)控系統(tǒng)設(shè)計

張 華，王金蘭

(廣州鐵路職業(yè)技術(shù)學(xué)院 信息工程系，廣州 510430)

在物聯(lián)網(wǎng)環(huán)境下進行信息監(jiān)控系統(tǒng)設(shè)計，實現(xiàn)對網(wǎng)絡(luò)信息的監(jiān)控和自適應(yīng)采集，保障網(wǎng)絡(luò)安全；針對采用傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)控制方法進行信息監(jiān)控的數(shù)據(jù)挖掘準(zhǔn)確性不好的問題，提出一種基于物聯(lián)網(wǎng)和自組織映射SOM算法的信息監(jiān)控系統(tǒng)設(shè)計方法，首先進行信息監(jiān)控系統(tǒng)的總體設(shè)計和功能模塊化分析，然后設(shè)計改進的SOM算法，應(yīng)用在信息監(jiān)控的數(shù)據(jù)挖掘和分類識別中，在程序加載模塊中進行算法加載，最后在物聯(lián)網(wǎng)環(huán)境下構(gòu)建嵌入式Linux內(nèi)核進行信息監(jiān)控系統(tǒng)的軟件設(shè)計和開發(fā)；系統(tǒng)仿真實驗結(jié)果表明，采用該信息監(jiān)控系統(tǒng)進行大型物聯(lián)網(wǎng)的數(shù)據(jù)信息監(jiān)控，對數(shù)據(jù)的準(zhǔn)確挖掘和識別性能較好。

物聯(lián)網(wǎng)；SOM算法；信息監(jiān)控；數(shù)據(jù)挖掘

0 引言

隨著網(wǎng)絡(luò)信息技術(shù)的發(fā)展，大量的數(shù)據(jù)信息在網(wǎng)絡(luò)空間中傳播和存儲，需要進行信息監(jiān)控識別，實現(xiàn)準(zhǔn)確的數(shù)據(jù)信息挖掘和分類處理，提高網(wǎng)絡(luò)管理的能力，信息監(jiān)控在網(wǎng)絡(luò)信息安全管理中具有重要的意義。物聯(lián)網(wǎng)作為一種物體與物體相連的網(wǎng)絡(luò)，隨著局域網(wǎng)和無線傳感網(wǎng)絡(luò)技術(shù)的發(fā)展，物聯(lián)網(wǎng)在智能家居控制和大型信息設(shè)備交互中發(fā)揮著重要的作用，物聯(lián)網(wǎng)必將成為未來實現(xiàn)網(wǎng)絡(luò)智能化集成控制的大型網(wǎng)絡(luò)結(jié)構(gòu)，在物聯(lián)網(wǎng)環(huán)境下，海量的信息數(shù)據(jù)需要加工、存儲、處理，在信息處理中需要進行信息監(jiān)控，保障網(wǎng)絡(luò)安全[1]。

在物聯(lián)網(wǎng)環(huán)境下進行信息監(jiān)控系統(tǒng)設(shè)計，實現(xiàn)對網(wǎng)絡(luò)信息的監(jiān)控和自適應(yīng)采集，確保物聯(lián)網(wǎng)信息安全，傳統(tǒng)方法中，對物聯(lián)網(wǎng)信息監(jiān)控系統(tǒng)的設(shè)計主要有基于嵌入式E-Learning系統(tǒng)的信息監(jiān)控系統(tǒng)設(shè)計方法、基于匯聚樹協(xié)議的信息監(jiān)控系統(tǒng)設(shè)計方法和基于嵌入式Linux環(huán)境的信息監(jiān)控系統(tǒng)等[2-4]，通過開發(fā)Linux設(shè)備驅(qū)動程序，將采集的大型物聯(lián)網(wǎng)環(huán)境中信息數(shù)據(jù)進行嵌入式管理和調(diào)度，結(jié)合程序控制和集成調(diào)度設(shè)計，實現(xiàn)信息的準(zhǔn)確管理和監(jiān)控，取得了一定的成果，其中，文獻[5]提出一種基于云環(huán)境web信息抓取技術(shù)，實現(xiàn)信息監(jiān)控系統(tǒng)設(shè)計和分類調(diào)度，采用web信息抓取關(guān)注用戶服務(wù)評價，實現(xiàn)對物聯(lián)網(wǎng)信息的反饋和云資源調(diào)度，取得了較好的監(jiān)控效果，但是該方法對物聯(lián)網(wǎng)中的敏感信息準(zhǔn)確提取性能不好，且隨著干擾量的增多，數(shù)據(jù)挖掘精度不好；文獻[6]采用神經(jīng)網(wǎng)絡(luò)控制方法進行信息監(jiān)控，在數(shù)據(jù)尋優(yōu)過程中容易陷入局部最優(yōu)解，導(dǎo)致信息數(shù)據(jù)挖掘的準(zhǔn)確度不高，且計算開銷較大，針對上述問題，本文提出一種基于物聯(lián)網(wǎng)和自組織映射SOM算法的信息監(jiān)控系統(tǒng)設(shè)計方法，首先進行信息監(jiān)控系統(tǒng)的總體設(shè)計和功能模塊化分析，然后設(shè)計改進的SOM算法應(yīng)用在信息監(jiān)控的數(shù)據(jù)挖掘和分類識別中，最后進行系統(tǒng)的軟件設(shè)計和開發(fā)，通過仿真實驗進行了性能測試，得出有效性結(jié)論。

1 系統(tǒng)總體設(shè)計描述及功能模塊分析

1.1 面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)總體設(shè)計

首先分析面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)總體設(shè)計，并進行功能模塊分析和介紹，面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)建立在通用計算機平臺上，信息監(jiān)控系統(tǒng)可以安裝Windows系統(tǒng)，也可以安裝Linux系統(tǒng)，具有可移植性和兼容性。為了提高信息監(jiān)控系統(tǒng)的穩(wěn)健性，在嵌入式Linux環(huán)境下采用Linux內(nèi)核進行程序控制和數(shù)據(jù)調(diào)度[7-10]，信息監(jiān)控系統(tǒng)的開發(fā)中，采用Linux操作系統(tǒng)進行數(shù)據(jù)移植，采用X86架構(gòu)的GNU開發(fā)工具進行信息監(jiān)控系統(tǒng)集成設(shè)計，信息監(jiān)控系統(tǒng)主要由物聯(lián)網(wǎng)進程管理、路由節(jié)點管理、文件系統(tǒng)、物聯(lián)網(wǎng)設(shè)備管理、網(wǎng)絡(luò)系統(tǒng)管理等子系統(tǒng)組成，物聯(lián)網(wǎng)環(huán)境下的信息監(jiān)控系統(tǒng)工作結(jié)構(gòu)如圖1所示。

圖1 物聯(lián)網(wǎng)環(huán)境下的信息監(jiān)控系統(tǒng)工作結(jié)構(gòu)框圖

根據(jù)圖1所示的物聯(lián)網(wǎng)環(huán)境下的信息監(jiān)控系統(tǒng)工作結(jié)構(gòu)框圖進行系統(tǒng)的總體設(shè)計，構(gòu)建可視化的操作界面進行數(shù)據(jù)輸出和人機交互，在AD7656驅(qū)動主控存儲器中實現(xiàn)監(jiān)控信息的數(shù)據(jù)寄存和輸出，得到信息監(jiān)控系統(tǒng)的總體結(jié)構(gòu)如圖2所示。

圖2 信息監(jiān)控系統(tǒng)的總體結(jié)構(gòu)

1.2 信息監(jiān)控系統(tǒng)的功能模塊及技術(shù)指標(biāo)分析

根據(jù)上述對面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)軟件模塊總體設(shè)計結(jié)構(gòu)，進行系統(tǒng)的功能模塊分析，面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)軟件開發(fā)的處理基本流程：

1)物聯(lián)網(wǎng)信息的采集過程。通過物聯(lián)網(wǎng)信息的采集，為物聯(lián)網(wǎng)信息監(jiān)控系統(tǒng)集成智能控制提供數(shù)據(jù)輸入基礎(chǔ)，采用傳感器進行數(shù)據(jù)采集，采用VIX總線技術(shù)對物聯(lián)網(wǎng)信息進行準(zhǔn)確測量，為信息監(jiān)控系統(tǒng)提供準(zhǔn)確的數(shù)據(jù)輸入。

2)信息監(jiān)控的數(shù)據(jù)加工處理過程。在Linux內(nèi)核下進行監(jiān)控信息加載和信息加工，在程序加載模塊，通過多通道物聯(lián)網(wǎng)信息傳輸和回放，實現(xiàn)對物聯(lián)網(wǎng)信息監(jiān)控系統(tǒng)集成智能控制信息處理。

3)數(shù)據(jù)挖掘存儲和人機交互過程。采用交叉編譯環(huán)境進行物聯(lián)網(wǎng)環(huán)境下的信息監(jiān)控系統(tǒng)數(shù)據(jù)挖掘和人機交互，在Linux內(nèi)核下的引導(dǎo)加載程序(Boot loader)進行GUI人機的交互，采用LabWindows/CVI實現(xiàn)物聯(lián)網(wǎng)信息監(jiān)控系統(tǒng)集成智能控制和可視化的數(shù)據(jù)分析。

根據(jù)上述功能模塊分析，分析本文設(shè)計的面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)的技術(shù)指標(biāo)描述如下：

1)物聯(lián)網(wǎng)信息監(jiān)控系統(tǒng)與VXI總線數(shù)據(jù)采集功能，數(shù)據(jù)記錄動態(tài)范圍：-10～+20 dB，信號輸出通道的幅度±10 V，輸出監(jiān)控信息中數(shù)據(jù)挖掘的精度為98.67%；

2)面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)中收發(fā)轉(zhuǎn)換采樣通道為：8通道同步、異步輸入；

3)數(shù)據(jù)的頻譜特征采樣率：>200 kHz；

4)VME總線傳輸?shù)腁/D分辨率：10位(至少)；

5)驅(qū)動程序的D/A轉(zhuǎn)換分辨率：12位(至少)；

6)信息監(jiān)控系統(tǒng)MXI總線控制的回放速率：≥200 kHz；

根據(jù)上述功能模塊分析和信息監(jiān)控系統(tǒng)的技術(shù)指標(biāo)描述，進行面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)的軟件開發(fā)設(shè)計。

2 SOM算法設(shè)計

在上述進行物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)的總體設(shè)計描述和功能技術(shù)指標(biāo)分析的基礎(chǔ)上，進行物聯(lián)網(wǎng)互聯(lián)信息數(shù)據(jù)挖掘和特征采樣，設(shè)計改進的SOM算法應(yīng)用在信息監(jiān)控的數(shù)據(jù)挖掘和分類識別中，自組織映射(Self-Organizing Maps, SOM)算法作為一種聚類和高維可視化的無監(jiān)督學(xué)習(xí)算法，在信息監(jiān)控中具有較好的應(yīng)用價值，SOM的學(xué)習(xí)模型如圖3所示。

圖3 SOM自組織映射網(wǎng)絡(luò)結(jié)構(gòu)模型

選擇物聯(lián)網(wǎng)路由信息鏈交換的特征信息，在圖3所示的SOM自組織映射網(wǎng)絡(luò)中進行信息加工和數(shù)據(jù)挖掘，過程如下：

1)選定SOM自組織映射網(wǎng)絡(luò)輸入訓(xùn)練矢量集x(t)=(x0(t),x1(t),···,xk-1(t))T；其中k為訓(xùn)練矢量個數(shù)；給出基于物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)中待挖掘的數(shù)據(jù)樣本個數(shù)N及輸入節(jié)點，令x(t)，t=0,1,···,n-1，進行SOM網(wǎng)絡(luò)的初始化處理，在輸入層，設(shè)定時間采樣節(jié)點的初始值t=0；

2)對輸入物聯(lián)網(wǎng)中的傳輸數(shù)據(jù)設(shè)定頻率響應(yīng)器，結(jié)合自組織神經(jīng)網(wǎng)絡(luò)映射，構(gòu)建信息監(jiān)控識別的訓(xùn)練向量模式x(t)=(x0(t),x1(t),···,xk-1(t))T；

3)設(shè)置自組織神經(jīng)網(wǎng)絡(luò)(N,M)，計算輸入到監(jiān)控系統(tǒng)的敏感特征信息向量x(t)，采用隱含層的神經(jīng)元進行自組織學(xué)習(xí)，得到全部輸出節(jié)點所連權(quán)向量ωj的距離：

(1)

其中:ωj=(ω0j,ω1j,···,ωk-1,j)T；

5)訓(xùn)練完所有的L個訓(xùn)練矢量，調(diào)整與輸出節(jié)點Nj*的自適應(yīng)加權(quán)權(quán)重，在Nj*幾何鄰域NEj*(t)中進行數(shù)據(jù)的特征挖掘，其中，權(quán)重迭代公式為：

ωij(t+1)=ωij(t)+α(t)(xi(t)-ωij(t))

(2)

其中:Nj∈Ej*(t)，0≤i≤k-10≤α(t)≤1是幾何拓撲鄰域NEj*(t)中進行神經(jīng)元訓(xùn)練的敏感特征參數(shù)，它和NEj*(t)一樣隨時間遞減；

3 監(jiān)控系統(tǒng)軟件開發(fā)設(shè)計與實現(xiàn)

根據(jù)上述設(shè)計，改進的SOM算法應(yīng)用在信息監(jiān)控的數(shù)據(jù)挖掘和分類識別中，在程序加載模塊中進行算法加載，在物聯(lián)網(wǎng)環(huán)境下構(gòu)建嵌入式Linux內(nèi)核進行信息監(jiān)控系統(tǒng)的軟件設(shè)計和開發(fā)。用嵌入式Linux技術(shù)進行系統(tǒng)的軟件開發(fā)，構(gòu)建面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)的嵌入式Linux的開發(fā)環(huán)境，通過LCD控制器來完成編譯，得到嵌入式Linux環(huán)境下的rootfs數(shù)據(jù)編譯庫，通過網(wǎng)線、232串口、USB進行信息監(jiān)控系統(tǒng)的應(yīng)用程序開發(fā)，面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)的邏輯時序控制信號通過高性能的MAX7000AE處理芯片進行SOM算法的程序加載，程序加載模塊的程控編碼設(shè)計為：

defineMISC_s3c2440_pwm_255 //主設(shè)備號

defines3cQt/Embedded"pwm"http://設(shè)備文件名

intretev_fops_ootfilesystem();

ret=s3c2440_compilation/makefile(&misc);

通過引導(dǎo)加載程序進行物聯(lián)網(wǎng)信息監(jiān)控系統(tǒng)的信息分類，在SOM算法控制下，建立Linux的根文件系統(tǒng)進行信息監(jiān)控系統(tǒng)的數(shù)據(jù)寫入和敏感信息特征提取，把編譯器路徑加入系統(tǒng)環(huán)境變量，并執(zhí)行init進程，進程控制代碼為：

Generates Settings --->

Spectral feature sampling of data --->

[*]downloaded //SOM自組織映射網(wǎng)絡(luò)算法下載

Applets Linux Kernel (as soft-links) --->// Linux Kernel內(nèi)核啟動

(/home/Arm-angstrom/nfs) makefile 920t -gnueabi Installation Application

然后采用Qt/Embedded 4.6創(chuàng)建物聯(lián)網(wǎng)信息監(jiān)控系統(tǒng)的圖形用戶接口，實現(xiàn)可視化控制和人機交互，Qt/Embedded開發(fā)環(huán)境建立在x86上，把編譯器路徑加入系統(tǒng)環(huán)境變量，輸入命令Generate bin, SBIN folder -x86.sh，開始信息化監(jiān)控系統(tǒng)的可視化程序的編譯、安裝，如圖4所示。

程序開始后采用Server/Client實現(xiàn)上位機通信，執(zhí)行時鐘頻率初始化、存儲器初始化、中斷初始化，初始化程序代碼為：

Applets Install root file system in file system (as soft-links) --->

(/home/Documents/ File System) Kernel_configuration Installation prefix

Root file systemTuning --->

[*] Cross compile environment edit.Bashrc file

[*] filesystem SBIN Applets links//設(shè)定PLL_LOCKCNT寄存器

[*] ADSP-BF537:aliased

[*] Copy register_handler

[*] Script SPORT0_TFSDIV// SPORT0_TCLKDIV寄存器初始化

Shells --->

--- SPORT0_TCLKDIV//服務(wù)器配置文件

[*]Check SPORT0_TFSDIV//串口發(fā)送時鐘

[*]Lash(SPORT0_RILDN-linux)// lib目錄下提供內(nèi)核

對CAN的相關(guān)寄存器和RAM進行初始化, 運行make以及make install進行編譯和安裝，實現(xiàn)面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)的算法編譯和程序加載，軟件實現(xiàn)過程如圖5所示。

圖5 信息監(jiān)控系統(tǒng)的軟件實現(xiàn)過程

4 系統(tǒng)仿真實驗與調(diào)試

為了測試本文設(shè)計的面向物聯(lián)網(wǎng)的信息監(jiān)控系統(tǒng)的應(yīng)用性能，進行系統(tǒng)調(diào)試和仿真實驗分析，在嵌入式設(shè)備上運行Qt C++ API執(zhí)行SOM自組織映射網(wǎng)絡(luò)數(shù)據(jù)挖掘和識別算法的程序加載和數(shù)據(jù)寫入，構(gòu)建物聯(lián)網(wǎng)信息監(jiān)控系統(tǒng)集成智能控制的Linux內(nèi)核，監(jiān)控系統(tǒng)的數(shù)據(jù)輸入通道為4塊采集卡的任意通道，系統(tǒng)調(diào)試過程使用的設(shè)備為：Inter Pentium TYP3220A 隨機數(shù)據(jù)發(fā)生器和Opengl32PST3202 可編程控制器，數(shù)據(jù)采集中設(shè)定地址00H，復(fù)位值f0H，VIX總線數(shù)據(jù)采樣帶寬為12 dB，系統(tǒng)的初始頻率為2 kHz，采樣時間間隔為5.2 ms。根據(jù)上述仿真環(huán)境和參數(shù)設(shè)定，采用傳統(tǒng)方法和本文方法，對監(jiān)控信息挖掘數(shù)據(jù)的精度進行對比研究，不同方法下的信息監(jiān)控挖掘性能對比曲線如圖6所示。

圖6 信息監(jiān)控性能對比

從圖6可見，采用本文設(shè)計的系統(tǒng)進行物聯(lián)網(wǎng)信息監(jiān)控，對特征數(shù)據(jù)挖掘的精度遠高于傳統(tǒng)方法，滿足提出的監(jiān)控信息中數(shù)據(jù)挖掘精度為98.67%的設(shè)計技術(shù)指標(biāo)，展示了本文方法的優(yōu)越性能。

5 結(jié)束語

在物聯(lián)網(wǎng)環(huán)境下進行信息監(jiān)控系統(tǒng)設(shè)計，通過對監(jiān)控對象中特定數(shù)據(jù)挖掘，保障網(wǎng)絡(luò)安全。本文提出一種基于物聯(lián)網(wǎng)和自組織映射SOM算法的信息監(jiān)控系統(tǒng)設(shè)計方法，首先進行信息監(jiān)控系統(tǒng)的總體設(shè)計和功能模塊化分析，然后設(shè)計改進的SOM算法應(yīng)用在信息監(jiān)控的數(shù)據(jù)挖掘和分類識別中，在程序加載模塊中進行算法加載，在物聯(lián)網(wǎng)環(huán)境下構(gòu)建嵌入式Linux內(nèi)核進行信息監(jiān)控系統(tǒng)的軟件設(shè)計和開發(fā)。系統(tǒng)仿真實驗結(jié)果表明，采用該信息監(jiān)控系統(tǒng)進行大型物聯(lián)網(wǎng)的數(shù)據(jù)信息監(jiān)控，對數(shù)據(jù)的準(zhǔn)確挖掘和識別性能較好，具有較好的應(yīng)用價值。

[1] 邱 濤. 基于無線自組織物聯(lián)網(wǎng)的智能語音預(yù)警系統(tǒng)設(shè)計方法[J]. 計算機測量與控制,2014, 22(10):3320-3322.

[2] Moradi M, Keyvanpour M R. An analytical review of XML association rules mining[J]. Artificial Intelligence Review, 2015, 43(2):277-300.

[3] Dong G L, Ryu K S, Bashir M, et al. Discovering medical knowledge using association rule mining in young adults with acute myocardial infarction[J]. Journal of Medical Systems, 2013, 37(2):1-10.

[4] Khalili A, Sami A. SysDetect:a systematic approach to critical state determination for industrial intrusion detection systems using Apriori algorithm[J]. Journal of Process Control, 2015, 27(6):154-160.

[5] 李方偉, 張新躍, 朱 江, 等. 基于信息融合的網(wǎng)絡(luò)安全態(tài)勢評估模型[J]. 計算機應(yīng)用, 2015, 35(7): 1882-1887.

[6] Keshavamurthy B N, Khan A M, Toshniwal D. Privacy preserving association rule mining over distributed databases using genetic algorithm[J]. Neural Computing & Applications, 2013, 22(1):351-364.

[7] Czibula G, Marian Z, Czibula I G. Detecting software design defects using relational association rule mining[J]. Knowledge and Information Systems, 2015, 42(3):545-577.

[8] Hills J, Bagnall A, Iglesia B D L, et al. BruteSuppresion:a size reduction method for Apriori rule sets[J]. Journal of Intelligent Information Systems, 2013, 40(3):431-454.

[9] 李牧東,趙 輝,翁興偉,等. 基于最優(yōu)高斯隨機游走和個體篩選策略的差分進化算法[J]. 控制與決策, 2016, 31(8): 1379-1386.

[10] Mernik M, Liu S H, Karaboga M D, et al. On clarifying misconceptions when comparing variants of the Artificial Bee Colony Algorithm by offering a new implementation[J]. Information Sciences, 2015, 29 (10): 115-127.

Design of Information Monitoring System Based on Internet of Things and SOM Algorithm

Zhang Hua,Wang Jilan

(Department of Information Engineering, Guangzhou Railway Polytechnic,Guangzhou 510430, China)

The design of information monitoring system in the complex network environment, realization of network information monitoring and adaptive acquisition. Data mining accuracy information monitoring for neural network control of the traditional method is not good, put forward a design method based on networking and information monitoring system of self-organizing mapping SOM algorithm. firstly analyzing the overall design and function module of information monitoring system, and then design the improved SOM algorithm is applied in the monitoring information of data mining and classification, the algorithm is loaded in the program loading module, the software design and development of network information monitoring system of embedded Linux kernel environment in. The system simulation results show that the information monitoring system is used to monitor the data information of the large-scale Internet of things, and the accuracy of the data mining and recognition performance is better.

internet of things; SOM algorithm; information monitoring; data mining

2016-11-03；

2016-11-25。

2015年廣東省公益研究與能力建設(shè)專項資金(2015A010103001)。

張 華(1977-)，男，湖南益陽人，碩士，副教授，主要從事物聯(lián)網(wǎng)應(yīng)用技術(shù)、算法分析等方向的研究。

1671-4598(2017)04-0084-03

10.16526/j.cnki.11-4762/tp.2017.04.024

TP391

A