[发明专利]一种基于动态特征的异构物联网标识识别方法及系统

权利要求书

1.一种基于动态特征的异构物联网标识识别方法，包括以下步骤：

1)对待识别的IoTID进行静态识别，得到待识别IoTID的物联网标识类型所属冲突域，所述静态识别包括：依据物联网编码标准文件中规定的长度和范围的取值规则对待识别IoTID进行正则判定，得到符合规则条件的物联网标识类型，所述冲突域是由得到的符合规则条件的物联网标识类型构成的一个命名空间冲突的结果集；

2)根据冲突域中每一种类型的类型切分点，对待识别IoTID依次进行切分，求出待识别IoTID在每一种类型下的特征向量，所述切分点是分片的边界，所述分片是在标准文件中将IoTID分成了若干部分中的每一部分，待识别IoTID在某类型下的特征向量(t₁,t₂,...,t_k,...,t_m)通过以下方法求得：

其中，m表示待识别IoTID共有m个分片，t_k表示第k个分片的特征值，

x_i代表一个分片，φ(x_i)为x_i在64位位图表示下的取值，i＝1,2,...,l，所述第k个分片为x₁x₂...x_l,l表示第k个分片的位数，所述64位位图用于表示根据物联网编码标准文件划分的IoTID的每一分片的特征值，IoTID中的每一位唯一的用0-61中的一个数字表示，62、63为保留位；

3)计算在一个冲突域下，待识别IoTID在每一个类型下的特征向量与该类型的类中心向量的距离：

其中，d_i表示待识别IoTID与第i个类型的类中心向量的距离，T_ik表示第i个类型的类中心向量的第k个分量，t_ik表示待识别IoTID在类型i下的特征向量的第k个分量，i≤n，n表示冲突域中的物联网标识类型的个数，所述类中心向量通过以下方法得出：

①获取现实世界中的IoTID作为输入训练样本，根据其切分点进行分片操作，得出每个输入训练样本的特征向量；

②求出每一个类型的平均特征向量作为类中心向量；

4)根据上述距离的大小得到待识别IoTID对于各物联网标识类型的隶属度：

其中，μ_i表示待识别IoTID对于类型i的隶属度，d_i表示待识别IoTID与第i个类型的类中心向量的距离，d_j表示待识别IoTID与第j个类型的类中心向量的距离，完成对物联网标识的识别。

2.如权利要求1所述的基于动态特征的异构物联网标识识别方法，其特征在于，还包括从标准文献中提取物联网分类的切分点保存到数据库。

3.一种基于动态特征的异构物联网标识识别系统，包括：

静态识别模块，用于对待识别的IoTID进行静态识别，得到待识别IoTID的物联网标识类型所属冲突域，所述静态识别包括：依据物联网编码标准文件中规定的长度和范围的取值规则对待识别IoTID进行正则判定，得到符合规则条件的物联网标识类型，所述冲突域是由得到的符合规则条件的物联网标识类型构成的一个命名空间冲突的结果集；

IoTID切分模块，用于根据冲突域中每一种类型的类型切分点，对待识别IoTID依次进行切分，得到IoTID分片，所述切分点是分片的边界，所述分片是在标准文件中将IoTID分成了若干部分中的每一部分；

特征向量转化模块，用于将IoTID分片转化为特征向量，待识别IoTID在某类型下的特征向量(t₁,t₂,...,t_k,...,t_m)通过以下方法求得：

其中，m表示待识别IoTID共有m个分片，t_k表示第k个分片的特征值，

x_i代表一个分片，φ(x_i)为x_i在64位位图表示下的取值，i＝1,2,...,l，所述第k个分片为x₁x₂...x_l,l表示第k个分片的位数，所述64位位图用于表示根据物联网编码标准文件划分的IoTID的每一分片的特征值，IoTID中的每一位唯一的用0-61中的一个数字表示，62、63为保留位；

类中心向量计算模块，用于计算每一个类型的平均特征向量作为类中心向量：

①获取现实世界中的IoTID作为输入训练样本，根据其切分点进行分片操作，得出每个输入训练样本的特征向量；

②求出每一个类型的平均特征向量作为类中心向量；

距离计算模块，用于计算待识别IoTID属于每一个类型的特征向量与冲突域所有类型的类中心向量的距离：

其中，d_i表示待识别IoTID与第i个类型的类中心向量的距离，T_ik表示第i个类型的类中心向量的第k个分量，t_ik表示待识别IoTID在类型i下的特征向量的第k个分量，i≤n，n表示冲突域中的物联网标识类型的个数；

结果转换模块，用于将待识别IoTID属于每一个类型的特征向量与冲突域所有类型的类中心向量的距离转换为待识别IoTID对于各类型的隶属度：

其中，μ_i表示待识别IoTID对于类型i的隶属度，d_i表示待识别IoTID与第i个类型的类中心向量的距离，d_j表示待识别IoTID与第j个类型的类中心向量的距离。