[发明专利]一种面向智慧实体的边缘处理方法

权利要求书

1.一种智慧实体状态推理方法，其特征在于，该方法具体包括以下步骤：

S1：区域划分：将边缘服务器覆盖的管理区域进行划分；通过将边缘服务器覆盖区域划分为地理跨度有限的网格，在挖掘关联智慧实体时挖掘范围为智慧实体所在网格内；

S2：关联模型构建：依据同一区域内智慧实体的历史状态，构建智慧实体状态的关联模型；

S3：状态推理估计：基于关联模型及已知智慧实体状态进行推理，得到状态未知的智慧实体的估计状态；

步骤S2具体包括：基于网格内智慧实体集的历史状态记录Data_local，寻求与Data_local匹配的最佳智慧实体网络结构，具体包括以下步骤：

S21：基于智慧实体间的信息素浓度构造智慧实体网络的初始无向图结构，识别状态关联性较强的智慧实体集合；

S22：通过智慧实体相对信息熵确定智慧实体之间连边的方式，从而完成对智慧实体网络即智慧实体关联模型的结构设计；

S23：采用最大似然估计法学习智慧实体网络即智慧实体状态关联模型的参数，然后以迭代学习的方式对智慧实体网络的参数进行学习，完成智慧实体状态关联模型的构建；

步骤S21具体包括：定义信息素浓度为智慧实体间的状态潜在关联强度；给定包含两个智慧实体状态随机变量X与Y的数据集S，则两个随机变量之间的特征矩阵为无限矩阵，定义为：

M(X,Y|S)_i,j＝I^*(X,Y,S,i,j)/log min(i,j)

其中，I^*(X,Y,S,i,j)＝arg max I(X,Y,S|_Gr,i,j)表示网格Gr所表示的随机变量X与Y之间的最大互信息，i、j分别表示网格的列和行；随机变量X与Y的信息素浓度MIC(X,Y|S)定义为：

其中，B(n)＝n^0.6为与智慧实体数量有关的常数，i×j＜B(n)表示网格Gr大小的界限；

两个智慧实体之间的关联程度通过MIC值来衡量，若两智慧实体之间MIC值大于预先定义的连通阈值δ，则说明两智慧实体间的状态关联程度较高，在智慧实体网络中两智慧实体之间应有连边，反之，则无连边；由此，确定智慧实体网络的初始无向图结构；

步骤S22具体包括：定义智慧实体相对信息熵RE为两智慧实体间具有指向性的相对信息量；假设状态已知的智慧实体x_j指向x_i的连边的RE表示为：

其中，|x_i|表示智慧实体x_i所有的状态的数量；表示智慧实体x_i的熵，表示智慧实体x_i的状态为m的概率；为给定智慧实体x_j的状态的条件下，x_i的条件熵，为给定智慧实体x_j的状态的条件下智慧实体x_i的状态为m的概率；分别计算RE(x_j→x_i)与RE(x_i→x_j)，若RE(x_i→x_j)≥RE(x_j→x_i)，则智慧实体x_i与x_j的连边为从x_i指向x_j，则智慧实体x_i为智慧实体x_j的父节点智慧实体；若RE(x_j→x_i)≥RE(x_i→x_j)，则反之；由此，确定智慧实体网络中有连边的智慧实体间的连边方向，从而最终确定智慧实体网络的结构；

步骤S23具体包括：首先，采用最大似然估计法学习智慧实体网络即智慧实体状态关联模型的参数，学习的目标为求解使得似然函数L(θ|S,G)取得最大值的参数集合θ^*，结合构建的智慧实体网络结构，得到：

其中，P(S|θ,G)表示实体概率分布θ和网络结构模型G已知的情况下，实体集合S的概率分布；n为网格内智慧实体的数量，|x_i|为智慧实体x_i的第i个父节点的智慧实体状态数量，q_i为智慧实体的第i个父节点的智慧实体的数量，N_ij为智慧实体的第i个父节点在给定其第j个父节点智慧实体时，i与j所有的状态组合的数量，N_ijk为智慧实体的第i个父节点在给定其第j个父节点智慧实体的状态为k的条件下的状态数目；由此，得到智慧实体的第i个父节点在给定其第j个父节点智慧实体的状态为k的条件下，其状态的概率分布参数集合为：θ_ijk＝N_ijk/N_ij,i＝1,2,…,n；j＝1,2,…,q_i,k＝1,2,…,|x_j|；

然后，采用最大似然估计法，通过迭代学习参数θ^*实现L(θ|S,G)数值的最大化，则L(θ|S,G)取得最大值时的参数设置θ^*即为智慧实体网络中状态概率分布，即θ^*＝arg max_θL(θ|S,G)；至此，即完成对智慧实体网络的参数学习与智慧实体间状态关联模型的构建；

步骤S3具体包括以下步骤：

S31：边缘服务器通过智慧实体的周期性状态数据上报及用户发起的历史搜索记录，获得部分智慧实体的当前状态作为已知智慧实体状态；

S32：估计所有智慧实体的状态的条件概率分布，并依据已知智慧实体的状态推理计算未知智慧实体的状态。