[发明专利]一种基于边缘端学习的穿戴数据处理方法

权利要求书

1.一种基于边缘端学习的穿戴数据处理方法，其特征在于：步骤包括：

步骤一：构建云边协同计算系统，所述云边协同计算系统，包括：设备服务层、核心服务层、支持服务层、导出服务层、系统管理和安全服务层；

步骤二：基于步骤一构建的云边协同计算系统，穿戴设备进行生命体征数据采集，包括：体温、心率、血氧饱和度；

步骤三：对步骤二中采集的数据进行预处理，所述预处理包括：数据清洗、数据集成、数据变换和数据规约；

步骤四：完成步骤三后，对边缘计算节点进行资源约束和任务分配，最终完成穿戴数据的处理。

2.根据权利要求1所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：所述设备服务层，提供穿戴设备接入的功能，由多个设备服务组成，每个设备服务是用户根据设备服务软件开发工具包编写生成的一个微服务，使用穿戴设备文件去定义设备的数据源信息。

3.根据权利要求2所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：所述核心服务层，核心服务层由核心数据微服务、命令微服务、元数据微服务、注册表和配置微服务四个微服务组件构成，核心数据微服务存储和管理来自穿戴设备的数据、元数据微服务存储和管理穿戴设备的元数据。

4.根据权利要求2所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：当检测到采集的数据满足规则要求时，所述支持服务层将触发一个通知消息。

5.根据权利要求2所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：所述导出服务层由服务软件注册和分发微服务组件组成，用于将处理的数据传输至云计算中心。

6.根据权利要求2所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：所述系统管理和安全服务层，包括：安装、升级、启动、停止和监测控制微服务的功能。

7.根据权利要求1所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：所述数据清洗采用最近邻补插的方法，对步骤二中采集的数据中的缺失值进行处理；采用平均值修正对步骤二中采集的数据中的异常值进行处理。

8.根据权利要求1所述的一种基于边缘端学习的穿戴数据处理方法，其特征在于：资源约束表示为，j≤A_j，其中i表示任务，X_i、j、r表示决策变量，其中(X_i,j,r)=1表示任务i在计算节点j上第r个处理，a_i表示任务i占用的某类资源量，A_j表示节点j的资源总量。