（一） 項(xiàng)目簡介
本項(xiàng)目努力解決現(xiàn)有智能物聯(lián)網(wǎng)終端設(shè)備基礎(chǔ)數(shù)據(jù)可視化水平較低實(shí)際情況，努力實(shí)現(xiàn)基于物聯(lián)網(wǎng)的多維數(shù)據(jù)可視化分析系統(tǒng)。隨著實(shí)體企業(yè)在生產(chǎn)過程中對于生產(chǎn)的智能物聯(lián)網(wǎng)終端數(shù)據(jù)質(zhì)量要求掌控程度不斷提高，實(shí)體企業(yè)希望獲取更多實(shí)際有效數(shù)據(jù)同時(shí)，能直觀針對生產(chǎn)過程中實(shí)際產(chǎn)生數(shù)據(jù)進(jìn)行可視化分析與處理，希望軟件系統(tǒng)能夠針對實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行解析與展示，向企業(yè)直接通過圖表形式展示生產(chǎn)過程問題與細(xì)節(jié)提供便捷方式。
（二） 研究目的
本項(xiàng)目計(jì)劃以指導(dǎo)教師目前正在執(zhí)行的長沙市科技計(jì)劃項(xiàng)目（重大專項(xiàng)）“基于邊緣計(jì)算的物聯(lián)網(wǎng)終端研制及應(yīng)用”（湖南中聯(lián)重科智能技術(shù)有限公司、長沙理工大學(xué)聯(lián)合申請立項(xiàng)）為基礎(chǔ)條件，充分實(shí)踐長沙理工大學(xué)、湖南省教育廳一貫倡導(dǎo)的“教學(xué)促進(jìn)科研，科研反哺教學(xué)”，結(jié)合湖南中聯(lián)重科智能技術(shù)有限公司現(xiàn)有研制智能物聯(lián)網(wǎng)終端設(shè)備為基礎(chǔ)設(shè)備，努力解決現(xiàn)有智能物聯(lián)網(wǎng)終端設(shè)備基礎(chǔ)數(shù)據(jù)可視化水平較低實(shí)際情況，努力實(shí)現(xiàn)基于物聯(lián)網(wǎng)的多維數(shù)據(jù)可視化分析系統(tǒng)。
可視化數(shù)據(jù)分析系統(tǒng)能夠滿足實(shí)體企業(yè)對于智能物聯(lián)網(wǎng)終端設(shè)備上位機(jī)的實(shí)際數(shù)據(jù)分析需求，以本科生團(tuán)隊(duì)為主體設(shè)計(jì)實(shí)現(xiàn)可視化數(shù)據(jù)分析系統(tǒng)為智能物聯(lián)網(wǎng)終端設(shè)備關(guān)鍵技術(shù)研究工作提供有效解決方案和原型系統(tǒng)。
（三） 研究內(nèi)容
本項(xiàng)目中選用智能物聯(lián)網(wǎng)終端已具備功能：
（1）具備針對底層協(xié)議進(jìn)行解析操作的分析能力（例如：通訊協(xié)議：Modbus、OPC等；總線協(xié)議：CAN、PROFIBUS等；無線協(xié)議：Wireless、BT等）；
（2）具備對云端平臺(tái)的協(xié)議進(jìn)行對接的操作能力，對云平臺(tái)的即時(shí)通訊能力（例如：以太網(wǎng)、Wifi、4G、NB-IoT等）；
（3）結(jié)合微機(jī)電系統(tǒng)（MEMS）傳感節(jié)點(diǎn)技術(shù)，具備對上層和對下層私有協(xié)議完成二次開發(fā)的設(shè)計(jì)能力；
（4）支持設(shè)備數(shù)據(jù)主動(dòng)采集、描述式理解以及用戶自定義條件過濾和匯聚；
（5）具備開放融合系統(tǒng)能力，能夠配合云端為手機(jī)APP程序提供支持。
圖1 設(shè)備整體核心技術(shù)結(jié)構(gòu)圖
隨著實(shí)體企業(yè)在生產(chǎn)過程中對于生產(chǎn)的智能物聯(lián)網(wǎng)終端數(shù)據(jù)質(zhì)量要求掌控程度不斷提高，實(shí)體企業(yè)希望獲取更多實(shí)際有效數(shù)據(jù)同時(shí)，能直觀針對生產(chǎn)過程中實(shí)際產(chǎn)生數(shù)據(jù)進(jìn)行可視化分析與處理，希望軟件系統(tǒng)能夠針對實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行解析與展示，向企業(yè)直接通過圖表形式展示生產(chǎn)過程問題與細(xì)節(jié)提供便捷方式。本項(xiàng)目研究設(shè)計(jì)可視化數(shù)據(jù)分析系統(tǒng)屬于圖1所示“物聯(lián)網(wǎng)終端”設(shè)備整體核心技術(shù)框架圖中“數(shù)據(jù)平臺(tái)及利用”方面，基于智能物聯(lián)網(wǎng)終端進(jìn)行上位機(jī)軟件系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)同時(shí)為企業(yè)提供便捷操作方法是項(xiàng)目核心研究內(nèi)容。
（四） 國、內(nèi)外研究現(xiàn)狀和發(fā)展動(dòng)態(tài)
全球新一輪科技與產(chǎn)業(yè)革命方興未艾，從德國“工業(yè)4.0”到美國“工業(yè)互聯(lián)網(wǎng)”，世界各國在智能制造領(lǐng)域激烈角逐，爭奪制造業(yè)發(fā)展主動(dòng)權(quán)。國務(wù)院發(fā)布《中國制造2025》作為我國實(shí)施制造強(qiáng)國戰(zhàn)略的行動(dòng)綱領(lǐng)，提出了建設(shè)制造強(qiáng)國目標(biāo)，即：通過“三步走”步伐實(shí)現(xiàn)制造強(qiáng)國的戰(zhàn)略目標(biāo)。其中，第一步就是截止到2025年，中國要邁入制造強(qiáng)國序列。
在國家發(fā)布“中國制造2025”行動(dòng)綱要之后，湖南省科技廳和長沙市就先后發(fā)布《湖南省高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)創(chuàng)新驅(qū)動(dòng)發(fā)展提質(zhì)升級三年行動(dòng)方案（2017-2019年）》、《國家智能制造中心創(chuàng)建方案》，長沙依托本土高校的科研優(yōu)勢，積極引進(jìn)北斗產(chǎn)業(yè)高技術(shù)人才，初步建成了集高端技術(shù)、高端產(chǎn)品、特色應(yīng)用示范、產(chǎn)品檢測為一體的具有自身核心優(yōu)勢的產(chǎn)業(yè)集群。為加快推進(jìn)長沙“國家智能制造中心”核心區(qū)建設(shè)工作，搶抓“中國制造2025”和“互聯(lián)網(wǎng)+X”行業(yè)機(jī)遇，作為制造業(yè)智能化的核心部分，必須加速物聯(lián)網(wǎng)終端核心技術(shù)的研究與建設(shè)，通過物聯(lián)網(wǎng)技術(shù)實(shí)現(xiàn)工業(yè)連接、工業(yè)網(wǎng)絡(luò)化。
本項(xiàng)目設(shè)備支持實(shí)體企業(yè)湖南中聯(lián)重科智能技術(shù)有限公司（中聯(lián)智能）作為長沙智能制造示范企業(yè)，已通過移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、物聯(lián)網(wǎng)等與智能裝備制造行業(yè)的結(jié)合來推進(jìn)智能制造產(chǎn)業(yè)，促進(jìn)企業(yè)轉(zhuǎn)型升級。以物聯(lián)網(wǎng)作為有效手段來形成層次更豐富的信息系統(tǒng)，將人與人、物與物、人與物實(shí)現(xiàn)全面連接。目前，中聯(lián)智能已開展物聯(lián)網(wǎng)云平臺(tái)建設(shè)工作，通過智能裝備行業(yè)幾十萬臺(tái)數(shù)據(jù)的連接，以及海量連接后的數(shù)據(jù)分析，從而為行業(yè)提供新的業(yè)務(wù)價(jià)值，為長沙智能制造推進(jìn)發(fā)展起到示范作用。中聯(lián)智能現(xiàn)有設(shè)備應(yīng)用框架圖和智能物聯(lián)網(wǎng)框架圖，如圖2所示。
圖2 現(xiàn)有設(shè)備應(yīng)用框架圖
物聯(lián)網(wǎng)通過網(wǎng)絡(luò)實(shí)現(xiàn)感應(yīng)器、設(shè)備和終端的聯(lián)接。邊緣計(jì)算是指在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，就近提供邊緣智能服務(wù)。全球?qū)⒂谐^500億的終端和設(shè)備聯(lián)網(wǎng)，超過50%的數(shù)據(jù)需要在網(wǎng)絡(luò)邊緣側(cè)進(jìn)行處理和分析。IDC的報(bào)告早就向我們揭示了未來網(wǎng)絡(luò)發(fā)展的新趨勢：未來，網(wǎng)絡(luò)流量的50%將來自物聯(lián)網(wǎng)，而40%的物聯(lián)網(wǎng)流量將在邊緣進(jìn)行處理。
國內(nèi)外目前已有諸多企業(yè)著手開展很多邊緣計(jì)算與霧計(jì)算方面的技術(shù)研究工作，同時(shí)也研制相應(yīng)產(chǎn)品。國外，Intel在全球范圍內(nèi)推動(dòng)了三個(gè)聯(lián)盟，分別是工業(yè)互聯(lián)網(wǎng)聯(lián)盟IIC，開放互聯(lián)基金會(huì)OCF，開放霧計(jì)算聯(lián)盟OFC（Open Connectivity Foundation），其中OCF就是主要針對邊緣計(jì)算，針對物聯(lián)網(wǎng)的理解它是端到端的系統(tǒng)，分為邊緣和后端平臺(tái)兩部分，中間通過網(wǎng)絡(luò)進(jìn)行連接，在邊緣部分，認(rèn)為它包含數(shù)據(jù)采集、網(wǎng)關(guān)及數(shù)據(jù)處理等等模塊，在后端完成的是數(shù)據(jù)的處理機(jī)設(shè)備的遠(yuǎn)程管理。戴爾追加發(fā)布專門針對工業(yè)應(yīng)用邊緣計(jì)算產(chǎn)品，從汽車、無人機(jī)、醫(yī)療設(shè)備到機(jī)器人領(lǐng)域設(shè)備連接數(shù)量增長趨勢可以看到，越來越多企業(yè)正在從云計(jì)算模式轉(zhuǎn)向霧計(jì)算應(yīng)用。2017年4月，國際霧計(jì)算產(chǎn)學(xué)研聯(lián)盟大中華區(qū)在上海宣布正式成立，此舉標(biāo)志著國際霧計(jì)算產(chǎn)學(xué)研聯(lián)盟（OpenFog聯(lián)盟）在大中華地區(qū)的正式落地。國際霧計(jì)算產(chǎn)學(xué)研聯(lián)盟大中華區(qū)的成立與不斷發(fā)展將有力促進(jìn)前沿技術(shù)交流，加速實(shí)現(xiàn)國際主流物聯(lián)網(wǎng)技術(shù)與國內(nèi)產(chǎn)業(yè)需求的深度融合，大力推動(dòng)物聯(lián)網(wǎng)技術(shù)在中國的產(chǎn)業(yè)化進(jìn)程，全面開啟與國際接軌的物聯(lián)網(wǎng)產(chǎn)業(yè)新生態(tài)。
圖3 現(xiàn)有智能物聯(lián)網(wǎng)框架圖
“霧計(jì)算”概念由思科首創(chuàng)。有別于云計(jì)算，霧計(jì)算所采取的架構(gòu)更分散、更接近網(wǎng)絡(luò)邊緣。霧計(jì)算可利用靠近終端的設(shè)備進(jìn)行數(shù)據(jù)處理，從而對于物聯(lián)網(wǎng)龐大的信息量傳送至云計(jì)算中心時(shí)引發(fā)的占用帶寬過多或負(fù)載過重的情況進(jìn)行有效的改善。通過將計(jì)算、通信、控制和存儲(chǔ)資源與服務(wù)，分配給離用戶或數(shù)據(jù)源最近的設(shè)備和系統(tǒng)，霧計(jì)算可以幫助實(shí)現(xiàn)云能力的延伸和拓展，從而提供統(tǒng)一的端到端云＋霧平臺(tái)、服務(wù)和應(yīng)用。利用開放的標(biāo)準(zhǔn)方法，OpenFog架構(gòu)將云端的無縫智能與物聯(lián)網(wǎng)終端聯(lián)合在一起，從傳統(tǒng)封閉式系統(tǒng)以及依賴云計(jì)算模型，進(jìn)化成為一種全新的計(jì)算模型。
物聯(lián)網(wǎng)互連、機(jī)器與機(jī)器的通信、實(shí)時(shí)計(jì)算需求和聯(lián)網(wǎng)設(shè)備需求正驅(qū)動(dòng)霧計(jì)算市場不斷發(fā)展。國際霧計(jì)算產(chǎn)學(xué)研將有效聚合行業(yè)資源及技術(shù)能量，推動(dòng)中國產(chǎn)學(xué)研各界在霧計(jì)算等物聯(lián)網(wǎng)領(lǐng)域?qū)崿F(xiàn)合作共贏，促進(jìn)多元化物聯(lián)網(wǎng)技術(shù)應(yīng)用普及和產(chǎn)業(yè)發(fā)展，充分釋放霧計(jì)算的無限潛力，合力構(gòu)建中國物聯(lián)網(wǎng)產(chǎn)業(yè)新生態(tài)。霧計(jì)算與云計(jì)算互相協(xié)同工作，共同促進(jìn)行業(yè)轉(zhuǎn)型：云計(jì)算聚焦非實(shí)時(shí)、長周期數(shù)據(jù)的大數(shù)據(jù)分析，在周期性維護(hù)、業(yè)務(wù)決策支撐等領(lǐng)域發(fā)揮特長；霧計(jì)算聚焦實(shí)時(shí)、短周期數(shù)據(jù)的分析，能更好地支撐云端應(yīng)用的大數(shù)據(jù)分析。
可視化技術(shù)是為了從高維數(shù)據(jù)中獲取有用信息和了解數(shù)據(jù)結(jié)構(gòu)將數(shù)據(jù)進(jìn)行圖形化展示的過程。可視化技術(shù)為分析和理解高維數(shù)據(jù)提供了有效手段，它能顯示數(shù)據(jù)隱藏的變化規(guī)律，幫助用戶進(jìn)行決策判斷和信息理解。中聯(lián)智能的智能物聯(lián)網(wǎng)終端設(shè)備基礎(chǔ)數(shù)據(jù)就屬于高維數(shù)據(jù)集。國外針對可視化技術(shù)研究比國內(nèi)開始的時(shí)間要早，從20世紀(jì)80年代末國外就提出了可視化技術(shù)，國外對于可視化技術(shù)的研究比較深入且在可視化技術(shù)上取得了比較好的成果，可視化技術(shù)在國外得到了很大發(fā)展并得到了廣泛應(yīng)用，例如在地質(zhì)學(xué)、氣象學(xué)、海洋學(xué)、生物學(xué)、醫(yī)學(xué)等諸多科學(xué)和工程領(lǐng)域都應(yīng)用了可視化技術(shù)。我國可視化技術(shù)起步相對國外來說較晚，近年來我國可視化技術(shù)才得到較高重視和普及。
（1）平行坐標(biāo)可視化
平行坐標(biāo)可視化是高維數(shù)據(jù)顯示的一種常用技術(shù)，它能在二維空間內(nèi)對高維數(shù)據(jù)進(jìn)行直觀展示。隨著數(shù)據(jù)維度的增加和數(shù)據(jù)量的增大，傳統(tǒng)的平行坐標(biāo)可視化產(chǎn)生數(shù)據(jù)雜波的問題。高維數(shù)據(jù)可視化的結(jié)果是非常混亂的，用戶很難分析和理解數(shù)據(jù)樣本。近年來，科研人員已經(jīng)做出很大努力，以減少平行坐標(biāo)可視化雜波問題，提高高維數(shù)據(jù)可視化結(jié)果。
針對平行坐標(biāo)可視化方法的研究改進(jìn)主要有兩個(gè)方面：一方面是增強(qiáng)平行坐標(biāo)可視化效果，在可視化效果的增強(qiáng)上有很多代表性成果，其中Ying-Huey Fua[1]等人提出了分層平行坐標(biāo)可視化技術(shù)，這種可視化技術(shù)將高維數(shù)據(jù)集合用樹形結(jié)構(gòu)進(jìn)行展示，可以幫助用戶分析隱藏的信息和數(shù)據(jù)結(jié)構(gòu)，但分層平行坐標(biāo)可視化時(shí)間復(fù)雜度較高。Liang FuLu[2]等人介紹了一種對平行坐標(biāo)可視化維度進(jìn)行重排的算法，在文中描述了一種非線性相關(guān)方法來計(jì)算維度之間的相似性，調(diào)整維度位置以便相似維度之間是相鄰的。Wei Peng[3]等人概述了平行坐標(biāo)可視化維度重排算法，并簡單介紹了幾種啟發(fā)式的維度重排方法。Koto Nohno[4]等人提出的重排算法和Almir Olivette Artero[5]等人文章中提出的維度重排算法對于高維數(shù)據(jù)平行坐標(biāo)可視化效果顯示也起到了重要作用，提高了高維數(shù)據(jù)可視化效果的可讀性。Jing Yang[6]等人提出了一種交互平行坐標(biāo)可視化方法，用戶可以操作平行坐標(biāo)可視化的結(jié)果，例如進(jìn)行維度重排、調(diào)整維度間距等，加強(qiáng)交互性，提高可視化效果。但在這些可視化方法中，沒有對高維數(shù)據(jù)集合的數(shù)據(jù)進(jìn)行處理，主要是優(yōu)化了維度之間關(guān)系。
另一方面，主要是將平行坐標(biāo)可視化方法和其他數(shù)據(jù)挖掘技術(shù)進(jìn)行結(jié)合，也有很多代表性的成果，通過使用這種方法，用戶可以從高維數(shù)據(jù)集中獲取有效信息，并將數(shù)據(jù)挖掘結(jié)果進(jìn)行可視化。Khadidja Ameur[7]等人提出了一個(gè)可視化方法，結(jié)合聚類技術(shù)和平行坐標(biāo)可視化，通過這種可視化方法，用戶可以直觀分析數(shù)據(jù)集中有用信息和隱藏的數(shù)據(jù)結(jié)構(gòu)。Almir Olivette Artero[8]等人優(yōu)化平行坐標(biāo)可視化中聚類的結(jié)構(gòu)，以便更好幫助用戶進(jìn)行分析。Hong Zhou[9]等人展示了聚類平行坐標(biāo)可視化。Alfredo Cuzzocrea[10]等人在文中總結(jié)了平行坐標(biāo)可視化數(shù)據(jù)挖掘的優(yōu)缺點(diǎn)。Geoffrey Ellis[11]等人總結(jié)了平行坐標(biāo)可視化雜波的各種方法，文中將雜波消除技術(shù)進(jìn)行分類并簡單介紹幾種啟發(fā)式方法，其中聚類方法是一種關(guān)鍵技術(shù)。但在這些代表性成果中，它不能保證數(shù)據(jù)進(jìn)行聚類和可視化之前數(shù)據(jù)已有一個(gè)很好的維度順序。
（2）散點(diǎn)圖可視化
散點(diǎn)圖可視化也是一種重要的高維可視化技術(shù)，在高維數(shù)據(jù)顯示上起到了重要作用，它主要是通過降維技術(shù)進(jìn)行低維空間的顯示。散點(diǎn)圖可視化方法可以直接顯示數(shù)據(jù)之間的相互關(guān)系，發(fā)現(xiàn)數(shù)據(jù)隱藏規(guī)律，方便用戶進(jìn)行分析。目前散點(diǎn)圖可視化得到廣泛應(yīng)用。
B. Dash[12]等人提出了一種結(jié)合PCA和K-means聚類的方法用來處理高維數(shù)據(jù)集合，并進(jìn)行散點(diǎn)圖效果展示。在這種方法中，首先將高維數(shù)據(jù)降維到二維空間然后進(jìn)行聚類分析，在散點(diǎn)圖中進(jìn)行結(jié)果顯示。這種方法可以有效地挖掘高維數(shù)據(jù)集合。D. S. Rajput[13]等人通過特征選擇和聚類算法實(shí)現(xiàn)高維數(shù)據(jù)分析，并將結(jié)果進(jìn)行散點(diǎn)圖可視化。A. Musdholifah[14]等人的文章中也是利用降維技術(shù)將高維數(shù)據(jù)集合進(jìn)行數(shù)據(jù)挖掘和可視化分析，當(dāng)數(shù)據(jù)量特別大時(shí)，數(shù)據(jù)挖掘和可視化的效率都比較低。
隨著聚類技術(shù)不斷發(fā)展，I. Asseent[15]等人提出了子空間聚類結(jié)果應(yīng)用散點(diǎn)圖可視化。在文中不再使用降維技術(shù)將高維數(shù)據(jù)集合進(jìn)行降維聚類然后可視化，而是直接用子空間聚類處理高維數(shù)據(jù)集合，再將結(jié)果用散點(diǎn)圖展示，這種可視化結(jié)果展示雖然保持了信息的完整性，但這種可視化方法的時(shí)間復(fù)雜性比較高。王開軍[16]總結(jié)了多維數(shù)據(jù)聚類散點(diǎn)圖可視化，在文中對各種降維散點(diǎn)圖可視化方法進(jìn)行總數(shù)。為了更好的展示高維數(shù)據(jù)集合，保持高維數(shù)據(jù)信息，散點(diǎn)圖可視化技術(shù)得到了擴(kuò)展，Yunzhu Zheng[17]等人提出了散點(diǎn)圖矩陣可視化，這種可視化技術(shù)可展示高維數(shù)據(jù)兩兩維度之間的關(guān)系。
本項(xiàng)目充分運(yùn)用長沙理工大學(xué)計(jì)通學(xué)院、合作企業(yè)已有基礎(chǔ)條件、項(xiàng)目小組團(tuán)隊(duì)各方優(yōu)勢達(dá)到互補(bǔ)作用，以計(jì)算機(jī)科學(xué)與技術(shù)卓越工程師培養(yǎng)方案為參考條件，重點(diǎn)致力于把移動(dòng)網(wǎng)關(guān)功能及應(yīng)用和內(nèi)容部署到物聯(lián)網(wǎng)終端設(shè)備，就近選擇提供智能終端連接與數(shù)據(jù)處理業(yè)務(wù)，讓不同類型應(yīng)用與數(shù)據(jù)在物聯(lián)網(wǎng)網(wǎng)絡(luò)終端設(shè)備進(jìn)行本地化處理，實(shí)現(xiàn)業(yè)務(wù)實(shí)時(shí)、業(yè)務(wù)智能、數(shù)據(jù)聚合與互操作、安全與隱私保護(hù)等關(guān)鍵智能服務(wù)，達(dá)到有效降低時(shí)延、提高計(jì)算速度、提高資源轉(zhuǎn)換效率研究目標(biāo)，有效提升業(yè)務(wù)智能決策效率?；谏鲜鲋悄芪锫?lián)網(wǎng)關(guān)設(shè)備來實(shí)現(xiàn)可視化數(shù)據(jù)分析操作是本項(xiàng)目具體實(shí)施內(nèi)容。
參考文獻(xiàn)
[1] Ying Huey Fua, Matthew O Ward, Elke A Rundensteiner. Hierarchical parallel coordinates for exploration of large datasets. In: Proceedings of the conference on Visualization, IEEE, 1999: 43-50.
[2] Liang Fu Lu, Mao Lin Huang, Tze-Haw Huang. A new axes reordering method in parallel coordinates visualization. In: Proceedings of Machine Learning and Applications, IEEE, 2012: 252-257.
[3] Wei Peng, Matthew O Ward, Elke A Rundensteiner, et al. Clutter reduction in multi-dimensional data visualization using dimension reordering. In: Proceedings of Information Visualization, IEEE, 2004: 89-96.
[4] Koto Nohno, Hsiang-Yun Wu, Kazuho Watanable, Satoshi Takahashi, Iwao Fujishiro. Spectral-based contractible parallel coordinates. In: Proceedings of Information Visualization, IEEE, 2014: 7-12.
[5] Almir Olivette Artero, Maria Cristina Oliveira, Haim Levkowitz. Enhanced high dimensional data visualization through dimension reduction and attribute arrangement. In: Proceedings of Information Visualization, IEEE, 2006: 707-712.
[6] Jing Yang, Wei Peng, Matthew O Ward, Elke A Rundensteiner. Interactive hierarchical dimension ordering, spacing and filtering for exploration of high dimensional datasets. In: Proceedings of Information Visualization, IEEE, 2003: 105-112.
[7] Khadidja Ameur, Nadjia Benblidia, Saliha Oukid-Khouas. Enhanced visual clustering by reordering of dimensions in parallel coordinates. In: Proceedings of IT Convergence and Security, IEEE, 2013: 1-4.
[8] Almir Olivette Artero, Maria Cristina F de Oliveira, Haim Levkowitz. Uncovering clusters in crowded parallel coordinates visualizations. In: Proceedings of Information Visualization, IEEE, 2004: 81-88.
[9] Hong Zhou, Xiaoru Yuan, Huamin Qu, Weiwei Cui, Baoquan Chen. Visual clustering in parallel coordinates. In: Proceedings of Computer Graphics Forum, 2008: 1047-1054.
[10] Alfredo Cuzzocrea, Davood Zall. Parallel coordinates technique in visual data mining: advantage, disadvantages, and combinations. In: Proceedings of International Conference on Information Visualization, IEEE, 2013: 278-284.
[11] Geoffrey Ellis, Alan Dix. A taxonomy of clutter reduction for information visualization. IEEE Transactions on Visualization and Computer Graphics, 2007, 13(6): 1216-1223.
[12] B Dash, Debahuti Mishra, A Rath, Milu Acharya. A hybridized k-means clustering approach for high dimensional dataset. International Journal of Engineering, Science and Technology, 2010, 2(2): 59-66.
[13] D. S. Rajput, P. K. Singh, M. Bhattacharya. Feature selection with efficient initialization of clusters centers for high dimensional data clustering. In: Proceedings of Communication Systems and Network Technologies, 2011: 293-297.
[14] A. Musdholifah, S. Z.M. Hashim, R. Ngah. Hybird pcailge clustering approach for high dimensional data. IEEE Transactions on Systems, Man and Cybernetics, 2012, 33(4): 420-424.
[15] Ira Assent, Ralph Krieger, Emmanuel Muller, Thomas Seidl. Visa: visual subspace clustering analysis. ACM SIGKDD Explorations News Letter, 2017, 19(2): 5-12.
[16] 王開軍. 多維數(shù)據(jù)的聚類結(jié)果可視化技術(shù)綜述. 福建師范大學(xué)學(xué)報(bào), 2012, 28(4): 115-124.
[17] Yunzhu Zheng, Haruka Suematsu, Takayuki Itoh, Ryohei Fujimki, Satoshi Morinaga, Yoshinobu Kawahara. Scatter plot layout for high dimensional data visualization. Journal of Visualization, 2015, 18(1): 111-119.
（五） 創(chuàng)新點(diǎn)與項(xiàng)目特色
（1）本大學(xué)生研究性實(shí)驗(yàn)項(xiàng)目涉及計(jì)算機(jī)科學(xué)與技術(shù)、物聯(lián)網(wǎng)兩大學(xué)科中網(wǎng)絡(luò)、通信、信息處理等多個(gè)研究領(lǐng)域，課題內(nèi)容符合多維數(shù)據(jù)可視化主題，反映了當(dāng)前信息化與大數(shù)據(jù)處理兩大重要領(lǐng)域的最新技術(shù)進(jìn)展前沿。不僅有利于大學(xué)生在執(zhí)行過程中貫通計(jì)算機(jī)科學(xué)技術(shù)專業(yè)原理課程的理論體系，又能兼顧專業(yè)研究與應(yīng)用動(dòng)手實(shí)踐能力的培養(yǎng)，為學(xué)生專業(yè)素質(zhì)的鍛煉和形成提供了切實(shí)可行的途徑。
（2）針對可視化數(shù)據(jù)分析系統(tǒng)進(jìn)行應(yīng)用性研究實(shí)踐工作。本課題擬提出基于智能物聯(lián)網(wǎng)終端的數(shù)據(jù)分析算法。本小組將通過理論分析和具體實(shí)驗(yàn)表明本可視化數(shù)據(jù)分析系統(tǒng)在企業(yè)實(shí)際工作中的具體功效水平。
（3）本項(xiàng)目擬依據(jù)軟件工程規(guī)范流程實(shí)現(xiàn)可視化數(shù)據(jù)分析系統(tǒng)，并融入本項(xiàng)目提出的數(shù)據(jù)分析算法，實(shí)現(xiàn)本項(xiàng)目預(yù)期實(shí)現(xiàn)的可視化數(shù)據(jù)分析系統(tǒng)。
（六） 技術(shù)路線、擬解決的問題及預(yù)期成果
1．技術(shù)路線
針對物聯(lián)網(wǎng)技術(shù)目前現(xiàn)存問題：（1）業(yè)務(wù)實(shí)時(shí)性差：很多應(yīng)用場景（工業(yè)檢測、控制、執(zhí)行）實(shí)時(shí)性要求高。如果數(shù)據(jù)分析與邏輯控制完全在云端實(shí)現(xiàn)，難于滿足業(yè)務(wù)實(shí)時(shí)性要求，出現(xiàn)網(wǎng)絡(luò)擁塞、高延時(shí)、低服務(wù)質(zhì)量等現(xiàn)象；（2）數(shù)據(jù)爆炸與網(wǎng)絡(luò)流量壓力大：物聯(lián)網(wǎng)產(chǎn)生數(shù)據(jù)量龐大，2020年預(yù)期每年產(chǎn)生44ZB規(guī)模以上數(shù)據(jù)量。所有終端設(shè)備與傳感器采集數(shù)據(jù)無法全部傳至云端平臺(tái)，需要尋求有效解決方案；（3）安全與隱私保護(hù)差：數(shù)據(jù)通過網(wǎng)絡(luò)實(shí)現(xiàn)端到端傳輸過程，云平臺(tái)需要接入大量終端設(shè)備，訪問控制與威脅防護(hù)難度大幅提高，關(guān)鍵數(shù)據(jù)完整性、保密性需要提高保護(hù)。
對物聯(lián)網(wǎng)而言，意味著許多控制將通過本地設(shè)備實(shí)現(xiàn)而無需交由云端，處理過程將在本地邊緣計(jì)算層完成。這無疑將大大提升處理效率，減輕云端的負(fù)荷。由于更加靠近用戶，還可為用戶提供更快的響應(yīng)，將需求在邊緣端解決。在邊緣部分，它包含數(shù)據(jù)采集、網(wǎng)關(guān)及數(shù)據(jù)處理等模塊，實(shí)現(xiàn)終端及設(shè)備的海量、異構(gòu)與實(shí)時(shí)連接，邊緣側(cè)引入數(shù)據(jù)分析、數(shù)據(jù)存儲(chǔ)與業(yè)務(wù)自動(dòng)處理能力，智能化執(zhí)行本地業(yè)務(wù)邏輯，能夠更好地對本地和云端進(jìn)行監(jiān)測和防護(hù)，并對數(shù)據(jù)進(jìn)行加密，霧計(jì)算結(jié)構(gòu)框架如圖4所示。
圖4 霧計(jì)算系統(tǒng)結(jié)構(gòu)框架圖
本項(xiàng)目采用智能物聯(lián)網(wǎng)終端繼承數(shù)據(jù)采集、存儲(chǔ)、分析等已傳輸功能，智能物聯(lián)網(wǎng)終端已廣泛應(yīng)用制造行業(yè)。本項(xiàng)目計(jì)劃以合作申請企業(yè)研發(fā)生產(chǎn)的智能物聯(lián)網(wǎng)終端設(shè)備作為研究對象，通過霧計(jì)算模式在物聯(lián)網(wǎng)中的應(yīng)用來集成數(shù)據(jù)采集、計(jì)算、存儲(chǔ)、傳輸?shù)裙δ埽?/span>高物聯(lián)網(wǎng)技術(shù)的應(yīng)用水平，開展物聯(lián)網(wǎng)終端設(shè)計(jì)、制造、數(shù)據(jù)可視化、質(zhì)量評估等方面的相關(guān)實(shí)際研究。本可視化數(shù)據(jù)分析系統(tǒng)整體結(jié)構(gòu)如圖5所示，智能物聯(lián)網(wǎng)終端的主要技術(shù)參數(shù)如表1所示。
表1 智能物聯(lián)網(wǎng)終端主要技術(shù)參數(shù)
|
