基于可扩展 PANFIS 的 RFID 定位大数据分析方法
分布式、并行与集群计算
2018-04-27 v1
摘要
RFID 技术因其经济性和部署简便性,在制造车间定位问题中日益流行。该技术用于跟踪制造对象位置以提高生产效率。然而,用于定位任务的数据不易分析,因为它生成于非平稳环境,且随时间持续到达并产生海量数据。因此,需要先进的大数据分析来克服这一问题。我们提出一种基于 PANFIS(可扩展 PANFIS)的分布式大数据分析框架,其中 PANFIS 是一种演化算法,能够以单遍模式学习数据流。可扩展 PANFIS 可通过处理数据流的大量块/分区来学习大数据流。可扩展 PANFIS 还配备了规则结构合并以消除规则间的冗余。可扩展 PANFIS 通过与单 PANFIS 及其他 Spark 可扩展机器学习算法对比性能进行验证。结果表明,可扩展 PANFIS 的运行时间比单 PANFIS 快 20 倍以上。可扩展 PANFIS 中的规则合并过程显示,在分类任务中精度无显著下降,达到 96.67% 的准确率,而单 PANFIS 为 98.71%。可扩展 PANFIS 在以可比运行速度对 RFID 数据进行分类时,也普遍优于一些 Spark MLib 机器学习算法。
引用
@article{arxiv.1804.10166,
title = {Big Data Analytic based on Scalable PANFIS for RFID Localization},
author = {Choiru Za'in and Mahardhika Pratama and Andri Ashfahani and Eric Pardede and Huang Sheng},
journal= {arXiv preprint arXiv:1804.10166},
year = {2018}
}
备注
7 pages and 3 figures, IEEE SMC