网络物理系统大数据分析和计算智能应用

刘正龙

（解放军69221 部队 新疆维吾尔自治区阿克苏市 843000）

1 现状分析

大数据在信息经济和现代生活方式中有着重要作用。随着硬件和软件技术的发展，促进了大数据采集。大数据分析是指用于检查和处理大数据的技术，以便获取有效信息。在现代世界中，数据的生成速度正在加快，先进的大数据分析和计算智能技术的发展，大数据分析可以促进政府努力为其公民提供更好的服务,可以帮助政府改善医疗保健和公共交通等关键部门，从而帮助塑造一个更高效的现代社会。大数据的5 个特性，如图1 大数据特性所示。

目前，网络物理云系统已经成为最先进的基于云的体系结构，可以定义为层次结构，其中位于物理层的设备需要与网络层中的计算和通信资源进行安全通信和事务处理。这些复杂的交互包括几个与大数据相关的操作，例如感知、存储和处理大量异构数据。在网络物理云系统环境中，安全性是最重要的，这对所提供的服务以及环境都有重大影响。为了应对这些现代挑战，网络物理云系统研究可以从智能计算智能和大数据分析技术中受益。因此，如何在安全和能源管理等关键方面有效地处理这些行动是非常具有挑战性的。

2 大数据分析的计算智能

计算智能是机器学习的一个子类，算法被设计成模拟人类信息处理和处理复杂和不确定数据源的推理机制，计算智能技术是为解决复杂的现实世界数据驱动的问题而开发的计算方法和技术。为了处理日益增长的现实世界问题，模糊逻辑、进化算法和人工神经网络构成了三种核心计算智能方法。计算智能技术的组合可用于从数据中提取洞察力和意义，提供适应离线和在线、硬件和软件数据处理和控制要求，应用于各种应用领域的集成解决方案，可用于为各种工业和商业应用提供有效的多用途智能数据分析和决策支持系统，其特点是需要分析大量模糊或复杂的信息，以支持运营和成本效益高的决策。

2.1 大数据分析深度学习

在大数据分析中，越来越需要准确地识别影响输出的数据中的重要特征，并确定给定时间点输入变量之间的空间关联，以及随时间变化的输入参数之间的因果或时间关联。从数据源中识别模式的有效建模可用于准确预测系统在正常操作条件下的行为，并能够检测异常。深度学习算法通过提供有效的生物启发计算建模技术，通过从各种感官输入和信号中提取多个层次的表征来解决语音感知和对象识别等任务，吸引了越来越多的关注。深度学习方法基于使用具有多个隐藏层的原理，这使得无监督（自底向上）训练能够生成更高层次的感官数据表示，然后可用于基于标准监督训练算法训练分类器（自上而下），特征学习方法基于有监督的方法。

图1：大数据特性

图2：模糊逻辑系统

2.2 大数据分析的模糊逻辑

大数据分析对从不同的潜在的噪声污染源。这些数据集具有很高的不确定性，并且包含大量的噪声和异常。研究表明，模糊逻辑系统是计算智能应用，它能有效地处理与数据相关的不确定性。由于模糊逻辑依赖于自然语言模糊规则，因此它允许成功地可视化数据中存在的隐藏关系，从而使搜索数据中隐藏模式的应用程序用户或研究人员能够轻松地将这些潜在关系可视化。模糊逻辑系统，自适应模糊逻辑系统在建模和解释个体差异和上下文信息的能力方面显示出了相当大的潜力，并且具有计算负担，它们成为从大量数据中创建个性化和用户友好系统的绝佳选择，模糊逻辑已被用作在不同应用领域执行大数据分析的基础。如图2 模糊逻辑系统所示。

2.3 大数据分析的进化算法

进化算法是另一种符合要求的计算智能技术以及大数据分析的挑战。进化算法模拟进化过程，通过进化一组候选解来发现特定问题的最优解。进化算法是搜索空间的非常好的探索者，这使得他们成为大数据分析的优秀工具。进化算法也是许多机器学习相关问题的成熟技术，可用于大数据分析，面向现代和高要求的应用领域，遗传算法也可以与其他技术结合使用，以优化预测模型的若干参数，并促进更精确系统的开发。

3 潜在应用领域

可以利用大数据和计算智能来提供具有科学和商业价值的新应用。我们提供了改善医疗服务、优化交通、社会网络情绪分析的机会示例，并介绍了解决这些领域现代挑战的新应用。

3.1 卫生服务与健康预测

近年来，先进的网络物理系统在各种医疗保健领域都有应用。现代卫生物理系统能够取代传统的卫生保健服务和服务。为了实现他们的目标，物理系统应该配备强大的算法，能够处理数据的分析、合成、处理和集成新时代的技术挑战面临着大数据问题，因为大量高速数据是由不同格式的各种设备产生的，这些数据需要存储和处理及时有效。以患者为中心的医疗保健应用和服务而设计，由具有统一标准的数据收集层、用于分布式存储和并行计算的数据管理层和面向数据的服务层。医疗服务可以通过提供优化的健康信息和建议，基于个人和人群的分析，并使用先进的大数据分析算法，使患者和临床医生受益。通过开发可解释的决策支持模型，促进有效的卫生政策，以及疾病流行和饥荒相关的危机管理干预计划，计算健康信息学可用于基于大量人口的数据。

先进的深度学习方法可用于开发情境感知痴呆监测和预测性护理建议解决方案，通过利用情境异质性数据，智能地预测个体患者的行为变化，同时处理与利益相关者的定性数据相关的不确定性。人类可解释的护理建议决策可以为护理人员提供实施不断发展的护理和治疗计划的手段，以应对由于认知能力下降的影响而改变的患者需求。数据分析和计算智能技术也能够帮助政府和组织提供解决挑战性问题的方案。政府、组织、政策制定者和个人可以从智能大数据分析技术的发展中受益，通过促进准确预测和突出造成这一现象的因素，对抗健康冲击。这些技术将有助于有效和及时地减轻和管理健康休克事件。为了解决这一问题并朝着这个方向发展，提出了一个基于模糊逻辑的大数据分析和可视化框架，该框架利用大规模数据集进行健康冲击预测。增长现代城市化连通的农村环境要求发展高效的交通基础设施，以更好地满足游客。在无线通信技术、计算智能和数据方面的优势分析能力、移动云计算和上下文感知技术催生了在运输领域的研究和商业应用。

3.2 社交网络情感分析

情绪分析目的是促进大批量的处理为了自动识别用户对特定产品和服务的评价和感受，另一个有趣的应用领域是情感，它可以很大程度上受益于大数据研究分析。大数据分析可以应用于计算机辅助学习环境进行情绪分析，以增强学习体验和促进学生的兴趣。了解学生对学习过程可以提供成功改编教学材料或修改教学法，以便交付本材料，通过整合来自社交网络的信息，情绪分类可以显著改善，实现社会网络情感分析的目的和目标。

通过使用社交媒体数据，深入了解用户/客户的情感状态，可以促进智能机制的产生和多样化，从而在广泛的应用领域提供情感反馈。通过在智能环境中使用标准硬件设备（如智能手机、家用电器、照明设备），这种反馈可以从数字世界扩展到物理世界。智能汽车可以修改发动机和座舱配置，以满足驾驶员的需求和偏好。

4 结论

通过讨论大数据分析和计算智能技术的重要性，提供了一个适用于有效处理和分析大数据的计算智能技术的全面综述。用一种数据建模方法，引入了一种新的生物启发的通用生成建模方法，在大数据分析中使用计算技术（即深度学习神经网络、进化算法和模糊逻辑），介绍了潜在的新的现实生活中的应用，这些应用源于现代高科技社会提供的大量信息、智能计算技术的部署以及解决这些应用领域挑战的最新解决方案。不同的软件计算技术，具有处理大量数据的潜力，这些数据具有时空相关性的特点。因此，可以将这种处理大数据的方法视为最大化处理大数据的工具。从这项研究中产生的潜在好处是多方面的，跨越了广泛的应用领域。大数据潜力的挖掘对知识、社会、经济和个人产生了重大影响，这些应用程序可以促进改善公共交通和卫生服务，电子商务也可以通过情感分析工具提供满足客户需求的产品和服务。科学知识和研究可以通过可视化和解释的方式提供大数据分析结果，最后，产品和服务能够有效地解释复杂的相关概念，个人可以通过开发个性化和情境化的产品和服务而受益，未来将涉及的方法应用于不同的应用领域，以便创建具有重大商业和科学价值的新模型和应用，并进一步改进已开发的系统。