基于犹豫双极模糊(HBF)Dombi幂算子对物联网应用中实时数据处理方法的数学分析

《Systems and Soft Computing》:Mathematical Analysis of Real-Time Data Processing Methods for IoT Applications Based on Hesitant Bipolar Fuzzy Dombi Power Operators

【字体: 大 中 小 】 时间:2026年02月11日 来源:Systems and Soft Computing 3.6

编辑推荐:

  物联网(IoT)技术的快速增长使得实时数据处理成为动态大规模环境中高效监测、分析与智能决策的关键组成部分。IoT系统持续生成海量异构数据,必须以最小延迟进行处理,以确保及时响应与可靠系统性能。有效的实时数据处理使IoT应用能够适应变化条件、提升运行效率、改善安

  
物联网(IoT)技术的快速增长使得实时数据处理成为动态大规模环境中高效监测、分析与智能决策的关键组成部分。IoT系统持续生成海量异构数据,必须以最小延迟进行处理,以确保及时响应与可靠系统性能。有效的实时数据处理使IoT应用能够适应变化条件、提升运行效率、改善安全性与可靠性,并支持智慧城市、医疗监测、工业自动化与智能交通等时延敏感服务。本研究提出一种基于犹豫双极模糊(HBF)Dombi幂算子的IoT应用实时数据处理方法数学分析综合框架。所提模型旨在有效刻画真实IoT环境中因数据源不完整、不精确与冲突而产生的不确定性、犹豫性与双极性信息。通过引入多准则决策(MCDM)方法,针对若干性能相关属性对多种实时数据处理技术进行系统评估与优先级排序。所提基于HBF Dombi幂的框架为比较竞争性的实时数据处理策略及为特定IoT场景选择最适用方法提供了可靠且透明的机制。结果表明,该方法提升了决策准确性,并支持数据处理方法与现代IoT系统复杂运行需求更好对齐。本工作为高效、自适应与智能实时IoT数据处理架构的设计与评估提供了理论洞见与实践指导。
研究背景方面,物联网(Internet of Things, IoT)已成为互联物理设备、传感器与智能系统以实现连续数据采集与实时决策的典型范式,广泛部署于智慧城市、医疗监测、工业自动化、智能交通与环境监测等领域。此类应用高度依赖实时数据处理以保障时效响应、系统适应性与运行可靠性。随着IoT生态扩展,数据的体量、速率与异构性给低延迟感知的数据处理带来显著挑战;处理延迟或低效将导致系统性能退化、运行风险上升与服务品质下降。因此,选取适宜的实时数据处理方法成为IoT系统设计与决策的关键任务。然而该选择过程天然复杂,因响应时间、可扩展性、可靠性、能效与动态适应性等多重且常冲突的准则并存。传统评估与决策方法常假设信息精确确定,难以刻画真实IoT中因信息不全、不精确与冲突所致的模糊性与不确定性。专家对IoT数据处理技术的评判往往呈犹豫双极特征,即同时反映不同运行条件下使用的正负面。经典模糊集及其扩展模型难以充分描述此类复杂属性,催生了更具表达力的不确定性建模途径。犹豫双极模糊集(Hesitant Bipolar Fuzzy Set, HBFS)可同时表征隶属度上的犹豫性与正负极信息,非常契合IoT决策中的主观判断与不确定数据。聚合算子在模糊决策系统多属性信息处理中具有枢纽作用,其中Dombi算子因具备良好数学性质而受关注。现有文献多聚焦IoT与大数据、流处理、语义事件检测及吞吐量、延迟、可扩展性、容错等指标,或采用模糊与双极模糊MCDM,但鲜有将犹豫双极模糊与Dombi幂聚合算子统一用于实时IoT决策。研究人员由此提出基于HBF Dombi幂算子的完整数学模型,在MCDM框架下评估各数据处理技术,以化解不确定性、犹豫与矛盾信息。论文发表于《Systems and Soft Computing》。
关键技术方法上,研究人员先界定HBFS基本结构:论域上每个元素对应正隶属度集合??+(x)?[0,1]与负隶属度集合???(x)?[?1,0],合称HBF数(HBFN)。继而给出HBFN的补、并、交、Einstein型加⊕、乘?及幂λ与标量乘λ??等运算定义。在此基础构造Dombi幂平均(HBF Power Dombi Averaging, HBFPDA)与Dombi幂几何(HBF Power Dombi Geometric, HBFPDG)两类聚合算子,引入Power机制以降低极端评价权重。MCDM流程为:建立实时数据处理方法备选集与准则集(响应时间、可扩展性、可靠性、能效、动态适应性等);由决策者给出HBF评价矩阵;用HBFPDA/HBFPDG融合各备选跨准则信息得到综合HBFN;借助得分函数Sscore与精度函数Aaccuracy排序;并以现有模糊、双极模糊模型作对照。
研究结果部分,按原文小节简述如下。第1节引言指出分类实时处理方法对优化IoT资源利用与降低延迟必要,并阐明HBF框架在MCDM中平衡正负意见、容纳犹豫的优势。第2节研究问题与贡献列明普通模糊集、犹豫模糊集、双极模糊集各自局限(不能同捕获犹豫+双极+不确定),提出新算子HBFPDA与HBFPDG,给出面向IoT实时处理评估的MCDM方法论、实例应用与对比分析四项贡献。第3节文献综述梳理IoT流处理平台性能研究及模糊/双极模糊MCDM进展,指出现有工作多单独处理犹豫、双极或高级算子,未统一HBF与Dombi幂。第4节基础定义给出HBFS、HBFN运算与得分/精度函数形式化。第5节新算子推导HBFPDA与HBFPDG的代数表达式与边界性、单调性、幂等性证明。第6节MCDM方法将算子嵌入决策流程,以IoT案例(备选含边缘过滤、流式窗口聚合、发布订阅、云端批处理等;准则含延迟、吞吐、扩展、可靠、能耗)演示计算,得综合得分排序。第7节对比分析显示HBF Dombi幂框架在排名稳定性与抗噪性上优于传统模糊TOPSIS、双极VIKOR等。第8节结论认为所提框架提升决策准确度,使处理方法与现代IoT复杂运行需求对齐。
讨论与结论翻译:现代决策场景尤其IoT实时处理方法分类评估无法被常规模糊集路径充分捕获,因犹豫、双极性与不确定性共存;HBF框架同期整合三者,允许决策者同步给出正负面犹豫值集合,故适于利益—风险并存且评价犹豫的分类任务。研究人员开发HBFPDA与HBFPDG算子,公式化面向IoT实时数据处理的MCDM方法,经实例与对比证实其实际有效性、可解释性与鲁棒性均占优。该工作兼具理论洞见与实践指引,可为高效、自适应与智能实时IoT数据处理架构的设计评估提供支持,未来可拓展至更高阶模糊模型与在线学习式权重更新。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号