劉曉燕，許志偉，李文越，翟 娜，劉利民

（內(nèi)蒙古工業(yè)大學(xué)數(shù)據(jù)科學(xué)與應(yīng)用學(xué)院，內(nèi)蒙古呼和浩特 010080）

0 引言

新型互聯(lián)網(wǎng)應(yīng)用形式的出現(xiàn)使網(wǎng)絡(luò)終端節(jié)點逐漸從數(shù)據(jù)使用者轉(zhuǎn)變?yōu)榧婢邤?shù)據(jù)發(fā)表者的角色。網(wǎng)絡(luò)產(chǎn)生的數(shù)據(jù)量日益增加，且對數(shù)據(jù)的分析需求更加多樣。現(xiàn)有的以云平臺為代表的集中式數(shù)據(jù)平臺無法保證在正常響應(yīng)時延的基礎(chǔ)上完成對全網(wǎng)數(shù)據(jù)的收集、處理和分析，邊緣計算應(yīng)運(yùn)而生［1］。邊緣計算作為5G 網(wǎng)絡(luò)等新型通信技術(shù)的重要支撐，是通過接近用戶邊緣提供數(shù)據(jù)存儲和計算服務(wù)的一種新型計算體系，在物聯(lián)網(wǎng)中得到了廣泛的應(yīng)用。相關(guān)研究證明，將所有計算任務(wù)放在云上是一種有效的數(shù)據(jù)處理方式，但網(wǎng)絡(luò)帶寬往往無法滿足快速發(fā)展的數(shù)據(jù)處理要求［2］。同時，隨著邊緣數(shù)據(jù)量的爆炸式增長，數(shù)據(jù)傳輸速度逐漸成為云計算的瓶頸，在這種岌岌可危的狀態(tài)下，人們進(jìn)入了邊緣計算時代［3］。

邊緣計算要求計算應(yīng)盡可能靠近數(shù)據(jù)源并在邊緣處理請求，這解決了網(wǎng)絡(luò)邊緣產(chǎn)生的海量數(shù)據(jù)無法及時處理的問題。在早期無線網(wǎng)絡(luò)中，受部署傳感器節(jié)點能量、處理能力、存儲容量以及通信帶寬等若干方面的資源限制，邊緣計算發(fā)展受限。數(shù)據(jù)融合技術(shù)是解決資源限制的有效方法，其思想是融合來自不同數(shù)據(jù)源的信息［4］。它通過去除冗余信息來減少傳輸數(shù)據(jù)量，從而達(dá)到優(yōu)化資源消耗、縮短網(wǎng)絡(luò)傳輸時延的目的。但與此同時存在以犧牲準(zhǔn)確度和魯棒性為代價換取數(shù)據(jù)傳輸效率的弊端，且不夠靈活也不能融合先驗知識。目前已有相當(dāng)關(guān)于邊緣網(wǎng)絡(luò)中基于離散小波的數(shù)據(jù)壓縮技術(shù)研究［5］，但現(xiàn)有數(shù)據(jù)壓縮技術(shù)雖易行、簡單，但卻缺乏兼容性。數(shù)據(jù)壓縮完成后傳輸編碼到相關(guān)節(jié)點無法實時地完成相關(guān)數(shù)據(jù)處理操作。另一方面，引入以精度換取效率的數(shù)據(jù)壓縮機(jī)制后，仍需在此基礎(chǔ)上進(jìn)一步改善。

本文主要為如何對邊緣網(wǎng)絡(luò)中傳輸?shù)拇罅繑?shù)據(jù)進(jìn)行壓縮處理，從而降低節(jié)點的功耗，提高數(shù)據(jù)傳輸效率。針對現(xiàn)狀，本文提出一種面向高效邊緣計算的可分類數(shù)據(jù)壓縮機(jī)制。首先，在傳感器的接收端分別進(jìn)行數(shù)據(jù)收集，構(gòu)建基于數(shù)據(jù)特征重構(gòu)的壓縮編碼摘要機(jī)制，通過優(yōu)化組合各輸入數(shù)據(jù)的特征，重構(gòu)數(shù)據(jù)特征。其次，應(yīng)用目前的數(shù)據(jù)壓縮表示技術(shù)CAE 算法搭建基于輸入數(shù)據(jù)的壓縮編碼機(jī)制，通過編碼對重構(gòu)后的特征進(jìn)行壓縮，減少移動邊緣網(wǎng)絡(luò)節(jié)點的資源消耗，最終達(dá)到可分類的目的。

1 相關(guān)工作

1.1 現(xiàn)有互聯(lián)網(wǎng)數(shù)據(jù)壓縮傳輸機(jī)制

數(shù)據(jù)壓縮主要指在信息存儲過程中，去除掉那些占用額外比特位編碼的冗余數(shù)據(jù)，以此達(dá)到縮減數(shù)據(jù)量的目的。現(xiàn)有互聯(lián)網(wǎng)數(shù)據(jù)壓縮傳輸機(jī)制多以數(shù)據(jù)融合方式實現(xiàn)［6］。融合信息系統(tǒng)為用戶提供一個能夠統(tǒng)一多源、異構(gòu)信息的渠道，集成系統(tǒng)負(fù)責(zé)執(zhí)行查詢底層異構(gòu)數(shù)據(jù)源、組合結(jié)果并將結(jié)果顯示給用戶等任務(wù)。許多數(shù)學(xué)理論也可用來融合數(shù)據(jù)，如Khaleghi 等［7］所述，數(shù)據(jù)融合方法可以分為基于概率的方法、證據(jù)推理方法和基于知識的方法。數(shù)據(jù)融合利用數(shù)據(jù)間的相關(guān)性按需融合數(shù)據(jù)，以此減少數(shù)據(jù)的表示量。例如，用于對海量數(shù)據(jù)特征估計的概要數(shù)據(jù)結(jié)構(gòu)［8-12］和用于海量數(shù)據(jù)中關(guān)系查詢的布魯姆過濾器［13-14］是常用的數(shù)據(jù)壓縮融合模型。雷萌等［15］提出的基于hash表的壓縮算法則通過哈希映射將大量的數(shù)據(jù)壓縮到一個緊湊且大小恒定的空間中，同時利用位置關(guān)系來融合不同的數(shù)據(jù)信息。但是，由于壓縮融合模型是利用哈希運(yùn)算來存儲數(shù)據(jù)的，無法保存原始數(shù)據(jù)的任何信息，所以無法對數(shù)據(jù)進(jìn)行分類處理。Ziv 等［16］提出了LZ77 數(shù)據(jù)壓縮方法，LZ77方法通過利用數(shù)據(jù)的重復(fù)結(jié)構(gòu)性質(zhì)，達(dá)到數(shù)據(jù)壓縮的目的，但存在耗時長的問題［17］。Burrows 等［18］提出了一種對矩陣進(jìn)行排序和變換的數(shù)據(jù)壓縮算法，但該方法的壓縮性能較差。Bartus 等［19］提出了重復(fù)刪除技術(shù)來實現(xiàn)數(shù)據(jù)壓縮的目的，主要應(yīng)用于重復(fù)性較高的共享資源壓縮，例如音視頻數(shù)據(jù)方面的壓縮。但該技術(shù)需要建立繁瑣的索引項進(jìn)而導(dǎo)致消耗大量的計算時間。這些方法均存在兼容性較差、精度偏低的問題［20］。

1.2 邊緣計算下的數(shù)據(jù)壓縮傳輸機(jī)制

目前關(guān)于邊緣網(wǎng)絡(luò)中基于小波的數(shù)據(jù)壓縮研究已有一些基礎(chǔ)性的工作。針對單個傳感器節(jié)點產(chǎn)生的時間序列信號RACE 給出了一種壓縮位率自適應(yīng)的Haar 小波壓縮算法，通過閾值來選擇重要的小波系數(shù)從而調(diào)整壓縮位率［22］。該算法在單個節(jié)點內(nèi)運(yùn)行，通過挖掘時間相關(guān)性減少冗余數(shù)據(jù)的傳輸，但未考慮鄰近節(jié)點間數(shù)據(jù)的空間相關(guān)性和冗余數(shù)據(jù)問題。Acimovic 等［21］給出了基于5/3 小波提升方案和Haar 小波的分布式壓縮算法。這些算法在鄰近節(jié)點間交換信息，在數(shù)據(jù)傳送到匯聚節(jié)點前分布式挖掘網(wǎng)絡(luò)中數(shù)據(jù)的空間相關(guān)性，極大地減少了冗余數(shù)據(jù)的傳輸。受限制的小波算法實現(xiàn)過程較容易，但不具實時性，且受限于固定的系數(shù)值，從而導(dǎo)致數(shù)據(jù)的縮減率相對不高。無限制的方法不受限于固定的系數(shù)值，能夠?qū)崿F(xiàn)更高的數(shù)據(jù)壓縮率［23］，同時部分算法具有實時性。這些工作采用的都是結(jié)構(gòu)較為簡單的小波算法，在邊緣傳輸過程中，數(shù)據(jù)壓縮完成后傳輸?shù)较嚓P(guān)節(jié)點。基于小波算法的壓縮傳輸數(shù)據(jù)無法在傳輸路徑上直接進(jìn)行數(shù)據(jù)處理，因而難以滿足邊緣計算下不同應(yīng)用系統(tǒng)對數(shù)據(jù)壓縮后直接進(jìn)行數(shù)據(jù)處理的要求。

現(xiàn)有的數(shù)據(jù)壓縮技術(shù)，不能在傳輸過程中直接處理，且壓縮后的數(shù)據(jù)難以達(dá)到能夠分類處理的目的。因此本文引入編碼解碼器，保留壓縮數(shù)據(jù)的特性，處理后的壓縮數(shù)據(jù)可以直接在傳輸過程中進(jìn)行分類等分析工作，為構(gòu)建面向邊緣計算的、更為高效的數(shù)據(jù)傳輸機(jī)制提供基礎(chǔ)。

2 面向高效邊緣計算的可分類數(shù)據(jù)壓縮機(jī)制構(gòu)建

2.1 數(shù)據(jù)壓縮編碼模型

針對邊緣網(wǎng)絡(luò)節(jié)點間傳輸?shù)暮Ａ繑?shù)據(jù)導(dǎo)致的節(jié)點負(fù)荷超載、傳輸時延和能源消耗增大等問題，本文提出一種高效邊緣網(wǎng)絡(luò)數(shù)據(jù)壓縮分類模型。該模型分別在傳感器的接收端收集數(shù)據(jù)，應(yīng)用壓縮編碼算法搭建基于輸入數(shù)據(jù)的壓縮編碼機(jī)制，通過編碼對數(shù)據(jù)進(jìn)行壓縮進(jìn)而提升數(shù)據(jù)傳輸效率。

壓縮編碼方法最早是由Rumelhart 在1986 年提出的一種神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，其包括輸入層、隱藏層和輸出層三個部分［24］，自適應(yīng)編碼器結(jié)構(gòu)圖如圖1所示。

其中，從L1層到L2層是編碼過程，從L2層到L3層是解碼過程。設(shè)?表示L1層到L2層的編碼函數(shù)，g表示L1層到L2層的編碼函數(shù)和L2層到L3層的解碼函數(shù)，可得如下表達(dá)式。

Fig.1 Structure diagram of adaptive encoder圖1 自適應(yīng)編碼器結(jié)構(gòu)圖

式（1）中，h為隱藏層表示；式（2）中，y為輸出層的表示。L1 層到L2 層的映射權(quán)值矩陣為A，L2 層到L3 層的映射權(quán)值矩陣為?，? 為A 的轉(zhuǎn)置矩陣，壓縮編碼器通過深度神經(jīng)網(wǎng)絡(luò)DNN 進(jìn)行預(yù)訓(xùn)練，從而確定神經(jīng)網(wǎng)絡(luò)中權(quán)值矩陣A 的初始值。Sf(x)為編碼器的激活函數(shù)，通常取Sigmod函數(shù)，即為解碼器的激活函數(shù)，通常取Sigmod 函數(shù)或者恒等函數(shù)。自動編碼器的參數(shù)有θ={A，b，b'}，其中b和b'為偏置項，壓縮自動編碼器模型通過計算輸出層輸出數(shù)據(jù)y 和輸入層輸入數(shù)據(jù)x 的誤差來訓(xùn)練這些參數(shù)，當(dāng)輸出數(shù)據(jù)和輸入的相似程度大于閾值的時候則認(rèn)為該編碼器能保留輸入數(shù)據(jù)的大部分特征信息。當(dāng)激活函數(shù)Sg采用Sigmod 函數(shù)時，其重構(gòu)誤差如式（3）所示：

之后，設(shè)數(shù)據(jù)集為S={Xi}(i=1，2，3...n)，根據(jù)式（4）計算訓(xùn)練樣本的整體損失：

最后利用深度神經(jīng)網(wǎng)絡(luò)DNN 算法進(jìn)行迭代訓(xùn)練，可得到使得損失函數(shù)J(θ) 最小的壓縮自動編碼器參數(shù)θ={w，b，b'}，至此完成模型的訓(xùn)練。

2.2 基于數(shù)據(jù)特征重構(gòu)的壓縮編碼機(jī)制

由于引入壓縮機(jī)制后將導(dǎo)致精確率下降的問題，所以本文提出了一種基于特征重構(gòu)的數(shù)據(jù)壓縮編碼機(jī)制。壓縮編碼算法的輸入要求為實數(shù)矩陣，特征重構(gòu)指將原始數(shù)據(jù)轉(zhuǎn)換成實數(shù)矩陣。特征重構(gòu)是一種特征工程技術(shù)，它的目標(biāo)為將原始數(shù)據(jù)轉(zhuǎn)化成特征向量。首先在傳感器的接收端分別進(jìn)行數(shù)據(jù)收集；其次對輸入數(shù)據(jù)進(jìn)行特征重構(gòu)；最后應(yīng)用2.1 節(jié)中的壓縮編碼表示算法通過編碼對特征進(jìn)行壓縮，降低資源消耗?；谔卣髦貥?gòu)的數(shù)據(jù)壓縮編碼結(jié)構(gòu)如圖2所示，具體步驟如下。

（1）收集傳感器中原始數(shù)據(jù)。將原始輸入數(shù)據(jù)依次記錄在圖2 的Array1中，定義h 個大小為4 的數(shù)組，每個數(shù)組中的比特位初始化為0。

（2）通過MOD 函數(shù)后將函數(shù)值依次存放于圖2 中Array2數(shù)組中。構(gòu)造MOD 函數(shù)并依次利用MOD 函數(shù)分別對記錄在步驟（1）中的h 個數(shù)組中的每位數(shù)據(jù)逐個進(jìn)行運(yùn)算，依次將函數(shù)計算結(jié)果存放于比特數(shù)組中。

（3）組合步驟（2）中的比特數(shù)組表示結(jié)果作為新的特征向量，如圖2 所示Vector。將新的特征向量作為壓縮編碼機(jī)制的輸入數(shù)據(jù)。

（4）特征重構(gòu)后采用壓縮編碼機(jī)制進(jìn)行數(shù)據(jù)特征壓縮。壓縮編碼機(jī)制中自編碼器將輸入的空間數(shù)據(jù)通過非線性變換映射到特征空間，在圖2 中用Encoder 過程表示。解碼器將特征空間的特征同樣通過非線性變換還原到原始輸入空間中。在還原過程中，利用最少的比特數(shù)來高度表達(dá)原來輸入數(shù)據(jù)特征，其優(yōu)化目標(biāo)函數(shù)為最小化重建誤差，在圖2 中用Decoder 過程表示。壓縮編碼可以很好地捕捉能夠代表輸入數(shù)據(jù)的最重要因素，尋找到代表原數(shù)據(jù)的主要成分，進(jìn)行特征壓縮提取操作。

3 實驗與結(jié)果分析

3.1 數(shù)據(jù)集

本文共進(jìn)行了兩組實驗，其中每組實驗中選用5 個數(shù)據(jù)集，每次實驗數(shù)據(jù)集大小如表1所示。

實驗1 數(shù)據(jù)集來源于科羅拉多州北部的羅斯福國家森林，這些地區(qū)是人類干擾程度最小的森林，包含四大荒野地區(qū)，共有12 個數(shù)據(jù)特征和7 種森林覆蓋類型。四大荒野地區(qū)的背景信息如表2所示。

其中，Neota 在四個荒野地區(qū)中具有最高的平均海拔值，Rawah 和Comanche Peak 會有一個較低的平均高程值，而Cache la Poudre 的平均高程值最低。12 個數(shù)據(jù)特征包含Elevation、Aspect、Slope等因素。

Fig.2 Schematic diagram of data compression coding based on feature reconstruction圖2 基于特征重構(gòu)的數(shù)據(jù)壓縮編碼示意圖

Table 1 Information of datasets表1 實驗數(shù)據(jù)集信息

Table 2 Information of four wilderness areas表2 四大荒野區(qū)域信息

實驗2 數(shù)據(jù)集來源于4 名年齡在66-86 歲之間的健康老年人的運(yùn)動數(shù)據(jù)。在他們穿戴的外衣上安裝傳感器記錄日?；顒拥臄?shù)據(jù)變化內(nèi)容。數(shù)據(jù)集包含接收信號強(qiáng)度指示器（RSSI）、相和頻率等8個屬性。

根據(jù)采集部署在傳感器上的數(shù)據(jù)信息，利用基于特征重構(gòu)的壓縮編碼機(jī)制對數(shù)據(jù)特征進(jìn)行壓縮歸類。然后搭建預(yù)測模型，比較數(shù)據(jù)分類精度以及模型運(yùn)行效率。

3.2 實驗方法

對于兩個數(shù)據(jù)集，分別進(jìn)行以下操作：首先收集邊緣網(wǎng)絡(luò)傳輸路徑節(jié)點中數(shù)據(jù)，對輸入數(shù)據(jù)的不同屬性進(jìn)行特征重構(gòu)；然后通過編碼對這些特征進(jìn)行壓縮；最后利用基于支持向量機(jī)算法搭建數(shù)據(jù)分類模型。

首先，定義4 個存儲容量大小為4bit 的數(shù)組，選用的MOD 函數(shù)為H（2），對輸入的數(shù)據(jù)集中的數(shù)據(jù)進(jìn)行特征重構(gòu)。通過函數(shù)運(yùn)算，最后組合4 個數(shù)組中存儲的16 個bit值，作為數(shù)據(jù)特征向量。其次，對于數(shù)據(jù)集一，傳感器接收的原始數(shù)據(jù)總共12 個特性，重構(gòu)特征后輸入大小為16*12，將重構(gòu)特征作為壓縮編碼算法的輸入，對特征進(jìn)行編碼壓縮后輸出大小為1*6。對于數(shù)據(jù)集二，傳感器接收的原始數(shù)據(jù)總共8 個特性，重構(gòu)特征后輸入大小為16*8，將重構(gòu)特征作為壓縮編碼算法的輸入，對特征進(jìn)行編碼壓縮后輸出大小為1*6。最后，將壓縮編碼通過相關(guān)節(jié)點傳輸?shù)竭吘壴O(shè)備，在微型設(shè)備上搭建SVM 分類模型。

本文采用常用的準(zhǔn)確率作為分類評估指標(biāo)，其計算公式如下。

其中，TP表示正確分類數(shù)據(jù)個數(shù)，F(xiàn)P表示錯誤分類的數(shù)據(jù)個數(shù)，F(xiàn)N表示屬于該數(shù)據(jù)類型但被錯分的數(shù)據(jù)個數(shù)，TN表示屬于其他數(shù)據(jù)類型被分到其他類別的數(shù)據(jù)個數(shù)。

3.3 實驗結(jié)果分析

對傳感器收集到的數(shù)據(jù)不做任何處理，直接使用SVM算法構(gòu)建分類模型，用SbaVM 標(biāo)識。對數(shù)據(jù)進(jìn)行壓縮編碼后構(gòu)建分類模型，用Saboc 標(biāo)識。對傳感器接收的數(shù)據(jù)首先進(jìn)行特征重構(gòu)，然后進(jìn)行壓縮編碼后再構(gòu)建分類模型，用DccAbofe 標(biāo)識。實驗1 運(yùn)行準(zhǔn)確率如圖3 所示，運(yùn)行時間如圖4 所示。實驗1 準(zhǔn)確率和運(yùn)行時間比較如表3 所示。實驗2準(zhǔn)確率和運(yùn)行時間比較如表4所示。

Fig.3 Comparison of the accuracy of different mechanisms under different data sets圖3 不同數(shù)據(jù)集下運(yùn)行準(zhǔn)確率比較

Fig.4 Comparison of running time under different data sets圖4 不同數(shù)據(jù)集下運(yùn)行時間比較

Table 3 Comparison of accuracy and running time in experiment 1表3 實驗1準(zhǔn)確率和運(yùn)行時間比較

通過觀察圖3-4、表1 和表2，在選取的兩組實驗中，壓縮編碼分類機(jī)制（Saboc）比傳統(tǒng)支持向量機(jī)模型（SbaVM）的運(yùn)行時間至少降低6 070ms，當(dāng)數(shù)據(jù)量達(dá)到35 000 時，準(zhǔn)確率降低了15.12%；基于特征重構(gòu)的壓縮編碼分類模型（DccAbofe）比傳統(tǒng)支持向量機(jī)模型（SbaVM）運(yùn)行時間至少降低6 240ms，與此同時當(dāng)數(shù)據(jù)量達(dá)到16 000 時，準(zhǔn)確率提升了3%。

壓縮編碼算法在編碼過程中進(jìn)行數(shù)據(jù)壓縮后會損失一定的準(zhǔn)確率，出現(xiàn)比傳統(tǒng)的SVM 算法偏低的準(zhǔn)確率；采用了基于特征重構(gòu)的壓縮編碼分類處理后，準(zhǔn)確率比傳統(tǒng)SVM 算法有所提升，且運(yùn)行時間大幅度下降。

Table 4 Comparison of accuracy and running time in experiment 2表4 實驗2準(zhǔn)確率和運(yùn)行時間比較

4 結(jié)語

在邊緣網(wǎng)絡(luò)節(jié)點收集和傳輸數(shù)據(jù)的過程中，為減小數(shù)據(jù)傳輸?shù)拈_銷并優(yōu)化傳輸效率，同時針對引入壓縮機(jī)制后導(dǎo)致精確率下降的問題，提出了基于特征重構(gòu)的數(shù)據(jù)壓縮分類機(jī)制。通過傳感器接收數(shù)據(jù)，構(gòu)建感知數(shù)據(jù)特征壓縮機(jī)制，最后應(yīng)用基于支撐向量機(jī)的數(shù)據(jù)處理模型對傳感器采集數(shù)據(jù)進(jìn)行歸類整理。實驗證明，通過對數(shù)據(jù)進(jìn)行以上處理，減小了數(shù)據(jù)傳輸時延，同時精確率得到提升，使得邊緣網(wǎng)絡(luò)設(shè)備的性能利用率提高。

由于時間、精力和實驗條件的限制，本研究尚有許多問題和不足，后期可以從以下幾個方面展開更深入的研究：

（1）在驗證數(shù)據(jù)壓縮分類時，采用的方法不夠前沿，未來需要進(jìn)一步優(yōu)化算法和程序代碼。

（2）數(shù)據(jù)重構(gòu)過程中，采用的哈希方法，可逆計算效率低，需進(jìn)一步優(yōu)化。