论文部分内容阅读
随着5G通信时代的到来,三大运营商基站数量加起来已有几百万,给海量基站配置智能锁和研发与之配套的智能锁管理系统成为了运营商需要完成的任务。通过分析国内外智能锁系统的发展研究现状,发现目前市场上许多智能锁系统只能适用于家庭和小企业,且许多系统不适用于海量基站业务。许多智能锁管理系统用J2EE或ASP.Net做系统架构,但这两种架构的前后端编程语言都不一致,会在一定程度上增加系统的维护难度和人力资源成本。大企业级系统对数据加密也有较高的要求,要求加密算法的速度快、安全性较高且具有数字签名验证机制。大企业系统中累积的大量业务数据具有隐含的商业价值,因此需用机器学习算法做业务信息挖掘。基于上述需求,本文用Node.js设计和实现了智能锁管理系统,其主要工作为:(1)本系统基于Node.js架构采用前后端分离的设计。此设计符合MVC分离原则和“低耦合高内聚”准则。此架构前后端开发语言均为javascript,与以往智能锁系统架构相比,统一的编程语言使得系统研发快,更易维护,维护成本更低。(2)基于Node.js、Nginx和Mongdb技术设计和实现了的后台服务器模块,后台服务器各个API接口基于POST协议开发,因此本系统具有良好的平台扩展性。(3)基于Html、javascript和css技术设计和实现了前端网站模块。完成了基站管理、锁具管理、钥匙管理、机构管理、工单管理、员工管理、数据统计等功能。与以往家庭小企业型智能锁系统相比,系统更能适用于有跨地域业务的大企业。(4)设计了基于Rijndael、RSA、SHA256混合加密算法。该算法有对称加密算法的快速性,非对称加密的安全性,还有数字签名验证机制。再将该算法用于通信层加密。与以往智能锁系统的加密算法相比,本系统的加密算法在综合性能上更优。(5)提出了快速朴素贝叶斯集成学习算法(Fast-NBE)。与现有朴素贝叶斯集成学习算法(NBE)相比,Fast-NBE可将训练样本数为N且获得M个基分类器的时间复杂度从O(MN)降到O(N+M)。然后系统基于Fast-NBE设计了平台业务信息挖掘模块的API接口。与以往智能锁系统相比,将机器学习算法用于业务信息挖掘研究属于首次,以往许多系统未用机器学习算法做业务或仅用机器学习算法做人脸识别开锁。此外Fast-NBE采用了基于对数转换和Softmax归一化的全新的集成输出策略LC-SNO,此策略可避免类别输出中票数相同问题。