护理监测数据的Hadoop集群动态可视化模型仿真

摘要：

实现病人护理监测数据的动态可视化,需要完成大量含噪数据的准确实时分析和处理,为此,提出了基于分布式集群的监测数据可视化模型.在采集融合层,护理监测系统通过传感器采集病人的各项生理数据,为降低噪声影响,同时考虑到目标信号幅值波动和幅值较小情况,设计了与噪声均方差相关的自适应门限滤波.分析层收集采集融合后的数据,针对特征提取的非线性,采用小波分解得到特征参数和分布图谱之间的关联函数,根据时间序列分布对特征提取模型进行重构,并将算法部署到分布式集群上,利用将护理监测数据特征提取拆分成多个子任务,同时将各子任务部署到不同的服务器上执行,形成分布式并行处理,最终在应用层得到病人护理实时准确的监测结果.通过仿真,验证所设计模型能够自适应过滤数据中的噪声信号,快速准确的完成护理监测数据的分析,为动态可视化提供可靠的后端处理支持.

关键词：护理监测数据、自适应门限、特征提取、分布式集群、动态可视化

所属期刊栏目：37

分类号：TP392(计算技术、计算机技术)

资助基金：天津市大学生创新训练计划项目“基于压力传感矩阵的人体部位识别系统”项目编号:201910859005

在线出版日期：2020-09-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：153-156,251