基于物联网的金融大数据和无线网络通信

文摘

随着大数据的时代,物联网技术和无线通信技术一直处于快速发展状态。机遇和挑战在各行各业被颠覆。财务管理,是公司治理的基础,是重要的提高经济效益和实现可持续商业发展也起着重要的作用。为了实现金融大数据的管理和分类,更好地识别不同企业的财务数据,加强财务信息的安全存储,并提供早期预警的安全问题,本文基于物联网和无线通信网络。在方法部分中,本文介绍了物联网的框架下,蓝牙和红外数据传输无线网络通信和金融大数据的原则。该算法引入了一个单用户MIMO系统,自由空间传播,光谱和能源效率。分析分析不同算法的频谱效率,一部分社会效用,平均的,综合竞争力的分数在各领域的物联网,和财务指标的重要性。通过比较数据,可以看出,本文算法优于IAN-CoMP和IA-CoMP的两种算法。当用户的数量是100,本文算法的社会效用是4.45,而IAN-CoMP 3.43和IA-CoMP是3.67。当用户的数量增加到700,本文算法的社会效用是28.34。 The other two algorithms are, respectively, 24.45 and 25.99, and we know that the social utility of the algorithm in this paper is the best. Through comprehensive analysis, it is concluded that the financial big data model based on the Internet of things and wireless network communication in this paper can better realize data management and collection, so as to meet the needs of information developers.

1。介绍

在大数据时代,环境变化日新月异。人们意识到原来的数据挖掘方法太有限数据采集、存储、分析、可视化和再也不能得到有效应用。如果公司想要适应现代的和不可预测的市场竞争,他们必须探索一个新的管理模型基于大数据分析。目前,一些互联网公司也进行了介绍和致力于分析和使用大数据,取得了丰硕成果。这表明,世界迎来了大数据的时代,和未来创新和竞争将在很大程度上依赖于大数据。大数据可以连接客户提供产品和服务的用户首选项通过相关分析和位置,以提供更准确的产品和服务,并提高销售业绩。例如,大数据有助于社交网站提供更准确的朋友推荐,为用户提供更准确的企业招聘信息,向用户推荐可能感兴趣的产品。

由于无线通信技术的快速发展和无线服务的多样化,用户越来越高要求无线网络所提供的资源。如何提高无线网络的性能服务的前提下保护用户的权益,是一个关键的无线通信网络研究的发展。与此同时,无线互联网用户的数量近年来大幅增加,越来越多的用户使用无线互联网服务在现实生活和工作。上述情况介绍了不等式、可变性和可变性的时间用户使用无线网络和无线服务提供商的能力提出了新的挑战。

基于物联网的金融大数据和无线通信网络,国内外许多学者进行了相关研究。梅等人认为,地质灾害是地质条件引起的自然发生或人类活动会导致生命和财产的损失。然而,他们的想法并不认可,因为它的实用性低(1]。风扇等人提出,当前MD5-based无线网络移动通信数据加密算法不能有效地检测入侵移动通信中的数据。并不能消除冗余数据,数据加密效率很低,和整体通信安全是可怜的。作者正在研究并提出无线网络移动通信数据加密算法基于MDEA。通过应用通信数据的规范化DBN模型,最优DBN检测模型通过改变一个参数,同时保持其他参数实现高精度检测的入侵数据。在不同的时间使用信号的优点,数据级运动估计的速度和处理时间。通过评估结果,消除了冗余的数据和不恰当的数据,和MDEA操作执行基于秘密数据,介绍了随机数和时间戳来防止外部渗透。实验表明,该算法不仅可以提高检测质量的入侵数据,也提高冗余数据的清洗效果和沟通,提高数据安全性。研究无线网络通信的安全算法进行了研究,但没有解释这个技术的应用(2]。人们认为的一般加速度信息增长,金融服务一直沉浸在演化的动力学信息。不仅急剧增加的数据量,而且也速度,复杂性和不可预测性的“大数据”现象也加剧了金融服务研究人员和从业人员所面临的挑战。然而,研究金融研究大数据但没有设计相关的实验来证明它3]。

本文分析了基于物联网的金融大数据和无线网络通信技术。首先,介绍了国内外学者的研究物联网、无线网络通信、和金融大数据。在方法部分中,物联网的框架下,相关技术和算法设计的无线通信网络,并介绍了金融大数据的相关内容。在实验部分,本文设计一个金融大基于物联网数据管理模型和无线网络通信技术。分析分析不同算法的频谱效率,一部分社会效用,平均的,综合竞争力的分数在各领域的物联网,和财务指标的重要性。本文的创新是使用大数据技术、物联网技术和无线网络通信技术建立财务共享服务中心的框架模型和基于财务共享服务的一个基金管理的框架模型和设计基金管理过程和引进大数据技术。建立一个实用的财务管理框架模型,完善基金管理过程中,遇到一些问题和解决过程设置实际基金管理来自多个方面,如控制管理和监督管理,这在一定程度上丰富了财务共享服务模式。基金管理方法符合基金管理信息化的发展趋势。

2。金融大数据方法基于物联网和无线网络通信

2.1。物联网

物联网是基于互联网,扩大用户对象,是一个网络对象之间的信息交流和沟通。更精确地说,它是通过无线电波设备、红外传感器、全球定位系统、激光扫描器等信息传感设备,按照约定的信息交换协议,与传感器连接的对象块到互联网。了解智能网络识别、定位、测量、监视和管理(4,5]。整个网络分为三个层次:一个是传感器网络,认识到“对象”基于无线电波,传感器,和QR码;另一个是传输网络,通过目前的三个网络(互联网、无线网络和通信网络)或NGN(下一代网络)来实现数据传输和计算;第三是应用网络,输入和输出控制中心,如手机控制和智能家电控制(6]。

物联网系统主要由感知层、传输层、数据层、应用程序层和终端层。图1是一个物联网的基本架构图。这个框架图表说明了物联网系统的结构,以及之间的连接感知层,网络层和应用程序层。感知层是由无线节点和主要负责信息感知、控制和数据预处理。这一层主要包括传感器、感知控制传感器和视频设备设备,主要用于交通网络,照明系统等。7,8]。传输层主要传递收集到的环境因素数据通过无线数据层,3 g和4 g技术。数据层使用专家系统、云计算和其他技术来存储信息,方便以后的分析和历史数据查询。根据分析的结果,可以相应的合理建议。应用程序层主要用于传感器检测、智能控制、图像监控和数据记录的一代。终端层可以查看各种信息参数实时实现远程管理的财务数据(9]。

2.2。无线网络通信

无线通信技术使用电磁波或光波实现多个终端之间的信息交换。电磁波和光波都属于无线媒体(10]。事实上,根据量子力学理论,光波也是一种电磁波。它们之间的区别是波长。从传输距离的分类,可以分为短程无线通信和无线通信远程无线通信。首先,信号传输必须调制到载波上。自从通用信号频率较低,不容易传播,和载波频率高,很容易传播。所以第一步是调制。随着调制信号,根据发射的距离,它必须被放大。然后,寄给传输的开路。无线电波形成。 Using electrical resonance in a remote place, the modulated electromagnetic wave is received and amplified in the air; then, the signal wave was detected, and then, restoration was performed. At present, Bluetooth, wireless local area network (WiFi), ZigBee, and infrared data transmission (IrDA) are common in short-range wireless communication, and these four are also widely used in short-range wireless communication [11]。下面是一个简短的描述这四个短程通信技术,介绍应用场景,比较的优点和缺点。

2.2.1。红外数据传输(红外线)

红外线是短途,点对点的通信技术,使用红外线作为传播媒介。红外线光,无法用肉眼看到。因为发送使用点对点连接,与其他传播方法相比在数据传输过程中,接收到的干扰小,传输速度快。随着科学技术的快速发展,发送数据传输速率为2.112 kb / s,和通信速度可以达到4 Mb / s,甚至16 Mb / s。红外线技术的主要特点是使用红外线传输数据具有良好的保密制度;采用点对点连接,传输速度快,传输容量大。缺点是影响视线的距离,并在传输距离受到一定的限制,设备安装位置,和网络连接,导致传输距离短,通信设备要求相对固定位置,和点对点传输连接网络的。虽然IrDA有缺点,但它并不影响红外线技术的发展。目前,红外技术已广泛应用于移动电话和笔记本电脑(12]。

2.2.2。蓝牙技术

蓝牙使用分散的网络结构来支持点对点和point-to-multiple沟通。蓝牙技术的数据传输速率大约是1 Mbit / s,并采用时分双工传输方案实现全双工传输。蓝牙技术的特点如下:免费的,但手机必须注册GSM或CDMA的基础上;瞬时设备接收蓝牙设备发出的信号可以连接在同一时间,实现灵活性,安全,和安全与低功耗通信在各种设备;和accessibility-communication也可以进行时遇到障碍(13]。可以使用蓝牙技术在汽车领域,如免提通信和车载娱乐,也可以用于工业生产实现监控和数据记录。

2.2.3。无线个域网技术

无线个域网采用跳频技术和用于2.4 GHz的乐队,这可以说是蓝牙技术的兄弟。据说,这种技术是一个技术开发基于蜂蚁群觅食的规则。跳频是一种最常用的扩频方法。其工作原理的通信方式是指双方传输信号的载波频率离散变化根据预先确定的法律;即通信中使用的载波频率受伪随机代码和跳跃随机变化。通信技术的实现方式而言,“跳频”是一种通信方式的多频移键控代码序列,也是代码掌控着载波跳频通信系统。一般来说,主要用于电子设备用小范围、低传输速率的要求。无线个域网技术在电力和更简单和更低的成本和支持更多的网络节点。但缺点是传输速率的有效覆盖率太低了,很小,只有10到75米。当前的无线个域网技术应用市场领域的主要是电脑外设,消费电子设备、玩具等。14]。

2.2.4。射频识别

RFID射频识别,通常被称为电子标签。射频识别技术是一种技术,它使用无线电频率信号通过空间耦合和实现非接触式信息传输通过传播信息达到识别的目的。目前,工作频率的射频识别产品包括低频、高频,超高频率。射频识别产品在不同的频段有不同的特点。射频识别技术广泛应用于许多领域,如工业自动化、商业自动化、交通控制和管理,anticounterfeiting。

2.2.5。无线网络技术

的全称WiFi无线保真,它使用频带附近2.4 GHz。WiFi技术分布在2.4 g和5 g频段,允许访问无线局域网设备。从本质上讲,它是有线信号转换成无线信号,以便设备在一定范围内可以访问网络没有连接。例如,手机通过无线路由器连接到互联网。目前使用的标准无线IEEE802.11a, IEEE802.11b, IEEE802.11g。无线技术的有效传输距离长,约300米;传输速度快,11 Mbs;网络是灵活的,它是一个短途传输通信的各种各样的制造商。但仍存在缺陷,如信号质量差和低安全性能(15,16]。表1显示了IEEE802.11的比较参数。

2.2.6款。单用户MIMO模型

那叫多输入多输出,包括多个传输路径由多个天线。基站必须支持multiantenna传输,手机也必须使用multiantenna接待来迎合它。天线系统的优点是,它可以增加无线范围和提高性能。作为一个典型的multiantenna系统,天线系统可以显著提高传输速度。在实际的无线系统中,一个或多个多样性方法可以根据实际情况使用。如果使用分布式天线系统增加一个用户,它被称为单用户MIMO (17]。

图2是一个典型的MIMO系统,包括发射天线和接收天线。在这里,矩阵用于表示传输通道发射天线和接收天线之间的矩阵:

其中,在矩阵代表之间的信道衰落系数发射天线和接收天线。选择性衰落信道和信号的特点有关。在某些情况下,他们可能变得平坦衰落。例如,频率选择性衰落信道的相干带宽时小于信号的带宽。当信道的相干带宽大于信号的带宽,它不再是频率选择性衰落但平坦衰落。频率选择性衰落多路径衰落的主要组成部分。然后,信号接收到系统的表现

其中,代表了传输信号的列向量 。接收到的信号的自协方差矩阵

其中,自协方差矩阵传输信号的和吗是单位矩阵的 。

2.2.7。自由空间传播

在无线网络通信的传播环境,是一种特殊的传播空间。在这种传播空间,传播介质是均匀分布的,和是一个理想的媒介传播信号空间相同的方向,即自由空间(18,19]。自由空间存在的接收端:

其中,是线性距离接收天线传输结束,是载波波长,通讯基站天线的发射功率,接收端天线的增益,是发射端天线的增益。此外,路径损耗将发生在传播过程中,传播距离造成的。自由空间传播损耗公式

其中,是自由空间损耗。取对数:

其中,电磁波的频率是光速。代入

根据前面的自由空间损耗计算公式,频率越高,自由空间损耗越大。这是因为自由空间中的能量损失能量扩散损失,这是独立的频率。为什么自由空间损耗与频率来简化计算,因为接收天线的增益与频率有关。

2.2.8。频谱效率和能源效率

无线网络通信技术、网络规划和设计适当的测量是非常重要的。一般来说,两个指标,频谱效率和能源效率,是用来衡量系统性能。其中,测量频谱效率的主要标准是bps / Hz和bps / Hz / m²和指标来衡量能源效率bps / W和bps / Hz / W (20.]。在模拟信号系统中,带宽是指可以传输的数据量,在一个固定的时间,在传输管道传输数据的能力。通常是表示每秒传输周期或赫兹(Hz)。数字信号设备、带宽指的数据量可以通过单位时间内的联系,通常表达个基点,即每秒可以传输的比特数。

bps / Hz频率标准是用来测量效率。通信系统的系统容量

在哪里代表了系统容量,即每秒可以传输的比特数, 代表了信噪比代表了带宽。此外,考虑到信道本身的特点,系统容量也可以表示为

其中,代表一个常数与自适应调制和编码,代表信道增益,代表了噪声功率谱密度。当频谱资源有限,考虑到频谱效率,它可以表示为

bps / Hz / m²标准代表了单位覆盖面积和单位频带上的能量携带信息。假设基站的覆盖范围

其中,代表的半径和覆盖区域 代表了信号干扰噪声比。

bps / W通常被用来照亮的单位信息比特传输能量。根据香农定理、高斯白噪声信道的容量

奈奎斯特抽样定理解释了采样率之间的关系和被测信号的频率。这是说,采样率必须大于两倍的最高频率分量对测量信号的兴趣。根据奈奎斯特采样定理,能源效率可以表示为

可以看出单调随 ;当 , 达到最大值,当 , 。

与此同时,也有一定的电路能耗之间的关系和数据传输速度。重新定义能源效率的公式

此外,bps / Hz / W可以考虑bps / W标准的基础上,也就是说,频谱效率。本标准结合能源效率和频谱效率和表达

2.3。金融大数据

金融业可以使用大数据发展过程中传统的金融服务,并通过信息技术在处理大量的数据,这完全可以实现融资和金融服务的创新。为了更好的达到客户,许多金融机构已经逐渐开始使用大数据(21]。

综合决策的财务数据是指所有的结构化、半结构式,和非结构化数据在企业内部和外部,可以反映企业的业务情况和产业的发展,它位于。这些数据可以帮助企业管理者制定科学、正确的财务决策(22,23]。综合决策的收购财务数据通常是收集其他有关数据,影响企业管理者的决策,包括会计信息的收集系统和财务管理系统,并使用企业局域网收集人力资源、客户和供应商。收集其他信息,利用互联网收集外部的政府政策,社会变化,行业发展状况,财务信息披露其他公司在同一行业24]。

在收到财务数据从不同的来源,它必须存储。业务数据和其他财务数据的综合决策分析,他们都必须存储在数据存储库。这个数据库是不同的从传统的简单的数据库。它是金融数据存储中心。它使用的原理提取、转换和加载(ETL)数据将各种类型的数据转换成专业信息。图3显示了金融数据的框架系统(25]。

财务管理方法是财务管理的一个重要组成部分。财务管理理论的核心是财务管理的理论方法,它贯穿整个理论体系。企业财务分析的重要意义包括以下三个方面。首先,财务分析是企业的一个重要工具来评估业务操作和财务状况。通过计算和分析企业业务数据和会计数据,可以获得最直观的评价企业的偿债、操作、管理和盈利能力,并帮助作出及时的科学决策和制定一个公平的奖励和惩罚制度。其次,企业财务分析是一个重要的公司来检查自己的方法和发现增长潜力点的性能。现代企业管理的重要目标是最大化利润。财务分析可以帮助企业发现自己的利润的来源和公司的操作,以便公司能及时发现潜在的利润贡献,进一步促进公司的良性运作。最后,企业财务分析可以帮助外来者如银行、政府、公司和投资者理解和公正评价。通过企业财务分析,投资者和利益相关者可以获得详细的企业财务状况、经营能力、偿债能力、盈利能力和发展前景及时。

3所示。基于物联网的金融大数据实验和无线网络通信

3.1。实验设计

本文探讨和分析了基于物联网的金融大数据和无线网络通信,设计一个实验的过程26]。首先,收集大数据。通过构建一个大数据收集平台,不同类型的金融数据收集、处理和提取功能可以授权,和一致性、准确性、及时性,systemicity金融大数据可以实现。然后,使用物联网和无线网络通信技术定量分析大数据。建立一个金融大数据云计算平台,利用云计算技术来处理和分析成千上万的金融实时大数据。第三,寻找相关性(27]。使用数据挖掘功能发现问题背后的金融大数据的相关性;第四,金融大数据问题提供解决方案。最大的变化在企业财务管理决策在大数据的时代已经放弃因果关系的研究,转而关注相关问题。大数据可以用于金融危机早期预警(28,29日]。

3.2。实验环境

这个测试主要是基于发达共享停车管理系统。测试主要是在公共网络环境中进行。公共网络环境更加复杂,网络延迟时间,服务器的性能要求和地面锁定更高,测试是更加实用。

表2是一个描述的服务器磁盘配置实验环境。服务器安装1-core 2 GB内存,1 Mbps的基本带宽,一个Ubuntu 16.04系统,和一个64位的操作系统,基本上符合测试的要求。

3.3。实验对象

这个实验的对象包括不同公司的财务数据库。本文的系统用于识别这些数据,以便获得认可和使用的准确性和作品点出率回归分析计算各财务指标的重要性。的无线通信网络,这个实验计算和收集数据信噪比等指标,频谱效率,社会福利,数据包,数据包损失率和重发的数量。此外,统计各领域的竞争力在互联网的事情也在进行。信噪比是指信号的平均功率比噪声的平均功率。丢包率是指数据包丢失的数量的比率在测试发送的数据组。

4所示。金融大数据分析基于物联网和无线网络通信

4.1。不同算法的频谱效率

如图4,本文算法可以被视为一个理想的基站和用户之间的协作。因此,不断提高信噪比,效率大大提高,可以获得最佳的频谱效率。显然,IA-CoMP的效率是最低的。例如,当信噪比为20时,该算法的光谱效率为6.45,IA-CoMP是4.61,IAN-CoMP是5.98。IA-CoMP算法是基于用户端合作,采用串行干扰消除干扰取消,和它的效率低于IAN-CoMP。IAN-CoMP利用有限程度的合作,使用基于IA的传输预编码和消除和抑制干扰,以便获得本文算法性能接近。

4.2。社会福利事业

图5显示的比较不同算法的社会效用。横坐标显示二级用户的数量,从100年到700年不等。通过比较数据,我们知道本文算法优于其他两种算法。当用户的数量是100,本文算法的社会效用是4.45,而IAN-CoMP 3.43和IA-CoMP是3.67。当用户的数量增加到700,本文算法的社会效用是28.34。其他两个算法,分别为24.45和25.99。可以看出,本文算法的社会效用是最好的,和IAN-CoMP IA-CoMP算法比算法。

4.3。平均的

重发的平均数量是指传输所需的平均数量为每个数据包成功传输到接收端。这个指标是一个关键因素影响无线通信网络的传输性能。在这里,我们比较的平均的算法本文ARQ算法和WONCR算法在不同数量的数据包。

图6显示了每个算法的平均传输时间的比较当数据包的数量变化。在这个时候,控制接收节点的数量 ,和平均丢包率的链接 。从图可以看出,本文算法的平均的远低于传统的ARQ算法和WONCR算法。例如,当数据包的数量达到60时,本文算法的的是1.49,而ARQ算法1.914和1.823 WONCR算法。这是因为两个算法ARQ和WONCR使用贪婪算法,以确保接收端获得更高的转播收入。此外,数据包的数量的增加,这三个算法的的显示一个向下的趋势。这是因为数据包的数量的增加也会增加的概率最赚钱的编码数据包。这是最明显的下降算法的摘要和其他两个算法显示数据包时,范围是-温柔的趋势。

除了研究数据包的数量之间的关系和重发的平均数量,本文还设计了研究平均丢包率和平均的。控制接收节点的数量 ,和数据包的数量 。

图7显示之间的关系的平均丢包率和平均在三种不同的算法。显然,三个算法的平均传输时间随着丢包率的增加而增加。可以看出,ARQ算法的损失时间和WONCR算法总是比那些算法的数据包损失率0.1到-0.5之间。例如,当丢包率是0.5,本文算法的的是2.876,而ARQ算法3.098和WONCR达到4.868。此外,ARQ和WONCR算法,丢包率低于0.3时,ARQ重发的数量大于WONCR,但当丢包率高于0.3,重发的数量WONCR大于ARQ的开始。当数据包损失率很小,WONCR选择一个可解的编码数据包的概率大于ARQ,当数据包损失率大,这个无法解决的编码数据包的概率逐渐增加。

4.4。综合竞争力的分数在各领域的物联网

各领域的物联网,如二维代码,射频识别,和其他技术,也具有竞争力。在这里,我们将这些技术和综合评分排名了解不同领域的重要性。

表3显示了各领域竞争力的综合得分的物联网。通过比较分析,我们可以看到,也有偏振各领域的物联网。二维码和射频识别技术排名第三在物联网领域,平均为0.02837和0.83642,而智能医学排名最差的,平均为-0.31785和0.67521。这一结果表明,在竞争力方面,这些领域的发展水平与平均超过0的值是这个行业的最前沿,而智能医疗保健等领域的竞争力。

4.5。财务指标的意义分析

分析财务指标的意义,包括资产负债率、速动比率、流动比率、应收帐款周转率、存货周转率、资本利润率、销售利润率,和一系列财务指标,并选择7重要财务指标变量进行回归分析和替代品的SPSS软件进行分析。

从表可以看出4这是每个财务指标变量的回归结果。可以看出,这七个财务指标的Sig值已经达到理想状态;也就是说,Sig值小于或等于0.1。此外,这七个指标具有较强的金融危机预警模型的预警功能。从指标的性质的角度来看,他们基本上覆盖了偿付能力,开发能力,和企业运营能力,表明统计分析理论的能力和科学合理。

4.6。识别效果分析

介绍31大数据指标检验样本2020年,其中10个是财务数据样本公司和其他21来自其他公司做出早期预警的判断。

从表可以看出5本研究模型的准确率的样本公司是88.89%;许可的样本公司,精度为80.95%,和整体准确率达到84.92%。可以看出,总体预测精度,用金融大数据模型基于物联网和无线通信确实可以提高准确性,高于11.11%的准确性没有引入模型。

5。结论

随着经济的发展和大数据时代的到来,企业可以收集并存储所有业务数据,但如何将数据转化为商业价值,帮助他们做出决策已成为首要任务。传统的财务分析模型有一个单一的数据收集,一个财务分析结果,和一定的延迟,不能满足当今信息开发人员的需要。因此,财务分析在企业迫切需要先进技术的应用。本文提出了基于物联网的金融大数据和无线网络通信进行研究和分析这个系统在许多方面。同时,本文也有一些缺点:由于复杂的无线网络场景,基于网络环境和用户的资源分配决策涉及更多的研究内容。本文只分析几个特定场景和资源。研究的内容仍有一定的局限性;此外,大数据的影响企业财务评价是公司如何提高财务评价方法在大数据环境中,恢复金融参考系统,确保财务信息在大数据环境下的安全。一个问题没有过多的分析。

数据可用性

数据共享并不适用于本文因为没有生成数据集或分析当前研究期间。

的利益冲突

本文作者宣称没有利益冲突。

确认

这项工作是支持的2019年大学科学研究和专利项目:车链技术领域的应用研究金融课程(项目号CJKY201910),和2020年的大学质量工程项目:教学优化与实践研究的“金融大数据分析”课程背景下块链技术(项目没有。ZLGC202017)。

引用

1. g·梅:徐,j .秦b . Wang和p .气,“物联网的调查(物联网)地质灾害预防:应用程序、技术,和挑战,”IEEE物联网,7卷,不。5,4371 - 4386年,2020页。视图:出版商的网站|谷歌学术搜索
2. 答:风扇、问:小王和j . Debnath“高精度数据加密算法在无线移动通信网络,”离散和连续动力系统,12卷,不。4 - 5,1327 - 1340年,2019页。视图:出版商的网站|谷歌学术搜索
3. a . m .阿尔贝蒂g . d . Scarpioni v . j . Magalhaes a . Cerqueira j·j·p·c·罗德里格斯和r·达·罗莎Righi”推进NovaGenesis向未来的物联网架构,”IEEE物联网》第六卷,没有。1,第229 - 215页,2019。视图:出版商的网站|谷歌学术搜索
4. d .郑秦,y,和a .田”Cloud-assisted属性数据共享与高效的用户撤销在互联网的事情,”IEEE无线通信,27卷,不。3、18 - 23,2020页。视图:出版商的网站|谷歌学术搜索
5. l .曾Otoum, m . Aloqaily l . Wong和j·b·奥斯曼”区块链管理异构网络的东西:一个角度架构,”IEEE网络,34卷,不。1,16-23,2020页。视图:出版商的网站|谷歌学术搜索
6. t·m·姆•赫鲁Sprock, d . Hartenstine r . Venketesh和w·索贝尔,“可伸缩的数据管道支持工业物联网的架构,”CIRP年报,卷69,不。1,第388 - 385页,2020。视图:出版商的网站|谷歌学术搜索
7. c·r·曹z . Tang刘,b . Veeravalli”一个可伸缩的multicloud cloud-supported医疗物联网存储架构,”IEEE物联网,7卷,不。3、1641 - 1654年,2020页。视图:出版商的网站|谷歌学术搜索
8. g . m . y . Liu Peng寿、y . Chen和s·陈,“向边缘智力:多路存取边缘计算5 g和物联网,”IEEE物联网,7卷,不。8,6722 - 6747年,2020页。视图:出版商的网站|谷歌学术搜索
9. l·f·g . x Liu史,d . j .鑫”数据完整性监测方法的数字传感器对于物联网的应用程序,“IEEE物联网,7卷,不。5,4575 - 4584年,2020页。视图:出版商的网站|谷歌学术搜索
10. 盖k . y . Wu l .朱张z,和m .秋,“差许多基于隐私权区块链为工业物联网,”IEEE工业信息,16卷,不。6,4156 - 4165年,2020页。视图:出版商的网站|谷歌学术搜索
11. g·杨,徐x和y . c .梁“资源分配在NOMA-enhanced后向散射通信网络的无线物联网供电,”IEEE无线通信信,9卷,不。1,第120 - 117页,2020。视图:出版商的网站|谷歌学术搜索
12. a . Raza s Junaid纳瓦兹·s . Wyne a·艾哈迈德·m·a . Javed和m . n . Patwary”配备干涉车际空间建模的三维体积无线网络通信,”IEEE访问,8卷,不。99年,第108299 - 108281页,2020年。视图:出版商的网站|谷歌学术搜索
13. s·h·金和d . i金”Traffic-aware后向散射通信wireless-powered异构网络,”IEEE移动计算,19卷,不。7,1731 - 1744年,2020页。视图:出版商的网站|谷歌学术搜索
14. 问:吴、刘l . r .张“基本沟通和轨迹设计权衡UAV-enabled无线网络,“IEEE无线通信,26卷,不。1,36-44,2019页。视图:出版商的网站|谷歌学术搜索
15. 年代。e。陈、杨l . s .徐”分析:大数据的实际使用金融服务研究与判断系统事件,“上海交通大学学报(自然科学),21卷,不。2、210 - 214年,2016页。视图:出版商的网站|谷歌学术搜索
16. j . Trelewicz“大数据,大资金:数据在金融部门的作用,“It专业人员,19卷,不。3、8 - 10,2017页。视图:出版商的网站|谷歌学术搜索
17. x x, j . Zhang Jin, x,“回顾金融创新在大数据时代,“系统科学与信息》杂志上,4卷,不。6,489 - 504年,2016页。视图:出版商的网站|谷歌学术搜索
18. l . v . Astakhova”的文化信息安全的问题在数字经济的条件下,“科学和技术信息处理卷,47号1,56 - 64,2020页。视图:出版商的网站|谷歌学术搜索
19. m . Darms s Haßfeld, s . Fedtke“der Medizin Informationssicherheit和人。”Der MKG-Chirurg,13卷,不。4、240 - 247年,2020页。视图:出版商的网站|谷歌学术搜索
20. d .猴、f·斯托伊卡和a . Bărbulescu“财务数据自动优化的支持向量回归预测,“神经计算和应用,32卷,不。7,2383 - 2396年,2020页。视图:出版商的网站|谷歌学术搜索
21. b·李·g·肖,r, r·邓和h·鲍”检测的可行性和局限性假数据注入攻击使用D-FACTS设备对电网状态估计,“IEEE工业信息,16卷,不。2、854 - 864年,2020页。视图:出版商的网站|谷歌学术搜索
22. j·b·李y Wu歌,r, t·李和l .赵”DeepFed:联邦工业cyber-physical深度学习的入侵检测系统”IEEE工业信息,17卷,不。8,5615 - 5624年,2021页。视图:出版商的网站|谷歌学术搜索
23. c .锣,y, j .高,y . Wang和l .严”一种改进delay-suppressed滑模观测器的无传感器矢量控制的永磁同步电动机,”IEEE工业电子产品,卷67,不。7,5913 - 5923年,2020页。视图:出版商的网站|谷歌学术搜索
24. y,他戴l . h·张,“多分支深残余学习集群和波束形成的以用户为中心的网络,”IEEE通信信,24卷,不。10日,2221 - 2225年,2020页。视图:出版商的网站|谷歌学术搜索
25. 郑x和z Cai Privacy-preserved数据共享对多方工业神往,“IEEE在选定地区通讯》杂志上,38卷,不。5,968 - 979年,2020页。视图:出版商的网站|谷歌学术搜索
26. b·杨,李x, y侯et al .,“非侵入性(非接触式)人类热生理信号测量和热舒适/不适造成审查,”能源和建筑第110261条,卷。224年,2020年。视图:出版商的网站|谷歌学术搜索
27. z z Cai,熊,h .徐,p . Wang w·李和y锅,“生成对抗网络”ACM计算调查,54卷,不。6,1-38,2021页。视图:出版商的网站|谷歌学术搜索
28. m . Jahanbakht w .香、l . Hanzo和m·拉希米Azghadi”物联网的水下和大型海洋数据分析综合调查,“IEEE通信调查和教程,23卷,不。2、904 - 956年,2021页。视图:出版商的网站|谷歌学术搜索
29. 杨,邓,j . Wang et al .,“数字神经形态可伸缩的架构用于大规模生物物理意义与多级神经网络神经元,”IEEE神经网络和学习系统没有,卷。31日。1,第162 - 148页,2020。视图:出版商的网站|谷歌学术搜索

版权

版权©2021 Lingqi雪。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。