发现与有哪些信誉好的足球投注网站引擎技术《物联网技术基础教程》研讨.ppt

10.4.3 数据挖掘 （11）数据挖掘的方法 ①神经网络方法 ② 遗传算法 ③ 决策树方法 ④ 粗集方法 ⑤ 覆盖正例排斥反例方法 ⑥ 统计分析方法 ⑦ 模糊集方法 10.4.5 物联网数据挖掘 1. 物联网数据挖掘的研究 作为互联网的全新范例，对于物联网的研究还处于初级阶段。目前，有一些物联网数据挖掘的研究，主要包括以下三个方面： 一些研究集中于管理和挖掘RFID数据流。 一些研究偏好于提问、分析和挖掘由各种IOT服务产生的对象数据运动，例如，GPS装置，RFID传感器网络等。 其他研究是传感器数据的知识发现。 10.4.5 物联网数据挖掘 2. 物联网数据挖掘模型 （1）IOT多层数据挖掘模型 根据IOT式样和RFID数据挖掘框架，我们提出了下面的IOT多层数据挖掘模型，如下图，将其分为四层：数据收集层、数据管理层、事件处理层和数据挖掘服务层。 10.4.5 物联网数据挖掘 IOT多层数据挖掘模型 10.4.5 物联网数据挖掘 数据收集层: 采用一些设备，例如RFID阅读器和接收器等，来收集各种智能对象的数据，分别是RFID流数据、GPS数据、卫星数据、位置数据和传感器数据等。不同类型的数据需要不同的收集策略。 在数据采集过程中，一系列问题如节能、误读、重复读取、容错、数据过滤和通讯等，都应被妥善解决。 10.4.5 物联网数据挖掘 2. 数据管理层: 适用于集中或分布式的数据库或数据仓库区管理收集的数据。在目标识别、数据抽象和压缩后，一系列数据被保存在相应数据库或数据仓库。例如RFID数据，原始的数据流格式是EPC、位置、时间，EPC被标记为智能对象的ID。 之后我们利用数据仓库去储存和管理相关数据，包括信息表、停留表和地图表。 另外，也可以采用XML语言去表述IOT数据。智能对象可以通过物联网数据管理层相互连接。 10.4.5 物联网数据挖掘 3. 事件处理层: 有效地用于分析IOT事件。 因此我们可以在事件处理层实现基于事件的提问分析。 将观察到的原始时间过滤后，就可获得复杂事件或用户关注的事件。然后我们可以根据事件集合、组织和分析数据。 10.4.5 物联网数据挖掘 4. 数据挖掘服务层: 建立在数据管理和事件处理的基础上。 各种基于对象或基于事件的数据挖掘服务，分类、预测、聚类、孤立点检测、关联分析或类型挖掘，都提供给应用。 比如：供应链管理、库存管理和优化等。这一层的建立模式是服务至上。 10.4.5 物联网数据挖掘 （2）IOT分布式数据挖掘模型 跟一般的数据相比，IOT数据有自己的特色。例如，IOT数据总是大规模的、分布式的、时间相关的和位置相关的。 同时，数据的来源是各异的，节点的资源是有限的。 这些特征带来了很多集中数据挖掘式样的问题。 10.4.5 物联网数据挖掘 IOT分布式数据挖掘模型 10.4.5 物联网数据挖掘 （3）IOT基于网格的数据挖掘模型 IOT的基本理念是通过互联网连接到各种智能对象。如此智能对象变得聪明、环境敏感且远程合用。所以我们可以认为智能对象是一种网格计算资源，使用网格数据挖掘服务去实现IOT数据挖掘操作。 我们提出了基于网格据挖掘模型，如下图。 10.4.5 物联网数据挖掘 基于网格的IOT数据挖掘模型 10.4.5 物联网数据挖掘 （4）IOT多层技术集成角度的数据挖掘模型 在该模型中，数据来自环境敏感的个人、智能对象或环境。采用128位的IPV6地址，并且提供各种无所不在的方式去访问未来网络。 例如：内部网/互联网、FTTx/xDSL、传感器设备、RFID、2.5/3/4G移动访问等。 信赖控制平台保证数据传输的信誉和可控性。 在此基础上，我们完成了数据挖掘工具和算法，并提交了各种知识服务型的应用，如智能交通、只能物流等。 10.4.5 物联网数据挖掘 IOT多层技术集成角度的数据挖掘模型 10.4.5 物联网数据挖掘 3. IOT数据挖掘模型关键问题 （1）从IOT智能对象收集数据 （2）数据抽象、压缩、索引、聚集和多维查询 （3）事件过滤、聚集和检测 （4）集中式数据处理和挖掘与分布式数据处理和挖掘的比较 10.5 未来的物联网发现与有哪些信誉好的足球投注网站引擎技术 本领域中一些需要解决的问题和主要研究内容包括： ■ 设备发现技术、资料库/数据库分布式部署技术 ■ 物品的定位、本地化以及局域化技术 ■ 现实的物品、数字化的物品以及虚拟的物品之间对应关系建立方式和规则的研究工作 ■ 物品的地球地理数据相关技术 10.6 应用案例：语境感知技术 应用“语境感知”概念的新一代手机更