毕业论文(设计)-物联网数据挖掘模型的研究

毕业论文(设计)-物联网数据挖掘模型的研究

ID:46225031

大小:208.13 KB

页数:9页

时间:2019-11-21

毕业论文(设计)-物联网数据挖掘模型的研究_第1页
毕业论文(设计)-物联网数据挖掘模型的研究_第2页
毕业论文(设计)-物联网数据挖掘模型的研究_第3页
毕业论文(设计)-物联网数据挖掘模型的研究_第4页
毕业论文(设计)-物联网数据挖掘模型的研究_第5页
资源描述:

《毕业论文(设计)-物联网数据挖掘模型的研究》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、物联网数据挖掘模型的研究摘耍——在这篇论文中,我们提到了四种物联网数据挖掘模型,分别是多层数据挖掘模熨、分布式数据挖掘模型、基于网格的数据挖掘模型和多层技术集成角度的数据挖掘模型。其中,多层数据挖掘模型包含四层:1)数据收集层,2)数据管理层,3)事件处理层,4)数据挖掘服务层。分布式数据挖掘模型可以解决数据存放存不同地点的问题。棊于网格的数据挖掘模型使网格框架实现数据挖掘功能「多层技术集成角度的数据挖掘模型描述了未来网络的相应框架。并口讨论了一些IOT数据挖掘的重要问题。关键词——物联网,数据挖掘模型,RFID技术一、介绍物联网(IOT)

2、是下一代网络,包含上万亿节点来代表各种对象,从无所不在的小型传感器设备,掌上的到人型网络的服务器和超级计算机集群[23]o它是继电脑和网络革命Z后的乂一场科技革命。它集成了新的计算和通讯技术(如传感器网络,RFID技术,移动技术,实时定位,普遍存在计算和IPV6等)和建立下一代互联网的发展方向。IOT^IBM公司提出的智能星球的核心。物联网的智能对象(如传感器输入、制动器等)可以通过基于新信息和通讯技术的网络来通信。S.Haller等人⑵提出了如下的定义:“它是这样的一个世界,物理对象可以无缝集成到信息网络,并H-可以成为业务流程的积极参与

3、者。服务可以在网络屮影响到这些'智能对象',找到他们的国家以及与他们向关联的任何问题,并能考虑到安全和隐私问题。”刘教授⑶从技术和经济的角度提出了对于IOT的想法:“从技术的角度上讲,IOT是传感器网络的集成,包括RFID和无所不在的网络。从经济的角度來看,这是一个开放的观念,集成了新的相关科技和应用,产品和服务,生产和市场。”物联网将会产生人量的信息。让我们举一个例子,将超市引入一个采用RFID技术的供应链。RFID数据的原始形态是这样的形式:EPC,地点,时间。EPC代表了一个RFID读者阅读的唯一标识;地点是读者的位置;时间是阅读发牛

4、的时刻。这需要18个字节來储存一个RFID记录。一个超帀,大约有700000个RFID记录。所以如杲这个超帀每秒都有读者在浏览,那么每秒大约产生12.6GBRFID数据流,每天将达到544TB的数据。因此,发展有效的思想去管理、分析、挖掘RFID数据是非常必要的。物联网数据可以分成儿种类型:RFID数据流、地址/唯一标识、描述数据、位置数据、环境数据和传感器网络数据等[1]。它将给物联网的管理、分析、挖掘数据带来冃人的挑战。二、相关研究作为互联网的全新范例,对丁物联网的研究还处于初级阶段。1=1前,有…些物联网数据挖掘的研究,主要包括以下三

5、个方而:一些研究集中于管理和挖掘RFID数据流。例如,HectorGonzalez等人⑷提出一个存储RFID数据的新奇模型,能保护对彖转变同时提供重耍的压缩和路径依赖总量。RFID立方体保持了三个表:(1)信息表,能储存产品的路径依赖信息,(2)停留表,保存了数据所在位置信息,(3)地图表,存储川于结构分析的路径信息。HectorGonzalez等人⑸采川流程图去表示商品的运输,并且还可以用它來多维分析商晶流。在参考文献[6],HectorGonzalez等人提出种压缩概率工作流,可以捕捉运动和重要的RFID流动异常。ElioMasciar

6、i⑻研究RFID数据流的孤立点挖掘。一些研究偏好于提问、分析和挖掘山各种IOT服务产生的对象数据运动,例如,GPS装置,RFID传感器网络,网络雷达或卫星等。比如说,XiaoleiLi等人⑺提出一个新的框架,称为漫游,川于移动物体的异常检测。在文献[10],Jae-GilLee等人对运动目标的轨迹孤立点检测开发了一种分割检测框架。Jae-GilLee等人⑼也提岀了名为TraClass的新的轨迹分类思想,利用基于地区的和基于轨迹的分层聚集。在文献[11],对于运动目标的轨迹聚集提出了一个划分聚集框架。其他研究是传感器数据的知识发现。传感器网络

7、有几个特征,例如,有限的资源,容易调配的传感器,免维护,多层跳跃和人量数据等。所以传感器网络的数据挖掘有的特征。JoydeepGhosh[12]提出了一个一般的概率框架,在计算/记忆/电力限制约束下的监督性学习。BetsyGeorge等人[13]提出时空传感器模型(STSG)去模拟和挖掘传感器数据。STSG模型能够发现不同类型的模式:位置异常模式,在每个时段集屮定位和节点的未来热点。ParisaRashidi等人[14]开放了一种对于传感器数据类型挖掘的新奇的口适应挖掘框架,以适应数据的变化。尽管I0T对于数据挖掘的很多贡献,但都主要集屮于

8、I0T的基本内容,如传感器网络、RFID等。作为一个全新的网络范例,I0T仍然缺乏模型和理论来指导其进行数据挖掘。三、物联网数据挖掘模型1、I0T多层数据挖掘模型根据I0T式样和

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。