談云計算平臺下的物聯網數據挖掘

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了談云計算平臺下的物聯網數據挖掘范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:數據挖掘是物聯網技術的重要組成部分，也是物聯網產業在未來發展的推動力量。闡述了云計算和物聯網的定義，對物聯網數據挖掘所要面對的各種難關進行了分析，對基于云計算平臺的物聯網數據挖掘技術進行了探討。

關鍵詞:物聯網;數據挖掘;云計算平臺

引言

物聯網技術的研究是信息化時代不斷發展的產物，物聯網技術對人類生產生活的影響逐漸增強，以云計算平臺為基礎的物聯網數據挖掘也逐漸熱門起來。物聯網數據挖掘的發展，得益于云計算的誕生，其無與倫比的數據挖掘分析及其IT技術支撐能力把前所未有的便利提供給了人們。

1云計算與物聯網理論基礎

1.1云計算理論

云計算是一種以互聯網技術為基礎，借助互聯網的服務，根據用戶的需求將特定的服務提供給指定用戶的計算方式，其整個服務資源都來自于互聯網中的信息，互聯網通常會把資源顯示成云狀圖案，云計算之名由此得來。云計算在其先進的應用技術的基礎上，又具備了通用性、規模大、虛擬化、可延伸性、可靠性等幾大特征。

1.2物聯網理論

物聯網是指借助多種技術的應用，將事物之間進行連接，從而形成一個可以遠程集中控制的局域網。借助各種技術把互聯網與各種物品連接起來，使信息的交互得以實現，以此讓指定的物品得以智能化，用戶可以借助遠程終端加以控制，使人們的生活更加方便，使各項應用的安全性得以提高。對比互聯網，物聯網被應用到了多種感知技術研究范疇，而且它以互聯網為基礎，并能夠提供不被時間和空間局限的應用場景和用戶的自由溝通。

1.3物聯網的建設

在應用過程中，物聯網需要多個行業的參與以及政府的支持，物聯網具有很多優勢，能夠在社會的各個領域得以廣泛應用。物聯網的架構一般需要經過以下幾步:對物聯網中有被構建需求的對象進行屬性識別，對于靜態屬性，可以直接進行存儲，而對于動態屬性，需要先用傳感器檢測，而后才能存儲。接著，對識別后的對象屬性加以讀取，同時把獲得的信息向網絡識別數據轉換。最后，依托于網絡把目標信息傳導至信息處理中心，從而讓物體與互聯網之間實現通信。

2數據挖掘技術概述

相對而言，數據挖掘形成的時間較短，但隨著對數據挖掘技術研究工作的不斷推進，它的應用范圍也得以日漸擴大，對信息處理以及生產生活等諸多領域都具有重大意義。當前，數據挖掘的相關技術不只是一個普通的科研領域，它還是多元化的技術領域的交叉學科。在物聯網數據價值挖掘過程中，主要技術手段具有規模和分布特征，能夠有效地將有限的資源節點最大化利用起來，使數據應用的安全得以保障。所以，基于數據的分布，物聯網將不同的數據存儲在不同的位置，每個位置都有自己獨特的分類。同時，物聯網的數據量雜亂無章且極其龐大，對傳感器節點的需求量往往極大，以使處理重要節點信息的效率更高。物聯網具有產業應用的特點。它依靠云計算對不同領域、不同數據格式的海量數據進行集成、管理和存儲，為整個物聯網提供數據挖掘服務。它可以實現數據挖掘中的預測和決策，并對這些傳感器網絡進行反向控制，從而使物聯網的數據挖掘結果最終達到物聯網數據挖掘的目的，達到控制物聯網中客觀事物運動和發展的目的。數據挖掘是決策支持和過程控制的重要技術。在數據挖掘的過程中，物聯網將會面臨一些挑戰，這些挑戰是阻礙物聯網在當今時代快速發展的重要原因。①大量的數據分別存儲在不同的節點，使用模型進行數據挖掘是不夠的，也導致了其分布和色散特性，影響數據分析和使用。②物聯網自身的特性。集中化的結構必然會使傳感器節點數量增多，節點數量的增加會給數據處理帶來負擔。為了更好地處理數據，必須升級硬件。③為了節省成本，將不處理所有中心節點的數據，但是需要對相關參數進行分析，找到有效的節點，對其進行分析，并將數據傳遞給客戶。

3基于云計算平臺的物聯網數據挖掘技術分析

物聯網數據挖掘系統可分為4個部分，分別為感知層、傳輸層、數據層以及數據挖掘服務層，各個層的構成如表1所示。

3.1感知層

物聯網的感知層是實現感知功能，通過在目標區域內設置大量的數據采集點來實現。節點搜集數據是依靠相關設備的使用得以實現的，然后集中性地處理被搜集到的數據，并借用物聯網感知層的網絡通信設備，將所需的數據轉移到每個節點，繼而依靠集中存儲后的傳輸層數據處理中心的云計算平臺，使整個感知層的功能得以實現。

3.2傳輸層

傳輸層能夠靈活高效地將數據傳遞至數據中心，從而使物聯網的相互聯通得以維持，它囊括了有線網絡、傳感器網絡和無線網絡等諸多形式的網絡，從而形成了它可靠、高效且無縫傳輸的特性。

3.3數據層

在運營物聯網的平臺中，數據層是對挖掘信息工作進行負責的重要組成部分之一。因為物聯網數據具備一定程度的異質性，所以有必要基于上述數據的特征對數據層加以操作，使數據能夠安全地被存儲，使數據挖掘能夠在物聯網平臺上順利被進行，使物聯網的運行性能得以提高。舉例來說，將PML相關技術進行有機結合，通過物聯網節點建模，使之實現數據儲存和傳輸的功能，為了確保建模質量能夠進一步提升，位置數據、物體屬性等都是不可或缺的部分，以此讓依托于對與物體信息有關聯的歷史元素進行的分析工作進行得更加方便，使之實現科學分析物品信息的目標。

3.4數據挖掘服務層

數據挖掘服務層囊括數據準備模塊、數據挖掘引擎模塊以及用戶模塊。在數據準備模塊中，需要對數據情況進行分析，對數據格式進行適當的改變，制定數據規則都是可以實現的功能。不同的數據挖掘類型之間存在一些差異，因此數據挖掘引擎模塊的功能非常多樣化，可以對數據實行偏差分析、趨勢分析、聚類分析以及相關性分析。正是數據挖掘模塊中的算法集提供了上述功能算法。

4結語

云計算平臺能夠更好地在物聯網的數據挖掘中進行服務。在此基礎上，本文提出了一種更加完善、科學的基于云計算平臺的物聯網數據挖掘系統，使本文的實用價值得以呈現。因而，相關領域的理論研究和實踐探索可以將本文的研究內容作為參考。

參考文獻:

［1］萬軍，廖麗．基于云計算平臺的物聯網數據挖掘探討［J］．造紙裝備及材料，2020，49(1):96．

［2］賈曉冬．基于云計算平臺下物聯網數據挖掘的思考［J］．數字通信世界，2019(7):155－156．

［3］朱小娟．基于云計算平臺物聯網數據挖掘系統設計［J］．北京印刷學院學報，2018，26(3):43－45．

［4］王友羲．以云計算平臺為基礎的物聯網數據挖掘探討［J］．中國新通信，2018，20(2):57－58．

作者：李可 單位：河南神火集團職工總醫院