物联网中的智能决策.docx

《物联网中的智能决策.docx》由会员分享，可在线阅读，更多相关《物联网中的智能决策.docx（13页珍藏版）》请在金锄头文库上搜索。

1、重庆大学 物联网智能决策课程名称：物联网与现代社会生活题目：物联网中的智能决策学院：土木工程学院 专业：测绘工程完成时间：2013.4.20-2013.5.2 物联网中的智能决策摘要：物联网是新一代信息技术的重要组成部分。顾名思义，“物联网就是物物相连的互联网”。这里有两层意思：第一，物联网的核心和基础仍然是互联网，是在互联网基础上的延伸和扩展的网络；第二，其用户端延伸和扩展到了任何物品与物品之间，进行信息交换和通信。物联网通过智能感知、识别技术与普适计算、泛在网络的融合应用，被称为继计算机、互联网之后世界信息产业发展的第三次浪潮。物联网是互联网的应用拓展，与其说物联网是网络，不如说物联网是业

2、务和应用。因此，应用创新是物联网发展的核心，以用户体验为核心的创新是物联网发展的灵魂。物联网的概念早在1999年就被提出，现已成为电子信息领域最受关注的热点领域，被业界视作下一个超万亿元级产业，虽然迄今还没有统一的定义，但大致是指通过射频识别(RFID)、红外传感器、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何嵌入包含其信息的可识别智能芯片的物品与互联网连接起来，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络。由此可见，物联网最重要的职能是通过基于这些交互信息来提供的智能决策和服务。由此可见，物联网中的智能决策，就是基于物联网的的所有交互信息，通过数据挖

3、掘和分析，为用户提供智能决策和服务的过程。下面对物联网和智能决策做一个简要的概括。关键词： 互联网 物联网 信息技术 信息通讯 数据挖掘 智能决策一、 物联网概述（1）物联网的定义：物联网(The Internet of things)的概念是在1999年提出的，又名传感网，它的定义很简单：把所有物品通过射频识别等信息传感设备与互联网连接起来，实现智能化识别和管理。（2）运用领域：物联网把新一代IT技术充分运用在各行业中，如能源、交通、建筑、家庭、市政系统等，然后与现有通信网结合，实现人类社会与物理系统的整合。人类可以更加精细和动态的方式管理生产和生活，达到“智慧”状态，提高资源利用率和生产力

4、水平，改善人与自然间的关系。物联网的核心是对信息数据的采集和处理，为人们提供智能化决策。（3）物联网的分类私有物联网：一般面向单一机构内部提供服务；公有物联网：基于互联网向公众或大型用户群体提供服务；社区物联网：向一个关联的“社区”或机构群体（如一个城市政府下属的各委办局：如公安局、交通局、环保局、城管局等）提供服务；混合物联网：是上述的两种或以上的物联网的组合，但后台有统一运维实体。二、 物联网的关键技术在物联网应用中有三项关键技术：1、传感器技术，这也是计算机应用中的关键技术。大家都知道，到为止绝大部分计算机处理的都是数字信号。自从有计算机以来就需要传感器把模拟信号转换成数字信号计算机才能

5、处理。2、RFID标签也是一种传感器技术，RFID技术是融合了无线射频技术和嵌入式技术为一体的综合技术，RFID在自动识别、物品物流管理有着广阔的应用前景。3、嵌入式系统技术是综合了计算机软硬件、传感器技术、集成电路技术、电子应用技术为一体的复杂技术。经过几十年的演变，以嵌入式系统为特征的智能终端产品随处可见；小到人们身边的MP3,大到航天航空的卫星系统。嵌入式系统正在改变着人们的生活，推动着工业生产以及国防工业的发展。如果把物联网用人体做一个简单比喻，传感器相当于人的眼睛、鼻子、皮肤等感官，网络就是神经系统用来传递信息，嵌入式系统则是人的大脑，在接收到信息后要进行分类处理。这个例子很形象的描

6、述了传感器、嵌入式系统在物联网中的位置与作用。三、RFID技术与物联网（1）定义：射频识别技术RFID(Radio Frequency Identification) 通过无线射频方式进行非接触、双向数据通信对目标加以识别。可以快速读写、长期跟踪管理。（2）关于一维与二维条码 条形码是一种信息的图形化表示方法，可以把信息制作成条形码，然后用相应的扫描设备把其中的信息输入到计算机中。条形码分为一维条码和二维条码，下面分别介绍。1. 一维条形码 条形码或者条码（barcode）是将宽度不等的多个黑条和空白，按一定的编码规则排列，用以表达一组信息的图形标识符。常见的一维条形码是由黑条（简称条）和白条

7、（简称空）排成平行线图案。条形码可以标出物品的生产国、制造厂家、商品名称、生产日期以及图书分类号、邮件起止地点、类别、日期等信息，因此在商品流通、图书管理、邮政管理、银行系统等很多领域得到了广泛的应用。 2. 二维条形码 通常一维条形码所能表示的字符集不过10个数字、26个英文字母及一些特殊字符，条码字符集最大所能表示的字符个数为128个ASCII字符，信息量非常有限，因此二维条形码诞生了。二维条形码是在二维空间水平和竖直方向存储信息的条形码。它的优点是信息容量大，译码可靠性高，纠错能力强，制作成本低，保密与防伪性能好。（3）RFID技术的基本工作原理： 标签进入磁场后，接受读卡器发出的射频信

8、号，凭借感应电流所获得的能量发送出存储在芯片中的产品信息（Passive Tag,无源标签或被动标签），或者主动发送出某一频率的信号（Active Tag,有源标签或主动标签）；读卡器读取信息并解码后，送至后台信息系统进行有关数据处理。四、数据挖掘概述（1）数据挖掘的定义：从大量数据中获取潜在有用的并且可以被人们理解的模式的过程它是一个反复迭代的人机交互和处理的过程，历经多个步骤，并且在一些步骤中需要由用户提供决策。（2）数据挖掘的过程：数据挖掘过程包括：数据预处理、数据挖掘和对挖掘结果的评估与表示每一个阶段的输出结果成为下一个阶段的输入。下面对数据挖掘过程做简要介绍：数据预处理阶段数据准备：

9、了解领域特点，确定用户需求数据选取：从原始数据库中选取相关数据或样本数据预处理：检查数据的完整性及一致性，消除噪声等数据变换：通过投影或利用其他操作减少数据量数据挖掘阶段确定挖掘目标：确定要发现的知识类型选择算法：根据确定的目标选择合适的数据挖掘算法数据挖掘：运用所选算法，提取相关知识并以一定的方式表示知识评估与表示阶段模式评估：对在数据挖掘步骤中发现的模式(知识)进行评估知识表示：使用可视化和知识表示相关技术，呈现所挖掘的知识（3）数据挖掘的基本类型1.关联分析：关联分析的目标是从给定的数据中发现频繁出现的模式，即关联规则关联规则通常的表述形式是X Y，表示“数据库中满足条件X的记录(元组)

10、，可能也满足条件Y”2.分类和预测：分类和预测的目标是找出描述和区分不同数据类或概念的模型或函数，以便能够使用模型预测数据类或标记未知的对象。所获得的分类模型可以采用多种形式加以描述输出，比如：分类规则判定树数学公式神经网络分类与预测的区别：分类通常指预测数据对象属于哪一类，而当被预测的值是数值数据时，通常称为预测。3.聚类分析：聚类的目的是将数据对象划分为多个类或簇，在同一个簇中的对象之间具有较高的相似度，而不同簇中的对象差别较大。聚类分析的方法有如下几种：划分方法：要求事先给定聚类的数目k。首先创建一个初始划分，然后通过对划分中心点的反复迭代来改进划分。典型算法包括kmeans算法和kme

11、doids算法等。层次方法：对给定数据集合进行逐层递归的合并或者分裂，因此可以被分为合并或分裂方法。合并方法首先将每个对象都作为独立的类，然后持续合并相近的类，直到达到终止条件为止。分裂方法首先将所有的数据对象置于一个类中，然后反复迭代并判定当前的类是否可以被继续分裂，直到达到终止条件为止。基于密度的方法：只要某区域数据密度超过阈值，就将该区域的数据进行聚类。其优势在于噪音数据下的抗干扰能力，并能够发现任意形状的聚类基于网格的方法：把对象空间量化为具有规则形状的单元格，从而形成一个网格状结构。在聚类的时候，将每个单元格当作一条数据进行处理。优点是处理速度很快，因处理时间与数据对象数目无关，而只

12、与量化空间中的单元格数目相关。基于模型的方法：如果事先已知数据是根据潜在的概率分布生成的，基于模型的方法便可为每个聚类构建相关的数据模型，然后寻找数据对给定模型的最佳匹配。主要分两类：统计学方法和神经网络方法。4.离群点(Outlier)：数据集合中存在的一些数据对象，它们与其余绝大多数数据的特性或模型不一致。寻找离群点的意义：发现信用卡诈骗。通过检测购物地点、商品种类或者购物金额和频率，能够发现与绝大多数正常消费不一样的记录，这种行为就有可能属于信用卡诈骗性使用；预防网络诈骗。在网络销售的时候，诈骗者往往冒充商家，出售报价比正常价格低出许多的商品，这样的行为也是可以通过离群点分析被找到的。5

13、.演化分析：演化分析的目的是挖掘随时间变化的数据对象的变化规律和趋势，并对其建模，进而为相关决策提供参考。演化分析的应用：对股票的演化分析可以得出整个股票市场和特定的公司的股票变化规律，为投资者决策提供帮助。对生态和气候的演化分析可以知道人类活动对自然的影响程度，为环境保护提供重要依据。建模方法：除了关联分析和分类分析，还包括与时间相关的数据分析方法，主要包括趋势分析、相似搜索、序列模式挖掘和与周期分析五、智能决策数据挖掘的最终目的就是为用户提供智能决策。因此，智能决策的基础就是数据挖掘与分析，通过综合分析，为用户提供智能决策。数据挖掘技术在物联网背景下有着广泛的需求和运用，主要表现在以下方面

14、：（1）精准农业（2）市场行销（3）智能家居（4）金融安全（5）产品制造和质量监控（6）互联网用户行为分析下面对物联网中的智能决策的运用做简单介绍精准农业：首先通过植入土壤或暴露在空气中的传感器监控土壤性状和环境状况。然后将获取的数据通过物联网传输到远程控制中心，可及时查清当前农作物的生长环境现状和变化趋势，确定农作物的生产目标。通过数据挖掘的方法，可以知道：环境温度湿度和土壤各项参数等因素是如何影响农作物产量的，如何调节它们才能够最大限度地提高农作物产量市场行销：利用数据挖掘技术通过对用户数据的分析，可以得到关于顾客购物取向和兴趣的信息，从而为商业决策提供依据。1数据库行销(Database

15、 Marketing)通过交互式查询、数据分割和模型预测等方法来选择潜在的顾客以便向它们推销产品预测采用何种销售渠道和优惠条件，使得用户最有可能被打动2货篮分析(Basket Analysis)通过分析市场销售数据(例如POS数据库)来发现顾客的购买行为模式。智能家居：以获取天气信息为例：一方面，智能设备随时关注气象信息，并针对雨天发出报警提醒；另一方面，另外一些智能终端会随时跟踪主人的行踪，并通过数据挖掘方法由主人的历史行动特征数据预测他的去向。一旦预测到主人要出门，那么就在合适的时候由相应的智能终端提醒他不要忘记带雨伞。例如，如果主人在门口，就将由安装在门上的智能设备向他发出提醒，如果在车内，则由车载计算机发出提醒。金融安全：1. 由于金融投资的风险很大，所以在进行投资决策时，需要通过对各种投资方向的数据进行分析，以选择最佳的投资方向。数据挖掘可以通过对已有数据的处理，找到数据对象之间的关系，然后利用学习得到的模式进行合理的预测。