云计算物联网数据挖掘技术的应用系统分析【摘要】本文提出基于云计算的物联网数据挖掘模型，以云计算作为技术支持平台，在构建面向物联网的分布式时空数据库的基础上，搭建面向物联网海量数据的数据挖掘模型。【关键词】物联网；云计算；数据挖掘；并行算法ThingscloudcomputingdataminingtechniquesforAppliedSystemsAnalysisLiHu-qun(HandanPurificationEquipmentResearchInstituteHandanHebei056107)[Abstract]Inthispaper,dataminingmodelbasedoncloudcomputingnetworkingtocloudcomputingasatechnicalsupportplatform,builtonadistributedobject-orientednetworkingontemporaldatabases,networkingmassivedatastructuresfordataminingmodels.【Keywords】Things;Cloudcomputing；Datamining；Parallelalgorithms根据物联网中数据的特点，本文提出一种基于云计算的物联网数据挖掘模型。首先结合海计算技术建立基于云计算存储构架的面向物联网的分布式时空数据库，用以存储物联网中的数据，以此数据库为基础构建保存历史记录的面向主题的数据仓库。在此基础上，构建面向物联网的数据挖掘框架，结合并行数据挖掘算法，完成各项数据挖掘任务，包括数据抽取、分类预测、聚类、关联规则发现等。1.物联网数据挖掘的关键问题1.1物联网系统中数据的特点。(1)数据量大。每个物联网系统拥有成千上万甚至更多的传感设备，这些传感设备不断向数据中心传输采集到的数据。数据中心不仅要存储当前接收到的采集数据，同时需要保存历史数据，用以支持对象的状态跟踪、数据统计分析及数据挖掘。因此，物联网系统中数据挖掘任务面临的第一个关键问题是数据量大。(2)数据类型复杂。物联网系统监控的对象种类繁多，包括交通、生物、森林、建筑等。不同监控对象所采集的信息各不相同，例如交通系统中需要采集视频信息，医学监控系统需要采集诸如脉搏、血压等生理信息以及医学立体影响信息等。可见物联网系统采集的数据类型复杂，包括文本类型、图像类型、视频类型等。(3)数据具有异构性。物联网系统中包含多种传感终端，如GPS传感终端、RFID传感终端、视频传感终端、无线传感器等。不同的传感终端采集到的数据的格式和语义均不相同。数据的异构性为数据存储与挖掘增加难度。(4)高度动态性。每个时刻都有不同的传感终端添加到物联网中或者从物联网中移除。随着传感节点的增加，其采集到的数据要插人数据库中。同样当一个传感节点从物联网中移除后，数据库不应再记录该传感节点采集到数据。一个物联网系统含有大量的传感节点，每个传感节点动态变化频繁，因此物联网系统中的数据具有高度动态性。(5)时空特性。物联网系统的传感终端分布在不同地区，每个传感终端采集到的数据均反应该时刻监控对象的状态及其他信息。感知数据在特定时间和特定空间内才有意义，如果不在这个地点或过了这个时间，数据的意义可能就不大了。因此，复杂的时空特性是物联网系统中数据的一个显著特点。(6)不完整性。物联网系统的传感终端在无人工监控状态下工作，每个传感终端随时可能受到自然因素或者人为因素的攻击，包括雷电破坏、人工恶意破坏等，导致传感终端数据接收不完整。另一方面，尽管传感终端可以被广泛的部署在不同地理位置，但是依然无法覆盖每一个角落，因此空间数据收集不完整也是物联网系统数据的特点之一。1.2物联网对数据挖掘的要求。(1)实时高效数据挖掘。物联网系统中任何一个控制端均需要对环境进行实时分析并做出正确决策。因此实时、高效是物联网系统对数据挖掘最为关键的要求之一。(2)分布式数据挖掘。物联网计算设备和数据天然分布，不得不采用分布式并行数据挖掘。(3)数据质量控制。多源、多模态、多媒体、多格式数据的存储与管理是控制数据质量，获得真实结果的重要保证。(4)决策控制。挖掘出的模式、规则、特征指标用于预测、决策和控制。(5)挖掘任务。主要包括数据抽取、分类预测、聚类、关联规则发现等。图1基于云计算的物联网数据模型框架1.3物联网环境数据挖掘存在的挑战。(1)数据挖掘算法的选择。选择合适的算法，并米取适当的并行策略，然后才能提同并行效率。因此算法的设计变得非常重要，...