淺談云計算下物聯網的數據挖掘模式分析

馬亮亮

（西京學院，陜西西安，710123）

淺談云計算下物聯網的數據挖掘模式分析

馬亮亮

（西京學院，陜西西安，710123）

隨著科學技術的不斷發展，信息通信業獲得了較好發展，以云計算為基礎的物聯網也開始受到很多人的關注。物聯網中形成的大量信息和時間以及空間有著一定關聯，其具有動態、異構以及分布的特點，這對物聯網數據挖掘而言是相當艱難的。本文對建立在云計算之上的物聯網數據挖掘模式進行研究，以期可以給其日后發展帶來一些有用的參考信息。

云計算；物聯網；數據挖掘模式

0 引言

隨著現代化科技的不斷發展，信息通信開始步入了大容量快速傳遞時代，建立在云計算之上的物聯網也獲得了較多人的關注。物聯網就是將物和物進行連接的網絡，簡單而言就是借助于物聯網實現從人向物的延續。物聯網中形成的大量信息和時間以及空間有著一定關聯，其具有動態、異構以及分布的特點，這對物聯網數據挖掘而言是相當艱難的，所以本文就給大家詳細闡述其挖掘的主要模式，此次探究將會對其日后發展帶來較大的便利。

1 基于云計算的物聯網特性

社會的進步必將會促進科技的不斷發展，最近些年物聯網在當前社會中獲得了較好發展，隨著科技的不斷進步，物聯網也得到了迅速發展。物聯網就是一個分布在物和物之間的巨大網絡，能夠對人們現實生活中的所有事情進行監控，很多應用終端也開始融入到物聯網中，涵蓋了交通、建筑等。但是，當這些各種終端都融入到物聯網之后，其形成的數據也就會不斷的增多，數據種類和格式自然也會不斷的趨向復雜，使用傳統的數據挖掘方式已經無法適應當前物聯網的發展需求，所以，要想很好的處理上述問題，就必須要找到一種新的挖掘技術，這樣才可以很好的滿足物聯網的發展需求，基于云計算之上的系統能夠很好的符合這個要求。

在現實生活中的網絡里，物聯網數據有著較強的動態性和異構性，其數據和時間以及空間都有著緊密關系，就是因為這些反而給物聯網數據挖掘造成了較大難題，要想了解物聯網數據是需要花費較多時間和內存，并且效率還比較低。于是，云計算挖掘技術就這樣形成了，該技術的形成給物聯網數據挖掘帶來了很大便利。這種方式，就是將云計算當作挖掘平臺，創建分布式時空數據庫，通過該數據庫就能夠創建一個有著巨大網絡體系的數據挖掘模型。基于云計算的數據挖掘就是借助于研究，證實這個模型能夠很好的完成物聯網中的數據挖掘工作。

物聯網數據有著容量大并且較強的動態性和異構性特點，其種類還有著一定的復雜性和時空性等特征，就是因為這些特點，給數據挖掘帶來了很大難題，利用云計算網絡體系，可以很好的處理這些問題，讓物聯網數據挖掘在操作中更為簡單和便捷。

2 基于云計算的數據挖掘模型

基于云計算的數據挖掘平臺其實就是可以不斷提供動態資源以及虛擬化的運算平臺。該平臺被用作研發具有較高性能的應用程序，還能夠借助于云計算完成數據挖掘，給數據挖掘工作帶來了十分便利的模式。

在設計基于云計算的數據挖掘系統時，首先是通過軟件的分層設計思想，把這個系統劃分成從上到下的幾個層次，分別為：用戶層、任務層以及算法層。在該平臺里，軟件底層是透明的，可以給其上層帶來服務，上層就能夠借助于層間的開放接口對下層進行調控，指導下層工作，這樣就能夠實現層和層之間的功能互相獨立，這種設計思想主要是為了方便數據挖掘體系的二次研發，并且還在各個層中設定了多層插件結構，這些結構讓整個算法更為靈活，并且還能夠很好的進行維護。建立在云計算之上的物聯網數據挖掘不光要符合該數據的繁雜性還需要能夠適應該數據具有的高動態性，因此，這種建立在云計算之上的物聯網數據挖掘模式是當前最為合適的，也是最為便捷的一個模式。

3 基于云計算的物聯網數據挖掘模式分析

物聯網的數據挖掘模式主要是根據該網所處環境來設定的，因為其有著較強的繁雜性和關聯性等特征，并且這些特征之間還有著一定差異，造成物聯網的建模形式和傳統形式間有著較大不同。基于云計算的物聯網數據挖掘模式就是首先需要對該網的數據特點進行詳細研究，之后在依據研究結果給出最佳的處理辦法和思路，在總結中獲取最佳的數據模型。物聯網數據具有下面一些特征：關聯性、容量大、質量較差、時空性以及非結構性，這些都是和傳統的數據挖掘有著很大不同。

時空性就是原始數據一般都是從某個四維空間中的時空網絡中獲取而來，其具體的抽象示意圖如圖所示，各個點就是物聯網中所有個體，各個邊就是該網中物和物之間互相之間的聯系。

基于云計算的網絡挖掘技術能夠很好的處理數據丟失和錯誤問題，該技術對數據丟失和錯誤有著較強的包容性，受到的影響也是比較小。在使用該技術進行建模時，還需要考慮怎樣展示物理之間各個個體間聯系，物理個體之間如果是存在間接聯系，那么就能夠借助于創建拉普拉斯變換模型或者是SVD模型轉換獲得。

基于超圖物聯網數據模型，超圖中所有邊都能夠和隨意一點進行連接，借助于超邊就能夠展示整個網中較為繁雜的關聯關系，點集合X={v1，v2，v3，v4，v5，v6，v7}超邊集合E={e1，e2，e3，e4}={{v1，v2，v3}，{v2，v3}。

穩定的可外推非參數模型，在物聯網數據運用過程中，要想創建對應的物理模型，就一定要首先掌握事物之間各種聯系，再創建數學模型，使用該模型展示數量間聯系，但是物聯網中存在的數據丟失或錯誤以及數據繁雜性等問題，就會導致傳統的物流建模方式有著較強的約束性。

4 隱馬爾科夫鏈的數據挖掘模式構建

基于云計算的物聯網數據挖掘中，隱馬爾可夫模型（HMM）就是馬爾可夫鏈的一種，其是一個雙重隨機過程，具有一定狀態數的隱馬爾科夫鏈和顯示隨機函數集，其狀態能夠借助于觀測向量序列獲得，其中所有的觀測向量都是從有著一定概率分布的狀態序列中形成的。一個較為完整、健全的隱馬爾可夫模型（HMM）涵蓋了先隱藏狀態集，再狀態轉移概率分布，然后觀察量集合和觀察量概率分布，最后初始狀態概率分布。

建立在馬爾可夫鏈模型之上的物聯網數據，借助于目前已有的知識和信息就能夠對日后事物進行預測。當數據處于較為理想狀態時，設備中具有的動力學特點以及測量過程都能夠創建較為精確的模型描述，這樣就能夠依據該體系的實際狀態估計和殘差信號開展統計分析，使用各類辦法對故障進行詳細劃分。

5 結論

物聯網數據挖掘模式有效的改善了計算機中信息傳遞形式，其還有著改變全世界的潛能。從上文能夠得出，隨著物聯網科技的不斷發展，建立在云計算之上的物聯網數據挖掘模式，能夠很好的處理物聯網在數據挖掘上存在的一些問題和困難，不光很好的處理了數據存儲中的節點實效問題，還很好的削減了數據傳遞時間，有效提升了挖掘效率，讓物聯網系統可以更好的在商業中獲得運用，給公司帶來更多的商業決策。

[1]黃志艷.基于數據挖掘的在線審計模型設計[J].電子技術與軟件工程.2016(21)

[2]金龍.云計算環境中的數據挖掘存儲管理設計[J].軟件工程師.2012(12)

Analysis of Data Mining Patterns of Internet of Things under Cloud Computing

Ma Liangliang
（Xijing University，Xi'an Shanxi，710123）

With the continuous development of science and technology, information and communication industry has been a better development, cloud computing based networking has also begun to be a lot of people's attention. A large amount of information, time and space are formed in the Internet of things, which has the characteristics of dynamic, heterogeneous and distributed. This paper based on the cloud computing on the Internet data mining model is studied, in order to give the day after the development of some useful information.

Cloud computing; Internet of things; Data mining model