文档介绍：物联网智能信息处理技术
与传统的关系型数据库相比,NoSQL数据库的存储数据方式发生了变化:例如,当需要存储发票的数据时,在传统的关系数据模型中,需要设计表的结构,然后使用服务器端语言将其转化为实体对象,再传递到用户端;而在NoSQL中,物联网智能信息处理技术
与传统的关系型数据库相比,NoSQL数据库的存储数据方式发生了变化:例如,当需要存储发票的数据时,在传统的关系数据模型中,需要设计表的结构,然后使用服务器端语言将其转化为实体对象,再传递到用户端;而在NoSQL中,只需要保存发票数据。
NoSQL不需要预先设计表和结构就可存储新的数值。
NoSQL数据库拥有三“高”特征:
(1)Highperformance(满足对数据库高并发读写的需求)
(2)HugeStorage(满足对海量数据的高效率存储和访问的需求)
(3)HighScalability&&HighAvailability(满足对数据库的高可扩展性和高可用性的需求)。
NoSQL数据库能够满足物联网应用的大数据的需求,将会随着物联网应用的发展展现新的应用和发展空间。
3、关系数据库和实时数据库的选择
实时数据库比关系型数据库更能胜任海量并发数据的采集、存储。面对越来越多的数据,关系型数据库的处理响应速度会出现延迟甚至假死,而实时数据库不会出现这样的情况。
对于仓储管理、标签管理、身份管理等数据量相对比较小,实时性要求低的应用领域,关系型数据库更加适合。
智能电网、水域监测、智能交通、智能医疗等将来面临海量并发,对实时性要求极高的应用领域,实时数据库具有更多的优势。
试点型工程阶段时,需要采集点较少,关系型数据库可以替代实时数据库。应用范围越来越广泛,采集点就会相应的增多,实时数据库是最好的选择。
1、数据融合及目标
数据融合是一种数据处理技术,指将多种数据或信息进行处理得出高效且符合用户需求的数据的过程。
它是利用计算机对按时序获得的若干观测信息,在一定准则下加以自动分析、综合的一种信息处理技术。
数据融合类似人类和其他动物对复杂问题的综合处理,比如在辨别一个事物的时候,通常会综合各种感官信息,包括视觉、触觉、嗅觉和听觉等。
数据融合一般有数据级融合、特征级融合、决策级融合等层次的融合。(学生成绩统计表)
(1)数据级融合:直接在采集到的原始数据上进行融合,是最低层次的融合,它直接融合现场数据,失真度小,提供的信息比较全面。
(2)特征级融合:先对来自传感器的原始信息进行特征提取,然后对特征信息进行综合分析和处理,这一级的融合可实现信息压缩,有利于实时处理,属于中间层次的融合。
(3)决策级融合:在高层次上进行,根据一定的准则和决策的可信度做最优决策,以达到良好的实时性和容错性。
2、数据挖掘概念、过程
(1)基本概念
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的数据中提取潜在的、事先未知的、有用的、能被人理解的有用信息和知识的数据处理过程。
数据挖掘的数据源必须是真实的、大量的、含噪声的;发现的是用户感兴趣的知识;发现的知识要可接受、可理解、可运用。被挖掘的数据可以是结构化的关系数据库中的数据,半结构化的文本、图形和图像数据等。
数据挖掘是决策支持和过程控制的重要支撑手段之一。
(2)数据挖掘过程
数据挖掘过程一个反复迭代的人机交互和处理过程,
主要包括数据预处理、数据挖掘和对数据挖掘结果的评估
与表示三个阶段:
①数据预处理阶段
数据准备: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:通过投影或其他操作减少数据量。
②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。
③知识评估与表示阶段
模式评估:对数据挖掘步骤中发现的模式(知识)进行评估。
知识表示:呈现所挖掘的知识。
3、物联网的数据挖掘
数据挖掘时决策支持和过程控制所采用重要技术手段,是物联网中重要的一环。
在物联网中进行数据挖掘已经从传统意义上的数据统计分析、潜在模式发现与挖掘,转向成为物联网中不可缺少的工具和环节。
(1)物联网的计算模式
物联网一般有两种基本计算模式,即物计算模式和云计算模式。
物计算模式基于嵌入式系统,强调实时控制,对终端设备的性能要求较高,系统的智能主要表现在终端设备上。
云计算模式以互联网为基础,目的是实现资源共享和资源整合,其计算资源是动态、可伸缩、虚拟化的。云计算模式通过分布式的方式采集物联网中的数据,系统的智能主要体现在数据挖掘和处理上,需要较强的集中计算能力和高带宽,