物联网与数据挖掘

物联网与云计算是目前信息技术研究的热点，而什么是数据挖掘，它在物联网与云计算中扮演着什么样的角色呢？它会以什么方式与这两项技术相结合呢？

众所周知，计算机软、硬件技术和网络技术的快速发展，使得异地、异构、海量数据的检索、传输、存储和实时处理及应用成为可能，给人们的工作、生活和学习带来了极大方便，但由于数据过量，良莠不齐，真假难辨，难以取舍、消化和吸收；在数据海洋中，检索到实际需要、真正有用的信息和知识，就如大海捞针一样，难上加难；再者，人们也不再满足于从数据海洋中只是得到“纯数据”，而是希望从中求得“信息”，进而得到“知识”。这一切都使传统的检索查询技术遭遇到空前的挑战，于是，出现了数据挖掘和知识发现及基于内容的声像检索等新的研究领域和应用技术。

数据挖掘(data mining)，又称数据挖掘和知识发现（Data Mining and Knowledge Discovery——DMKD），从技术上看，是从海量的、不完全的、有噪声的、模糊的、随机的数据中，利用人工智能、机器学习、数据处理、概率统计理论等诸多学科派生出来的许多理论模型和统计计算中的算法，通过去伪存真、去粗取精、由表及里、由此及彼的大量分析计算和统计处理，挖掘隐含在其中预先未知的、但可能具有潜在应用价值的信息和知识的过程。

数据挖掘从应用上看，是一种新的数据处理技术，其主要特点是对数据库中的大量数据进行抽取、转换、分析和模型化处理，从中提取辅助决策的关键性数据。换句话说，数据挖掘实质上是一类深层次的数据分析方法，是一门交叉学科，把人们对数据的应用从低层次的简单查询提升到从数据中挖掘信息和知识，提供决策支持，在军事、商业、社会、健康和体育科学等领域有着许多成功的应用。

数据挖掘的数据源有文本数据、栅格数据、关系数据库、面向对象数据库、空间数据库、时态数据库、多媒体数据库、异质数据库、统计数据库以及因特网上Web数据、物联网数据等。数据挖掘的主要功能有数据初分析，概念描述，关联分析，聚类和分类，趋势预测、行为和偏差检测等。数据挖掘的常用算法有神经元网络计算、决策树计算、回归计算、聚类计算、分类计算、关联分析和时间序列分析等。