物联网与数据挖掘习题答案第1章 课后习题.docx

1-1简述物联网的产生与发展。参见教材第小节。1-2简述物联网与无线传感器网络之间的区别与联系。无线传感器网络由部署在监测区域内的大量静止或移动的廉价微型传感器节点组成，通 过无线通信方式形成一个多跳的自组织无线网络，目的是协作地感知、采集、处理和传输覆 盖区内被感知对象的信息，并把这些信息发送给远方的观察者。无线传感器网络中的传感器 根据应用场景的不同往往涉及多种类型，可以设置用于监测温度、湿度、亮度、气体成分、 土壤成分、噪声、地震、电磁、压力、移动物体的大小、速度和方向等多种多样的参数。相 较而言，物联网涉及的技术范围及设施更加广泛，无线传感器网络可以被看作一种有效实现 物联网的技术，或者说是物联网的一个代表性实例。1-3简述物联网的体系结构。由于人们对物联网技术体系的理解有一定的差异性，因此有多种不完全相同的物联网体 系结构，相对得到更多人认可的是一种四层结构，有感知层、网络层、管理服务层、应用层。1-4数据挖掘的主要过程包括哪些方面？数据挖掘的主要过程有数据清洗、数据集成、数据选择、数据变换、数据挖掘、模式评 估、知识表示。上述过程形成了一个闭环，这使得我们可以不断地迭代优化知识发现过程。1-5简述数据挖掘的主要支撑技术。数据挖掘的主要支撑技术有数据库系统、数据仓库、统计学、云计算、可视化、算法、 机器学习。1-6简述数据挖掘与机器学习之间的异同点。机器学习是数据挖掘的重要工具，两者具有密切的联系。具体来说，机器学习的目的是 利用数据计算出能够近似目标的假设，即随着任务的不断执行，经验的累计能够带来计算机 程序性能的提升，而数据挖掘的目的是寻找数据中有趣的模式。如果有趣的模式是能够近似 目标的假设，那么我们认为数据挖掘等同于机器学习；如果有趣的模式与能够近似目标的假 设密切相关，那么数据挖掘和机器学习往往可以相互促进和帮助。例如，可以先利用异常检 测算法剔除数据中的异常点，然后在净化后的数据上训练一个机器学习模型。数据挖掘不仅 要研究、拓展和应用一些机器学习方法，还要通过许多非机器学习技术解决数据仓储、大数 据、数据声音等更为实际的问题。因此，数据挖掘可以被视为机器学习和数据库的交叉，利 用数据库技术来管理海量数据，借助机器学习来分析海量数据。1-7如何理解物联网与数据挖掘之间的关系？物联网与数据挖掘两者之间存在着密切的关系。具体来说，物联网技术的发展和成熟使 得我们能够产生、感知、收集、存储和汇集大量的数据，这为数据挖掘提供了数据来源和数 据准备；数据挖掘则提供了发现数据中隐含知识的解决方案和强有力的工具，通过将数据转 化为知识的方式来提升物联网基础设施和系统的性能，改善物联网上层应用的服务质量，促 进资源和服务的最优管理，使物联网变得更加自主智能，提供更加立体化的服务。1-8简述物联网环境下数据的特点。物联网环境下数据的特点：容量大、类型多、速度快、价值密度低和真实性。1-9在应用数据挖掘技术解决实际问题时，应考虑哪些因素？需要考虑数据的特点、据分析的目标及约束条件、数据挖掘算法。1-10结合日常生产生活，介绍一种基于物联网与数据挖掘技术的典型应用。试说明该应用的数据采集方案与数据挖掘技术。基于物联网和数据挖掘技术的应用已经渗透到人类社会生产生活的方方面面，比如智能 家居。旨在利用各类传感器单元构建一个周围辅助生活系统，将窗帘控制、空调调节、照明 系统、安防系统、厨房系统、洗浴系统等各种家庭设备，通过智能家庭网络连网来实现自动 化，并通过监测个体的睡眠、用餐、盥洗等日常活动，利用数据挖掘技术来挖掘个体的行为 模式，预测个体的健康状况，进而根据个体的行为能力等级提供层次化精细照护服务，以维 持个体的独立、良好的生活品质。