物联网数据挖掘论文

导语：物联网数据挖掘论文一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

1物联网数据挖掘流程

物联网数据挖掘处理功能需要在Hadoop平台和Map/Reduce模式基础上进行，对此需要划分2个不同层面的操作流程。

1.1Hadoop平台的具体操作流程

（1）对物联网中的RFID数据进行过滤、转换、合并的处理，并在分布式系统HDFS中保存PML文件形式的数据。同时，可采取副本策略来处理PML文件，在同一机构的不同节点或不同机构的某一节点上保存PML文件中的2-3个副本，进而可实现对存储、处理、节点失效问题的有效解决。

（2）在执行任务过程中，创建和管理控制是Master（主控程序）的主要工作，当Worker处于空闲状态时会接收到有关的分配任务，需与Map/Reduce互相合作实现操作处理，处理的最终结果由Master来归并，同时将反馈结果传送给用户。

1.2Map/Reduce的具体操作流程

（1）根据参数在Map/Reduce思想指导下对输入文件进行分割处理，使其细化为M块（16-64M大小范围）。

（2）Master、Worker、Map操作（M个）、Reduce操作（R个）是构成执行程序的主要部分，其中Map/Reduce的处理任务会由Master伴随物联网的快速发展和广泛应用，人们可以有效利用物联网来实现信息交换和通信的目的，不过物联网海量数据的日益增多大大降低了物联网服务的质量。在此，对基于Apriori算法进行物联网数据挖掘研究。摘要将其分配给空闲的Worker。

（3）在处理Map任务时，Worker会读取处理中的数据，并向Map函数传送<key，value>，而后产生中间结果在内存中缓存且定时向本地硬盘传送。此外，依据分区函数将中间结果分割为R块区，利用Master将本地硬盘接收到的数据位置信息传送给Reduce函数。

（4）ReduceWorker根据Master所传送的文件信息采用远程读取方式来操作，以在本地文件中找到对应的文件，对文件的中间key进行有序排列，并利用远程发送信息给具体执行的Reduce。

（5）ReduceWorker依据key排序后的中间数据向Reduce函数传送与key对应的中间结果集，而最后的结果需采取最终输出文件来进行编写。

（6）当Map、Reduce的任务全部完成之后，MapReduce将回归到用户程序的调用点处，同时以Master对用户程序进行激活。

2基于Apriori算法的物联网数据挖掘

2.1Apriori数据挖掘原理和操作流程

Apriori是提升物联网数据挖掘功能的一种最有效算法，其原理是在K项集中以逐层搜索迭代的方式来探索。具体的操作流程包括：

（1）扫描数据集以生成频繁1-项集L1。

（2）通过L1来探索频繁项集L2，采用不断迭代的方式来持续探索，直至频繁项集是空集。

2.2K次循环搜索后的数据挖掘流程

当已完成了K次循环搜索时，还需要进行2个数据挖掘的操作流程：（1）在LK-1生成CK（候选集）之后，开展JOIN操作。（2）支持度统计和剪枝的操作依据Apriori性质来进行，而后使得CK生成LK（频繁集）。为提高物联网数据挖掘的效率，节省系统的时间和内存消耗，在Apriori算法基础上还需要借鉴和移植云计算平台的分布式并行计算性质。如此以实现Hadoop架构的建立，在扫描数据库查找频繁项集中得到的并联规则需要存储在Hadoop架构中。同时，为取得各个计算节点上的局部频繁项集，各个DataNode节点需要经历并行操作的扫描处理，并使用Master来统计和确定实际全局的支持度、频繁项集。

2.3Apriori算法Map/Reduce化的处理流程

上述提及基于Apriori算法的物联网数据挖掘需借助于Map/Reduce模式，其数据挖掘功能的实现还应Map/Reduce化Apriori算法。主要的处理流程包括：

（1）用户提出挖掘服务的请求，且由用户来设置Apriori所需的数据，如最小支持度、置信度。

（2）当Master接收到请求后，通过NameNode来进行PML文件的申请，而后逐步完成访问空闲节点列表、向空闲的DataNode分配任务、调度和并行处理各个DataNode需要的存储节点算法。

（3）运用Map函数来处理每个DataNode的<key，value>对映射、新键值对，以CnK（用1表示每一个CnK的支持度）来表示所产生的一个局部候选频繁K项集。

（4）通过Reduce函数来实现调用计算，对每个DataNode节点上相同候选项集的支持度进行累加，以产生一个实际的支持度，将其与最小支持度（用户申请时所设置）进行比较，进而用LnK表示所生成的局部频繁K项集的集合。

（5）对所有的处理结果进行合并，从而实现全局频繁K项集LK的生成。

3结论

综上所述，根据物联网数据的特点，以及物联网海量数据挖掘问题的存在情况。我们积极将Apriori算法应用于物流网数据挖掘，这对于提高物联网海量数据挖掘功能和效率有较大的作用及意义，而物流网数据挖掘问题也能得到有效的解决。

作者:海海洋单位:汕尾职业技术学院