面向物联网数据分析的机器学习：综述
机器学习
2018-02-20 v1 计算机与社会
分布式、并行与集群计算
摘要
硬件、软件和通信技术的快速发展使得可连接互联网的传感设备得以出现，这些设备提供来自物理世界的观测与数据测量。据估计，到2020年，正在使用的互联网连接设备总数将在250亿到500亿之间。随着数量增长和技术日益成熟，发布的数据量将会增加。被称为物联网（IoT）的互联网连接设备技术，通过提供物理世界与网络世界之间的连接与交互，持续扩展当前的互联网。除了数据量增大之外，物联网还产生了以时间和位置依赖为特征的流速型大数据，具有多种模态和变化的数据质量。对此类大数据进行智能处理与分析是开发智能物联网应用的关键。本文通过以智能城市为主要用例，评估了应对物联网数据挑战的不同机器学习方法。本研究的主要贡献是提出了一种机器学习算法的分类体系，阐释了不同技术如何应用于数据以提取更高层次的信息。本文还将讨论机器学习用于物联网数据分析的潜力与挑战。文中给出了在奥胡斯智能城市交通数据上应用支持向量机（SVM）的用例以进行更详细的探究。
引用
@article{arxiv.1802.06305,
title = {Machine learning for Internet of Things data analysis: A survey},
author = {Mohammad Saeid Mahdavinejad and Mohammadreza Rezvan and Mohammadamin Barekatain and Peyman Adibi and Payam Barnaghi and Amit P. Sheth},
journal= {arXiv preprint arXiv:1802.06305},
year = {2018}
}
备注
Digital Communications and Networks (2017)