龙源期刊网 http://www.qikan.com.cn
机器学习在物联网应用综述
作者：姜学鹏 洪贝 崔嘉
来源：《科学与信息化》2018年第07期
摘 要 为解决物联网应用面临的数据超载问题，本文首先进行数据问题分析，引出机器学习处理物联网产生的大量数据分析。为更好体现物联网应用，又提出深度学习，提升机器学习在物联网中的数据分析应用，包括对物联网应用决策的影响。最后，总结了物联网和机器学习的发展趋势。
关键词 机器学习；深度学习；物联网 前言
物联网把新一代IT技术充分运用在各行各业之中，具体地说，就是把感应器嵌入和装备到电网、铁路、桥梁、隧道、公路、建筑、供水系统、大坝、油气管道等各种物体中，然后将“物联网”与现有的互联网整合起来，实现人类社会与物理系统的整合，在这个整合的网络当中，存在能力超级强大的中心计算机群，能够对整合网络内的人员、机器、设备和基础设施实施实时的管理和控制，在此基础上，人类可以以更加精细和动态的方式管理生产和生活，达到“智慧”状态，提高资源利用率和生产力水平，改善人与自然间的关系。
国际电信联盟2005年一份报告曾描绘“物联网”时代的图景：当司机出现操作失误时汽车会自动报警；公文包会提醒主人忘带了什么东西；衣服会“告诉”洗衣机对颜色和水温的要求等等。
物联网的用途极为广泛，几乎可以在各行业、各领域得到应用。但随着应用广泛，其瓶颈问题也日渐暴露：数据超载！如此诸多的物联网应用都在产生大量的数据，以至于仅仅依靠人力而无法进行实时的分析和利用。
在物联网系统响应方面，数据科学家通过分析大量的数据来识别模式并定义规则，针对技术更新带来新因素的出现，影响正确行动的采取问题，物联网技术研究热点聚焦于如何确保物联网系统在变化的环境中，仍然能够做出最佳响应。这是典型机器学习问题，因此本文引入机器学习理论，分析其在物联网中的应用。 1 机器学习在物联网中的应用
“机器学习使计算机富有了学习能力，不需要显示的程序指令就能创建算法，从数据中学习并做出预测。”Arthur Samuel如是说。
给一个简单的物联网应用定义一个规则——比如当温度太高时，就把发动机关掉——该规则非常简单。然而确定多个传感器的输入与外部因素之间的相关性是非常困难的。现在仅考虑