完美数据处理,构建智慧城市

[2014年2月18日,陕西西安]智慧城市的技术架构分成感知层、网络层和应用层。当把感知层采集的大量数据信息以某种格式记录在特定存储介质以后,最重要的就是如何从大量的、不完整的、模糊的、随机的实际应用数据中,提取隐含在其中,人们事先不知道但有潜在意义的信息和知识。这个过程就是数据处理。

智慧城市建设的过程中,如何将从感知层提取出来的海量数据提取分析出来为人所用就变得尤为关键。从目前看来,这些数据处理的任务主要包括以下几个部分:

一 关联分析 数据关联是数据库中存在的一类重要的、可被发现的信息。关联包括简单关联、时序关联和因果关联。关联分析的目的是找出数据库中隐藏的关联网。一般用支持度和可信度两个阈值来度量关联规则的相关性,还不断引入兴趣度、相关性等参数,使得所挖掘的规律更加符合要求

二 聚类分析 聚类是把数据按照相似性进行归类。聚类分类可以建立数据的宏观概念,发现数据的分布模式,以及可能的数据属性之间的相互关系。

三 分类 分类就是找出一个类别的概念描述,他代表了这类数据的整体信息,即该类的内涵描述,并用这种描述来构造模型,一般用规则或决策树模式表示。分类是利用训练数据集通过一定的算法而求得分类规则。分类可用于规则描述和预测。

四 预测 预测是利用历史数据找出变化规律,建立模型,并由此模型对未来数据的种类以及特征进行预测。预测关心的是精度和不确定性,通常用预测方差来度量

五 偏差分析 在偏差中包括很多有用的知识,数据库中的数据存在很多异常情况,发现数据库中数据存在的异常情况是非常重要的。偏差检验的基本方法就是寻找观察结果与参照之间的差别。

通过以上方法进行数据处理,还要结合每个城市的实际情况,才能为智能决策提供可靠的数据依据。

本文来源:时光·协同
更多
相关文章
关注我们
媒介联系

Email:marketing@cicro.com

TEL:(8629)87579521

FAX:(8629)87579518