李晉宏++戴海濤

摘要：隨著可穿戴設(shè)備的迅速發(fā)展與廣泛普及，由各式各樣的穿戴設(shè)備產(chǎn)生的運(yùn)動(dòng)監(jiān)測(cè)數(shù)據(jù)、睡眠記錄數(shù)據(jù)、血氧血壓血糖等個(gè)人健康數(shù)據(jù)量也越來越大。而數(shù)據(jù)挖掘及可視化技術(shù)的發(fā)展，也為可穿戴設(shè)備的進(jìn)一步發(fā)展提供了良好的基礎(chǔ)，可穿戴設(shè)備也只有結(jié)合著數(shù)據(jù)挖掘，才能為用戶提供更多有價(jià)值的信息，進(jìn)而增加用戶的粘性。如何充分利用這些數(shù)據(jù)以便于從中挖掘出有價(jià)值的信息，如何將這些數(shù)據(jù)結(jié)合著可視化技術(shù)予以展現(xiàn)，引起越來越多研究人員的關(guān)注。本文通過對(duì)可穿戴設(shè)備及可視化數(shù)據(jù)挖掘技術(shù)發(fā)展現(xiàn)狀的分析，來展望可穿戴設(shè)備與可視化數(shù)據(jù)挖掘可能結(jié)合的領(lǐng)域或方向。

關(guān)鍵詞：可穿戴設(shè)備；數(shù)據(jù)挖掘；可視化技術(shù)

中圖分類號(hào)：TP182

文獻(xiàn)標(biāo)識(shí)碼：A

DOI：10.3969/j.issn.1003-6970.2015.12.016

本文著錄格式：李晉宏，戴海濤.可穿戴設(shè)備數(shù)據(jù)挖掘及可視化技術(shù)的研究[J]軟件，2015，36（12）：69-71

1 引言

智能化是科技發(fā)展的必然趨勢(shì)，人們的生活也將隨著智能科技的發(fā)展而改變。近幾年來，智能手機(jī)、智能電視行業(yè)迅速發(fā)展壯大，漸漸成為人們生活中不可缺少的產(chǎn)品。不僅僅是手機(jī)與電視，自從谷歌推出第一代GoogleGlass開始，智能可穿戴設(shè)備市場(chǎng)就已開始萌芽。

顧名思義，可穿戴設(shè)備即可以直接穿在身上，或是整合到用戶的衣服及配件中的便攜式設(shè)備?？纱┐髟O(shè)備不僅僅是一種硬件設(shè)備，更是可以通過軟件支持以及云端數(shù)據(jù)交互，來實(shí)現(xiàn)更加強(qiáng)大的功能。近年來，隨著可穿戴設(shè)備的迅猛發(fā)展，這些設(shè)備傳感器產(chǎn)生的大量數(shù)據(jù)也越發(fā)引人關(guān)注，這些數(shù)據(jù)是不是可以被充分地利用，進(jìn)而從中發(fā)現(xiàn)潛在的有價(jià)值的信息呢？

答案是肯定的，尤其是隨著數(shù)據(jù)挖掘技術(shù)及可視化技術(shù)的發(fā)展，更是為充分利用可穿戴設(shè)備數(shù)據(jù)奠定了良好的技術(shù)基礎(chǔ)。通過數(shù)據(jù)可視化技術(shù)，我們可以將這些數(shù)據(jù)以二維或三維的形式直觀地呈現(xiàn)出來，從而使得數(shù)據(jù)更容易被解釋，同時(shí)借助數(shù)據(jù)挖掘技術(shù)，我們可以從這些數(shù)據(jù)當(dāng)中挖掘出真正有價(jià)值的信息，并將這些信息提供給相關(guān)決策人員，進(jìn)而使得這些數(shù)據(jù)被充分的利用起來，使這些數(shù)據(jù)活起來。

2 可穿戴設(shè)備

2.1 可穿戴設(shè)備分類

目前市場(chǎng)上的可穿戴設(shè)備按照功能不同主要可分為以下幾類：

2.1.1運(yùn)動(dòng)健身類

運(yùn)動(dòng)健身類是目前最為熱門的產(chǎn)品，其中的代表性產(chǎn)品包括Jawbone Up、Misfit Shine三星GearFit等。這些產(chǎn)品最主要的功能就是記錄人體運(yùn)動(dòng)、睡眠、飲食等各種與健康相關(guān)的數(shù)據(jù)，通過配套的應(yīng)用軟件，幫助消費(fèi)者調(diào)整作息規(guī)律、督促加強(qiáng)訓(xùn)練，從而實(shí)現(xiàn)健康的生活方式。這些產(chǎn)品大都帶有陀螺儀、加速計(jì)等傳感器，從而測(cè)出佩戴者的運(yùn)動(dòng)量、卡路里消耗等數(shù)據(jù)，并將數(shù)據(jù)傳輸?shù)街悄苁謾C(jī)，進(jìn)而再傳輸至云端。

2.1.2 信息資訊類

信息資訊類可穿戴設(shè)備是綜合性比較高的可穿戴產(chǎn)品，其中以谷歌眼鏡及Apple Watch為代表。這類產(chǎn)品一般都在其中搭載智能手機(jī)操作系統(tǒng)，進(jìn)而極大地豐富了產(chǎn)品的功能。例如，谷歌眼鏡讓用戶通過語(yǔ)音實(shí)現(xiàn)搜索，并在屏幕上實(shí)時(shí)顯示包括導(dǎo)航/生活等各種信息，而Apple Watch基本可以稱之為迷你版的iPhone，這足以說明其功能的豐富。

2.1.3 醫(yī)療保健類

醫(yī)療保健類可穿戴設(shè)備，是目前市場(chǎng)上相對(duì)低調(diào)但卻是最有可能在未來獨(dú)占半壁江山的可穿戴產(chǎn)品。這類產(chǎn)品關(guān)心用戶真正的需求，并能解決用戶真正關(guān)心的問題，用戶為之付費(fèi)的意愿也更高。此類產(chǎn)品以血糖儀、血壓儀為代表，同時(shí)也在不斷地涌現(xiàn)出新的富有代表性的產(chǎn)品，諸如“快樂媽咪”胎語(yǔ)儀、“發(fā)燒總監(jiān)”智能體溫計(jì)、“蓋睿”多功能生命體征采集儀等，這些產(chǎn)品專注于某一類人群，更懂得該類人群所真正關(guān)注的問題，因而也更能將產(chǎn)品做的細(xì)致入微，吸引更多的消費(fèi)者。

2.2 可穿戴設(shè)備數(shù)據(jù)

種類繁多的可穿戴設(shè)備，產(chǎn)生了大量的種類繁多的數(shù)據(jù)。這些數(shù)據(jù)是大量的、高速的、多樣性的、富有價(jià)值的，而這些恰恰是大數(shù)據(jù)的特性。因而，可穿戴設(shè)備注定是與大數(shù)據(jù)分不開了，而且可穿戴設(shè)備如果想進(jìn)一步發(fā)展，也必須充分利用大數(shù)據(jù)處理及可視化技術(shù)來為其提供新的吸引力、進(jìn)一步增強(qiáng)用戶的粘性。那么市場(chǎng)上種類繁多的可穿戴設(shè)備，能產(chǎn)生哪些種類的數(shù)據(jù)呢？這些數(shù)據(jù)是如何被采集并被高效地存儲(chǔ)起來的呢？

運(yùn)動(dòng)健身類可穿戴設(shè)備通過陀螺儀、加速計(jì)來監(jiān)測(cè)用戶的健康數(shù)據(jù)，這些數(shù)據(jù)包含了運(yùn)動(dòng)、睡眠、卡路里消耗等數(shù)據(jù)；信息資訊類產(chǎn)品通過對(duì)用戶的搜索記錄、使用習(xí)慣等行為進(jìn)行分析，進(jìn)而記錄一些非結(jié)構(gòu)化的數(shù)據(jù)；醫(yī)療健康類可穿戴設(shè)備所產(chǎn)生的數(shù)據(jù)種類更為繁多，這些數(shù)據(jù)其實(shí)都可以歸結(jié)為人體體征數(shù)據(jù)，包括但不局限于血糖、血氧、血壓、體溫、呼吸率、心率、心電圖等，這些數(shù)據(jù)與人體健康息息相關(guān)，為分析預(yù)測(cè)某一類疾病提供了豐富的第一手?jǐn)?shù)據(jù)。

可穿戴設(shè)備數(shù)據(jù)，一般都會(huì)通過傳感器進(jìn)行采集，而后暫存于穿戴設(shè)備中，在網(wǎng)絡(luò)連接的情況下，這些數(shù)據(jù)最終會(huì)被傳遞到云端。一般情況下這些數(shù)據(jù)是不完整的、包含噪聲的甚至是不一致的，這就需要對(duì)數(shù)據(jù)進(jìn)行清理、集成、規(guī)約甚至于數(shù)據(jù)變換，經(jīng)過預(yù)處理后的數(shù)據(jù)，最終被存儲(chǔ)至數(shù)據(jù)倉(cāng)庫(kù)。

3 可視化數(shù)據(jù)挖掘

可視化數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)挖掘技術(shù)和數(shù)據(jù)可視化的結(jié)合，通過計(jì)算機(jī)圖形學(xué)和圖像處理技術(shù)將數(shù)據(jù)挖掘源的數(shù)據(jù)、數(shù)據(jù)挖掘過程和數(shù)據(jù)挖掘的結(jié)果直觀的表現(xiàn)出來，并進(jìn)行交互處理。

3.1 數(shù)據(jù)挖掘技術(shù)

數(shù)據(jù)挖掘是指從大量、模糊、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱藏在其中，人們?cè)炔恢獣缘?、卻潛在有用的信息和知識(shí)的過程。

數(shù)據(jù)挖掘的任務(wù)是發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式。其模式分為兩大類：描述性模式和預(yù)測(cè)性模式。描述性模式是對(duì)當(dāng)前數(shù)據(jù)中存在的事實(shí)做規(guī)范描述，刻畫當(dāng)前數(shù)據(jù)的一般特性。預(yù)測(cè)性模式則是以時(shí)間為主要關(guān)鍵參數(shù)，對(duì)于時(shí)間序列型數(shù)據(jù)，根據(jù)其歷史和當(dāng)前的值去預(yù)測(cè)其未來的值。常用的數(shù)據(jù)挖掘算法有：

3.1.1 聚類分析

聚類是將數(shù)據(jù)劃分成群組的過程，根據(jù)數(shù)量本身的自然分布性質(zhì)，數(shù)據(jù)變量之間存在的程度不同的相似性（親疏關(guān)系），按照一定的準(zhǔn)則將最相似的數(shù)據(jù)聚集成簇。主要包括劃分聚類算法，層次聚類算法和密度聚類算法等。經(jīng)典算法有K-Means、K-Medoids。

3.1.2 特性選擇

特性選擇是指為特定的應(yīng)用在不失去數(shù)據(jù)原有價(jià)值的基礎(chǔ)上選擇最小的屬性子集，去除不相關(guān)和冗余的屬性。特性選擇用于在建立分類模型前，或者預(yù)測(cè)模型之前，對(duì)原始數(shù)據(jù)庫(kù)進(jìn)行預(yù)處理。常用的算法有最小描述長(zhǎng)度法。

3.1.3 特征抽取

特征抽取式數(shù)據(jù)挖掘技術(shù)的常用方法，是一個(gè)屬性降維的過程，實(shí)際為變換屬性，經(jīng)變換了的屬性或者特性，是原來屬性集的線性合并，出現(xiàn)更小更精的一組屬性。常用算法如主成分分析法、因子分析法和非負(fù)矩陣因子法等。

3.1.4 關(guān)聯(lián)規(guī)則

關(guān)聯(lián)規(guī)則挖掘是數(shù)據(jù)挖掘領(lǐng)域中研究最為廣泛和和活躍的方法之一。最初的研究動(dòng)機(jī)是針對(duì)購(gòu)物籃分析問題提出的，目的是為了解決發(fā)現(xiàn)交易數(shù)據(jù)庫(kù)中不同商品之間的聯(lián)系規(guī)則。關(guān)聯(lián)規(guī)則是指大量數(shù)據(jù)中項(xiàng)集之間的有趣關(guān)聯(lián)或相關(guān)關(guān)系。常用的算法有Apriori算法。

3.1.5 分類和預(yù)測(cè)

分類是應(yīng)用已知的一些屬性數(shù)據(jù)去推測(cè)一個(gè)未知的離散型的屬性數(shù)據(jù)，而這個(gè)被推測(cè)的屬性數(shù)據(jù)的可取值是預(yù)先定義的。要很好的實(shí)現(xiàn)推測(cè)，需要事先定義一個(gè)分類模型?？捎糜诜诸惖乃惴ㄓ袥Q策樹、樸素貝葉斯分類、神經(jīng)網(wǎng)絡(luò)、logistic回歸和支持向量機(jī)等。

3.2 可視化技術(shù)

“可視化”其實(shí)質(zhì)是利用計(jì)算機(jī)的圖形圖像處理技術(shù)，把各種數(shù)據(jù)信息轉(zhuǎn)換成合適的圖形圖像在屏幕上展示出來。這一過程涉及到圖形學(xué)、幾何學(xué)、輔助設(shè)計(jì)和人機(jī)交互等領(lǐng)域知識(shí)。通常情況下，人們習(xí)慣將可視化分為以下四類：科學(xué)計(jì)算可視化、數(shù)據(jù)可視化、信息可視化和知識(shí)可視化。

科學(xué)計(jì)算可視化主要用于處理科研領(lǐng)域?qū)嶒?yàn)產(chǎn)生和收集的海量數(shù)據(jù)，力求真實(shí)的反應(yīng)數(shù)據(jù)原貌，利于模擬實(shí)驗(yàn)的進(jìn)行；數(shù)據(jù)可視化較為籠統(tǒng)，一般用于處理數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)中儲(chǔ)存的數(shù)據(jù)，目的在于以可視化的方式呈現(xiàn)數(shù)據(jù)，利于使用者觀察；信息可視化抽象層次較高，其目的主要在于讓使用者方便地發(fā)現(xiàn)數(shù)據(jù)內(nèi)部隱藏的規(guī)律；知識(shí)可視化則主要表現(xiàn)領(lǐng)域知識(shí)，使已有的知識(shí)能夠更加迅速有效的在人群中傳播。

設(shè)計(jì)科學(xué)的可視化數(shù)據(jù)挖掘技術(shù)可以從數(shù)據(jù)源的可視化、數(shù)據(jù)挖掘過程和數(shù)據(jù)挖掘結(jié)果的可視化人手。

3.2.1 數(shù)據(jù)源的可視化

數(shù)據(jù)源的可視化應(yīng)該在數(shù)據(jù)挖掘過程算法之前進(jìn)行，主要作用是展示數(shù)據(jù)源是如何分布的。如可以用三維立方體或者曲線來表示其中數(shù)據(jù)分布的情況，用可視化技術(shù)來描述數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)庫(kù)中不同的抽象級(jí)別和粒度。

3.2.2 數(shù)據(jù)挖掘預(yù)處理階段的可視化

數(shù)據(jù)預(yù)處理階段是數(shù)據(jù)挖掘工作的一個(gè)重要階段，對(duì)選定的數(shù)據(jù)集進(jìn)行抽取、集成、清晰、轉(zhuǎn)換和規(guī)約。在數(shù)據(jù)的預(yù)處理過程中會(huì)涉及大量復(fù)雜的數(shù)據(jù)操作，這就需要可視化技術(shù)進(jìn)行處理。預(yù)處理階段的可視化技術(shù)可以結(jié)合傳統(tǒng)的可視化圖表形勢(shì)和界面操作的形式進(jìn)行。

3.2.3 數(shù)據(jù)挖掘算法的可視化

數(shù)據(jù)挖掘過程中的交互式可視化使用可視化的形式來描述挖掘的過程，在整個(gè)挖掘過程中，設(shè)計(jì)合適的數(shù)據(jù)挖掘算法是極為關(guān)鍵的步驟，也是數(shù)據(jù)挖掘的難點(diǎn)。算法可視化利用計(jì)算機(jī)圖形學(xué)的方法。將算法程序執(zhí)行和數(shù)據(jù)演變以動(dòng)態(tài)圖形的方式表示出來。

3.2.4 數(shù)據(jù)挖掘結(jié)果模型的可視化

數(shù)據(jù)挖掘結(jié)果模型的可視化主要為了幫助用戶能更好地理解所挖掘出來的數(shù)據(jù)結(jié)果，并且需要進(jìn)行有效的評(píng)估和反饋。數(shù)據(jù)挖掘的結(jié)果模型各不相同，也較為繁雜，因而不同的數(shù)據(jù)挖掘模型，要通過不同的可視化方法來展示。比如曲線圖、網(wǎng)絡(luò)圖、柱狀圖、餅狀圖等等。

4 結(jié)束語(yǔ)

本文對(duì)可穿戴設(shè)備、數(shù)據(jù)挖掘及可視化技術(shù)作了較為詳細(xì)的敘述，旨在通過這些技術(shù)，來對(duì)可穿戴設(shè)備數(shù)據(jù)的價(jià)值加以利用，從而更好的服務(wù)于用戶，增強(qiáng)用戶對(duì)可穿戴設(shè)備的使用粘度。同時(shí)，也對(duì)可視化技術(shù)與數(shù)據(jù)挖掘技術(shù)的結(jié)合點(diǎn)進(jìn)行了分析，為以后的研究指明了方向。

可穿戴設(shè)備數(shù)據(jù)的可視化挖掘是一個(gè)新的研究方向，其中涉及到可穿戴設(shè)備數(shù)據(jù)的采集、預(yù)處理、數(shù)據(jù)挖掘及可視化。如何根據(jù)已有的數(shù)據(jù)去預(yù)測(cè)疾病可能的發(fā)展趨勢(shì)可能需要使用時(shí)間序列分析技術(shù)進(jìn)行分析，如何根據(jù)用戶的生活信息，去判斷某些疾病的產(chǎn)生原因或誘發(fā)因素，可能需要我們使用關(guān)聯(lián)規(guī)則去進(jìn)行分析?？傊?，如何根據(jù)不同的數(shù)據(jù)挖掘需求，選擇合適的數(shù)據(jù)挖掘及可視化算法，仍需進(jìn)一步的研究。