李凌霞++李冰冰++王建

摘 要：針對物聯(lián)網(wǎng)海量信息的特點及信息處理所需解決的關(guān)鍵問題，文中分析了物聯(lián)網(wǎng)信息處理的主要技術(shù)方法和信息處理過程中的信息決策方法，根據(jù)現(xiàn)有研究成果，指出了物聯(lián)網(wǎng)信息支持和決策技術(shù)所面臨的挑戰(zhàn)、研究的熱點領域和進一步的研究方向。

關(guān)鍵詞：物聯(lián)網(wǎng)；信息處理；信息融合；決策技術(shù)

中圖分類號：TP216 文獻標識碼：A 文章編號：2095-1302（2017）10-00-04

0 引 言

物聯(lián)網(wǎng)利用射頻識別裝置、無線傳感器、紅外感應器等信息傳感設備，運用各種接入技術(shù)將物與物、人與物通過網(wǎng)絡設施互聯(lián)，實現(xiàn)對物體的識別、感知、監(jiān)測、跟蹤，最終實現(xiàn)具體應用領域的智能管理與控制[1]。隨著物聯(lián)網(wǎng)廣泛應用于生產(chǎn)生活中，物聯(lián)網(wǎng)系統(tǒng)規(guī)模越來越大，各種感知設備產(chǎn)生了海量異構(gòu)信息，使得資源共享、數(shù)據(jù)分析和挖掘難以實現(xiàn)。以智能居家養(yǎng)老為例，系統(tǒng)的健康監(jiān)測、家電控制、室內(nèi)環(huán)境監(jiān)測、安全監(jiān)控等傳感設備隨時會產(chǎn)生大量異構(gòu)數(shù)據(jù)，并存在結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)，如何借助信息處理技術(shù)，將這些信息高效地存儲起來，以便通過數(shù)據(jù)分析、數(shù)據(jù)挖掘的手段發(fā)現(xiàn)有用信息，為應用領域的智能決策提供信息支持，成為物聯(lián)網(wǎng)領域研究的重要內(nèi)容。

國內(nèi)外學者對物聯(lián)網(wǎng)信息處理技術(shù)進行了深入研究，在物聯(lián)網(wǎng)信息支持和決策技術(shù)方面取得了一定成果。本文對物聯(lián)網(wǎng)信息處理技術(shù)的主要方法和基于云計算的信息處理技術(shù)進行了分析，探討了物聯(lián)網(wǎng)信息處理研究的熱點領域。通過對信息處理過程中的決策方法的研究，分析了現(xiàn)有的研究成果，指出了物聯(lián)網(wǎng)信息支持和決策技術(shù)所面臨的挑戰(zhàn)、研究的熱點領域和進一步研究的方向。

1 物聯(lián)網(wǎng)信息處理概述

物聯(lián)網(wǎng)應用領域廣泛，通過運用各種無線傳感設備、智能嵌入設備、視頻攝像設備等采集信息，設備種類繁多且不斷變化，信息傳輸易受外界因素影響，因此物聯(lián)網(wǎng)信息具有海量、多源、異構(gòu)、冗余、有噪聲、時間序列相關(guān)、地理位置分散等特點[2]。數(shù)據(jù)的組成包括結(jié)構(gòu)化數(shù)據(jù)（如設備信息、用戶信息等）、半結(jié)構(gòu)化數(shù)據(jù)（如XML數(shù)據(jù)）、非結(jié)構(gòu)化數(shù)據(jù)（如圖片、音頻數(shù)據(jù)、視頻數(shù)據(jù)等）。因此物聯(lián)網(wǎng)應用中信息處理需要考慮以下幾個關(guān)鍵問題：

（1）信息的數(shù)據(jù)結(jié)構(gòu)易擴展，滿足物聯(lián)網(wǎng)應用不斷發(fā)展的需要，能適應數(shù)據(jù)多源、異構(gòu)、數(shù)據(jù)類型多樣的特點。

（2）海量物聯(lián)網(wǎng)數(shù)據(jù)在有限、固定存儲能力的情況下，能夠保證信息快捷高效地存儲，便于快速決策。

（3）物聯(lián)網(wǎng)采集數(shù)據(jù)的設備精度不一致，信息傳輸也易受外界影響，需要排除數(shù)據(jù)的冗余和噪聲，提高信息的精確性和可靠性。

（4）有利于物聯(lián)網(wǎng)規(guī)?；l(fā)展，對傳感設備所采集的信息，通過信息處理技術(shù)獲得多維的特征信息，提高了信息的完整性，支持不同的應用。

2 信息處理技術(shù)分析

信息處理的目的是將物聯(lián)網(wǎng)傳感設備所采集的信息，通過建立特定的信息空間，完成信息從輸入到具體應用的轉(zhuǎn)換；再經(jīng)過信息量化，從海量信息中選擇與應用密切相關(guān)的信息，過濾掉不相關(guān)的傳感信息，實現(xiàn)信息的選擇；最后對信息進行優(yōu)化處理，從而獲得更加準確的目標數(shù)據(jù)或決策所需信息。目前，物聯(lián)網(wǎng)信息處理技術(shù)研究主要包括兩方面，即信息融合和基于云計算的信息處理。

2.1 信息融合

信息融合技術(shù)本質(zhì)上是模仿大腦綜合分析信息的過程[3]，在物聯(lián)網(wǎng)中主要解決多源異構(gòu)信息的整合，消除信息冗余和噪聲，提高信息的精確度和可信度，提取可操作的知識，促進不同應用的有效數(shù)據(jù)分析和挖掘決策。目前，國內(nèi)外學者對物聯(lián)網(wǎng)信息融合主要在以下幾方面進行研究：

（1）利用數(shù)學方法和人工智能理論，將信息融合在數(shù)據(jù)級融合、特征級融合、決策級融合三個層次上開展；

（2）利用語義技術(shù)，將具體應用的物聯(lián)網(wǎng)感知層原始信息轉(zhuǎn)化為具有語義的結(jié)構(gòu)化數(shù)據(jù)，使機器可理解和操作；

（3）解決物聯(lián)網(wǎng)中異構(gòu)系統(tǒng)集成和互操作的問題。

2.1.1 人工智能理論在信息融合中的應用

文獻[4]對數(shù)據(jù)級融合、特征級融合和決策級融合三類信息融合技術(shù)原理、適用領域及技術(shù)差異進行了評述，指出了利用人工智能理論進行信息融合過程中存在的問題和挑戰(zhàn)。文獻[5]在分析信息融合面臨的問題與挑戰(zhàn)時， 總結(jié)了近10年來信息融合技術(shù)的進展歷程，探討了未來幾個可能的研究發(fā)展方向。本文在文獻[4，5]的基礎上總結(jié)了信息融合領域的主要人工智能方法，及在物聯(lián)網(wǎng)應用中需要解決的問題，面臨的挑戰(zhàn)和進一步的研究方向。

目前主要的人工智能方法包括貝葉斯估計、證據(jù)理論推理、模糊理論、神經(jīng)網(wǎng)絡、專家系統(tǒng)、多Agent理論，這些方法占信息融合算法應用的80%，另外卡爾曼濾波、遺傳算法、粗糙集、支持向量機等也有應用。

（1）貝葉斯理論是基于概率論、圖論解決不確定性或隨機性的信息表達和推理的方法[6]，根據(jù)經(jīng)驗設定先驗概率，求取后驗概率，需要收集所有的先驗條件概率。概率公式的精度依賴于先驗概率假設集的有效性，適用條件比較苛刻，通用性差。

（2）證據(jù)理論推理是一種重要的不確定性推理理論，可以處理信息的不確定性和多義性[7]，但各證據(jù)中的概率分配函數(shù)的確定需要人為設定，而證據(jù)理論的判別準則沒有統(tǒng)一的一般性理論，通用性較差。

（3）模糊理論通過構(gòu)造隸屬函數(shù)來描述不完全的、不確定的信息，利用模糊規(guī)則庫建模進行數(shù)據(jù)處理。構(gòu)造隸屬函數(shù)是人為設計的，同時權(quán)重的選擇也有一定的主觀性，因此，如果選擇不當會影響準確性[8]。

（4）神經(jīng)網(wǎng)絡是對人腦神經(jīng)系統(tǒng)的模仿，具有自主學習新知識和自推理能力，通過神經(jīng)元節(jié)點對大量信息進行融合。從數(shù)據(jù)容量和處理速度來看，深層神經(jīng)網(wǎng)絡在應對物聯(lián)網(wǎng)海量數(shù)據(jù)和處理復雜任務時有更優(yōu)的效果[9]。

（5）專家系統(tǒng)主要由知識庫、推理機、數(shù)據(jù)庫、解釋器、接口等組成，專家系統(tǒng)具有并行與分布處理、多專家系統(tǒng)協(xié)同工作、自主學習和推理能力，目前大多數(shù)智能決策系統(tǒng)都基于專家系統(tǒng) [10]。endprint

（6）多智能體在分布式人工智能領域有廣泛的適用性，多智能體相當于多個“子程序”間的調(diào)用[11]，可以完成對異構(gòu)信息的收集、處理和融合。多智能體與粗糙集、神經(jīng)網(wǎng)絡理論結(jié)合，是信息融合中重要的智能信息處理方法，具有推理決策能力。

侯可佳等人[12]提出基于貝葉斯分類器的模擬退火算法進行信息融合，提高信息的正確性和完整性。陳景年等人[13]通過構(gòu)建魯棒貝葉斯網(wǎng)和利用統(tǒng)計量x2構(gòu)建貝葉斯網(wǎng)，來刪除不完整性數(shù)據(jù)的冗余屬性，提高數(shù)據(jù)處理的準確率。李艷娜等人[14]將證據(jù)理論與本體論相結(jié)合，提出了基于證據(jù)理論的上下文本體建模及不確定性推理方法，使得推理模型具有自適應性，解決了證據(jù)理論產(chǎn)生證據(jù)沖突的局限性問題。張秋等人[15]提出一種基于證據(jù)理論和模糊算法的多傳感器數(shù)據(jù)融合方法，利用模糊集的隸屬函數(shù)確定各傳感器所測信息的可信度，再通過D-S證據(jù)合成，辨別測量精度較高的傳感器，以此來提高信息融合精度。宗華等人[16]提出將專家系統(tǒng)嵌入神經(jīng)模糊推理系統(tǒng)中，專家系統(tǒng)可實現(xiàn)動態(tài)調(diào)整模糊神經(jīng)網(wǎng)絡的結(jié)構(gòu)，在模糊隸屬函數(shù)的選擇上加入專家系統(tǒng)，實現(xiàn)適應度、隸屬度函數(shù)的自適應調(diào)節(jié)，提高了置信度估計模型的可信度、準確度。曹一家等人[17]結(jié)合分布式多智能體技術(shù)，提出利用多智能體集成感知信息，采用D-S證據(jù)理論多智能體集成進行決策級融合，得到最終決策結(jié)果，完成大規(guī)模電網(wǎng)的故障診斷。

采用人工智能方法進行信息融合解決了面向具體應用的信息處理，在實際應用中可以通過多種智能方法的結(jié)合進行信息融合，可以有效規(guī)避單一算法存在的弊端，達到更好的信息處理效果。但不同系統(tǒng)應用依然存在信息異構(gòu)性等問題，對物聯(lián)網(wǎng)規(guī)模化發(fā)展還不能實現(xiàn)系統(tǒng)間的信息互操作。

2.1.2 語義技術(shù)在信息融合中的應用

語義技術(shù)通過語義描述和標記技術(shù)實現(xiàn)感知設備信息的描述和處理[18]，基于傳感數(shù)據(jù)語義環(huán)境上下文進行信息融合，將物聯(lián)網(wǎng)感知層的原始信息轉(zhuǎn)化為具有語義的結(jié)構(gòu)化數(shù)據(jù)，使機器可理解和操作；另一方面物聯(lián)網(wǎng)要實現(xiàn)規(guī)?；l(fā)展，面對各系統(tǒng)間感知信息的異構(gòu)和孤立問題，利用語義技術(shù)解決異構(gòu)系統(tǒng)集成和互操作問題。

丁亞飛等人[19]利用語義物聯(lián)網(wǎng)中的語義協(xié)同方法，推理語義節(jié)點之間的關(guān)系，使語義網(wǎng)絡具有自適應性，可自適應服務需求的變化。吳學華等人[20]提出了一種基于多個領域本體及鏈接開放數(shù)據(jù)的語義互操作方法，通過為傳感器數(shù)據(jù)添加語義，采用本體實體表管理同一領域本體來規(guī)范統(tǒng)一本體，可以較好地實現(xiàn)多領域的語義互操作。Gary Berg等人[21]提出基于認知的自主態(tài)勢分析Agent體系結(jié)構(gòu)，利用Agent建立多層次本體，從不同的本體模塊生成擴展本體的新類別以改進本體，語義技術(shù)基于改進的本體論可更好地進行語義推理。

當前物聯(lián)網(wǎng)中語義技術(shù)都是針對具體應用的解決方案，還沒有建立不同應用領域的語義模型參考標準，定義的語義結(jié)構(gòu)不同而無法實現(xiàn)不同系統(tǒng)間的信息互操作，物聯(lián)網(wǎng)要實現(xiàn)規(guī)?；l(fā)展，需解決異構(gòu)物聯(lián)網(wǎng)系統(tǒng)間語義的一致性問題與異構(gòu)系統(tǒng)的互操作問題。語義互操作是物聯(lián)網(wǎng)信息處理研究的熱點內(nèi)容之一，用來解決物聯(lián)網(wǎng)規(guī)?；l(fā)展中的“信息孤島”問題。

2.2 基于云計算技術(shù)的信息處理

基于云計算的信息處理主要利用虛擬化技術(shù)，即利用設備虛擬化、網(wǎng)絡虛擬化和云平臺虛擬化[22]，通過虛擬化設備用不同的信息處理技術(shù)對一個傳感設備所采集的信息進行處理，得到不同的特征信息，支持不同的應用；通過物聯(lián)網(wǎng)網(wǎng)絡資源虛擬化實現(xiàn)分布式控制傳感設備節(jié)點，避免單點故障，還可實現(xiàn)傳感數(shù)據(jù)面向多個應用的信息共享。平臺虛擬化在以云為中心的物聯(lián)網(wǎng)中可以為用戶不同的應用需求提供數(shù)據(jù)，用戶無需關(guān)心數(shù)據(jù)的融合問題。于心俊等人[23]通過虛擬多傳感器數(shù)據(jù)得到不同特征的信息，采用D-S證據(jù)理論對數(shù)據(jù)進行信息融合，以對糧食存儲過程中的霉變、蟲害等進行預測。李敬兆等人[24]設計了自反饋BP神經(jīng)網(wǎng)絡算法進行信息融合，在云平臺層運用該信息融合算法進行故障診斷，避免了由于單個傳感器采集的信息不能完全準確地反映真實狀態(tài)的弊端。亓開元等人[25]提出利用云計算的核心技術(shù)——MapReduce編程模型，解決大規(guī)模傳感數(shù)據(jù)和歷史數(shù)據(jù)的數(shù)據(jù)流實時處理需求同計算、存儲能力不足的矛盾，通過數(shù)據(jù)預處理、分布緩存和復用中間結(jié)果的方法進行數(shù)據(jù)流本地化處理。M'arcio Miguel Gomes等人[26]利用云計算的虛擬化技術(shù)構(gòu)建用于接收和存儲過濾數(shù)據(jù)的中間件，重構(gòu)物聯(lián)網(wǎng)的基礎設施，通過多線程編程算法，實現(xiàn)物聯(lián)網(wǎng)的實時通信和資源的可擴展。Mohammad Amin Taherkhani等人[27]提出在云平臺上布置Web應用，實現(xiàn)網(wǎng)絡資源虛擬化，針對具有私有性的應用設計算法實現(xiàn)信息處理。

利用云計算技術(shù)進行信息融合，可以為用戶不同的應用需求提供數(shù)據(jù)，支持不同的應用，還可實現(xiàn)傳感數(shù)據(jù)面向多個應用的信息共享，可更好地解決物聯(lián)網(wǎng)規(guī)?；l(fā)展問題。但目前云計算的核心技術(shù)基本掌握在微軟、Google、Amazon等國外公司，而主流開源平臺Hadoop、Nimbus等技術(shù)基于Linux平臺實現(xiàn)，且我國大多數(shù)物聯(lián)網(wǎng)應用系統(tǒng)是基于Windows平臺開發(fā)的，因此我國利用云平臺實現(xiàn)物聯(lián)網(wǎng)信息處理依然存在技術(shù)挑戰(zhàn)。

3 決策技術(shù)

物聯(lián)網(wǎng)應用中依據(jù)信息處理過程相應有兩個方向的應用系統(tǒng)決策方式，一方面是應用人工智能的方式在進行信息融合的過程中建模，在模型中采用相應的人工智能算法進行決策，或者采用語義技術(shù)進行信息融合，構(gòu)建基于語義上下文的決策模型。另一方面是基于云計算平臺，通過構(gòu)建面向具體服務的信息決策模型實現(xiàn)信息決策。

楊斌等人[28]對物聯(lián)網(wǎng)海量多維信息按需采集的決策問題進行研究，利用遺傳算法對物聯(lián)網(wǎng)在多重狀態(tài)下構(gòu)造網(wǎng)絡子網(wǎng)，進行多目標最優(yōu)化求解建模，以均衡節(jié)點信息量和傳感網(wǎng)絡傳輸需求，實現(xiàn)按需采集。馮建周等人[29]從語義入手構(gòu)建物聯(lián)網(wǎng)本體模型，基于關(guān)聯(lián)數(shù)據(jù)方法構(gòu)建以行為關(guān)聯(lián)模型和資源關(guān)聯(lián)模型為核心的物聯(lián)網(wǎng)語義關(guān)聯(lián)網(wǎng)絡，提出一種基于事件的推理算法實現(xiàn)語義推理，從而更好地實現(xiàn)基于語義上下文的智能決策。胡東濱等人[30]將本體技術(shù)與云計算技術(shù)相結(jié)合，構(gòu)建了基于云平臺環(huán)境的決策問題分析服務框架，有效提高了基礎資源共享和知識的重用性，為決策分析提供服務。徐楊等人[31]構(gòu)建了基于語義的物聯(lián)網(wǎng)信息資源描述、推理和應用模型，利用多智能體系統(tǒng)實現(xiàn)從物聯(lián)網(wǎng)中準確定位具體傳感器，實現(xiàn)獲取信息、信息融合、信息決策的系統(tǒng)。endprint

目前，物聯(lián)網(wǎng)應用都是面向具體應用的小規(guī)模物聯(lián)網(wǎng)，對于每一種具體應用需開發(fā)相應的應用平臺、信息處理和存儲系統(tǒng)，物聯(lián)網(wǎng)規(guī)?；l(fā)展依然存在系統(tǒng)異構(gòu)、信息異構(gòu)的問題。構(gòu)建開放性平臺[32]（如facebook），通過開放應用程序的編程接口，將平臺上的數(shù)據(jù)資源開放提供給第三方開發(fā)者，將有助于實現(xiàn)物聯(lián)網(wǎng)規(guī)?；l(fā)展，應用開放性的平臺為多用戶提供信息支持和決策將成為物聯(lián)網(wǎng)的研究熱點。

現(xiàn)在主流數(shù)據(jù)庫技術(shù)有關(guān)系型數(shù)據(jù)庫和非關(guān)系型數(shù)據(jù)庫技術(shù)兩類[33]，關(guān)系型數(shù)據(jù)庫經(jīng)過30多年的發(fā)展技術(shù)成熟，具有強大的信息決策功能，但其數(shù)據(jù)結(jié)構(gòu)的可擴展性差，物聯(lián)網(wǎng)數(shù)據(jù)存儲目前主要采用關(guān)系型數(shù)據(jù)庫技術(shù)。非關(guān)系型數(shù)據(jù)庫（如MongoDB）采用數(shù)據(jù)結(jié)構(gòu)可擴展的數(shù)據(jù)模式，更適用于物聯(lián)網(wǎng)中大量文本、圖片等半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的存儲與管理，非關(guān)系型數(shù)據(jù)庫將作為物聯(lián)網(wǎng)的信息支持和決策技術(shù)研究的熱點。

4 結(jié) 語

本文重點分析了基于人工智能理論、語義技術(shù)和基于云計算的物聯(lián)網(wǎng)信息處理技術(shù)，通過對信息處理技術(shù)所取得成果的分析，探討了物聯(lián)網(wǎng)信息處理研究的熱點領域；討論了物聯(lián)網(wǎng)應用中依據(jù)信息處理過程的信息決策方法及其所取得的成果，指出了物聯(lián)網(wǎng)信息支持和決策技術(shù)所面臨的挑戰(zhàn)和進一步的研究方向。

參考文獻

[1]周開樂，丁帥，胡小建.面向海量數(shù)據(jù)應用的物聯(lián)網(wǎng)信息服務系統(tǒng)研究綜述[J].計算機應用研究，2012，29（1）：8-11.

[2]胡迎新，馬新娜，鄭麗娟.物聯(lián)網(wǎng)數(shù)據(jù)管理研究[J].智能處理與應用，2014，4（4）：79-82.

[3]陳科文，張祖平，龍軍.多源信息融合關(guān)鍵問題、研究進展與新動向[J].計算機科學，2013， 40（8）：6-13.

[4]王洪波.物聯(lián)網(wǎng)信息融合技術(shù)及存在的問題研究[J].計算機應用研究，2013，30（8）：2252-2255.

[5]潘泉，王增福，梁彥，等.信息融合理論的基本方法與進展II[J].控制理論與應用，2012， 29（4）：599-615.

[6]明安龍，馬華東，傅慧源.多攝像機監(jiān)控中基于貝葉斯因果網(wǎng)的人物角色識別[J].計算機學報，2010，33（12）：2378-2386.

[7]李冬梅，林友芳，黃厚寬，等.基于證據(jù)理論的本體不一致性度量方法研究[J].計算機研究與發(fā)展，2013，50（3）：559-567.

[8]曹科寧，王永恒，李仁發(fā)，等.面向物聯(lián)網(wǎng)的分布式上下文敏感復雜事件處理方法[J].計算機研究與發(fā)展，2013，50（6）：1163-1176.

[9]焦李成，楊淑媛，劉芳，等.神經(jīng)網(wǎng)絡七十年：回顧與展望[J].計算機學報，2016，39 （8）：1697-1716.

[10]余國雄，王衛(wèi)星，謝家興，等.基于物聯(lián)網(wǎng)的荔枝園信息獲取與智能灌溉專家決策系統(tǒng)[J].農(nóng)業(yè)工程學報，2016，32（20）：144-152.

[11]郭清，夏虹，韓文偉.物聯(lián)網(wǎng)的壓水堆CRDM故障信息融合方法分析[J].哈爾濱工業(yè)大學學報，2015，47（3）：83-87.

[12]侯可佳，黃軍，白曉穎，等.一種位置服務測試數(shù)據(jù)生成技術(shù)研究[J].計算機學報，2016，39（11）：2161-2174.

[13]陳景年，黃厚寬，田鳳占，等.用于不完整數(shù)據(jù)的選擇性貝葉斯分類器[J].計算機研究與發(fā)展，2007，44（8）：1324-1330.

[14]李艷娜，喬秀全，李曉峰.基于證據(jù)理論的上下文本體建模以及不確定性推理方法[J].電子與信息學報，2010，32（8）：1806-1811.

[15]張秋，孫順遠，梁小凡，等.基于FS-DS的信息融合方法及其應用[J].計算機工程，2013， 39（5）：48-52.

[16]宗華，宗成閣，于長軍，等.多傳感器信息融合NFE模型的研究及應用[J].電子與信息學報，2010，32（3）：522-527.

[17]曹一家，劉毅，高振興，等.一種大規(guī)模電網(wǎng)故障診斷的多智能體信息融合模型與方法[J].電力自動化設備，2010，30（7）：14-18.

[18]袁凌云，王興超.語義技術(shù)在物聯(lián)網(wǎng)中的應用研究綜述[J].計算機科學，2014，41 （S1）：239-246.

[19]丁亞飛，李冠宇，張慧.語義物聯(lián)網(wǎng)中基于語義空間的語義協(xié)同方法研究[J].計算機應用與軟件，2016，33（2）：1-6.

[20]吳學華，史一民，李冠宇，等.語義物聯(lián)網(wǎng)中一種多領域信息互操作方法[J].計算機應用研究，2016，33（9）： 2726-2730.

[21] Gary Berg-Cross，Wai-Tat Fu，Augustine Kwon. A Cognitive-based Agent Architecture for Autonomous Situation Analysis[J]. ACM，2007（8）：162-167.

[22]王峰.物聯(lián)網(wǎng)數(shù)據(jù)處理若干關(guān)鍵問題研究[D].長春：吉林大學，2016.

[23]于心俊，喬瑞林，王艷芳.基于虛擬多傳感器信息融合的糧情預警系統(tǒng)[J].自動化與信息工程，2008，29（4）：1-3.

[24]李敬兆，鄧繪梅.自反饋BP網(wǎng)云計算信息融合算法及應用[J].華中科技大學學報，2012， 40（SI）：316-319.

[25]亓開元，趙卓峰，房俊，等.針對高速數(shù)據(jù)流的大規(guī)模數(shù)據(jù)實時處理方法[J].計算機學報，2012，35（3）： 477-490.

[26] M arcio Miguel Gomes， Rodrigo da Rosa Righi. Future Directions for Providing Better IoT Infrastructure[J]. UbiComp14 Adjunct.ACM ，2014，9：51-54.

[27] Mohammad Amin Taherkhani， Ryoma Kawaguchi. An IoT based Parking Reservation Service for Smart Cities[J]. ACM ，2016（5）：24-25.

[28]楊斌，李軍軍，郝楊楊.物聯(lián)網(wǎng)海量多維信息的按需采集決策問題研究[J].計算機工程，2013，39（3）： 111-117.

[29]馮建周，宋沙沙，孔令富.物聯(lián)網(wǎng)語義關(guān)聯(lián)和決策方法的研究[J].自動化學報，2016，42 （11）： 1691-1700.

[30]胡東濱，曾釗偉.基于本體的“兩型社會”建設決策問題分析的云服務框架[J].計算機應用研究，2015，32（1）： 35-40.

[31]徐楊，王曉峰，何清漪.物聯(lián)網(wǎng)環(huán)境下多智能體決策信息支持技術(shù)[J].軟件學報，2014，25（10）：2325-2345.

[32]陳文藝，閆灑灑，宋亞紅.基于MongoDB的物聯(lián)網(wǎng)開放平臺數(shù)據(jù)存儲設計[J].西安郵電大學學報，2016，21（2）： 78-82.

[33]李廷力，李宏宇，田野，等.物聯(lián)網(wǎng)存儲模式與方案研究[J].計算機應用研究，2013，30（11）： 3201-3208.endprint