郭霏霏

(泉州职业技术大学 智能制造学院，福建 泉州 362000)

移动物联网通过传输网络将信息传输至指定地点或用户，现已经成为人们日常生活与工作中不可或缺的一部分[1]。移动物联网随着科学技术的不断创新，使其在现代互联网行业占据主要地位，具有明显的海量性与异构性等特征[2]。移动物联网的数据挖掘结果决定了用户能否获得高质量服务体验，在海量移动物联网数据中，深层挖掘出对用户有价值的信息对日后的移动物联网发展具有十分重要的意义。

针对移动物联网数据深层挖掘问题，陆兴华等[3]基于大数据的智能家居物联网用户行为模式挖掘方法，构建智能家居物联网用户行为模式的大数据分析模型，根据用户行为特征的聚类性实现智能家居物联网用户行为特征挖掘和自适应聚类，提高用户行为模式挖掘的自适应性，但该方法冗余参数较多，在挖掘数据方面较为缓慢。李洪波[4]提出一种物联网环境下舰船监控网络高维异常数据挖掘方法，结合舰船监控网络异常数据的高维特点，引入支持向量机对舰船监控网络高维异常数据进行挖掘，找到舰船监控网络异常数据的变化趋势，但该方法数据深层挖掘结果可靠性不高。

为准确获取移动物联网真实数据深层挖掘结果，提出基于智能技术的移动物联网数据深层挖掘技术。通过Hadoop平台完成数据存储功能，使用智能技术进行数据深层挖掘，运用不同的测量统计数据实现准确的移动物联网数据深层挖掘结果分析。……