未来智库 > 可穿戴论文 > 可穿戴设备数据挖掘及可视化技术的研究
    关键词:可穿戴设备;数据挖掘;可视化技术
    中图分类号:TP182
    文献标识码:A
    DOI:10.3969/j.issn.1003-6970.2015.12.016
    本文著录格式:李晋宏,戴海涛.可穿戴设备数据挖掘及可视化技术的研究[J]软件,2015,36(12):69-71
    1 引言
    智能化是科技发展的必然趋势,人们的生活也将随着智能科技的发展而改变。近几年来,智能手机、智能电视行业迅速发展壮大,渐渐成为人们生活中不可缺少的产品。不仅仅是手机与电视,自从谷歌推出第一代GoogleGlass开始,智能可穿戴设备市场就已开始萌芽。
    顾名思义,可穿戴设备即可以直接穿在身上,或是整合到用户的衣服及配件中的便携式设备。可穿戴设备不仅仅是一种硬件设备,更是可以通过软件支持以及云端数据交互,来实现更加强大的功能。近年来,随着可穿戴设备的迅猛发展,这些设备传感器产生的大量数据也越发引人关注,这些数据是不是可以被充分地利用,进而从中发现潜在的有价值的信息呢?
    答案是肯定的,尤其是随着数据挖掘技术及可视化技术的发展,更是为充分利用可穿戴设备数据奠定了良好的技术基础。通过数据可视化技术,我们可以将这些数据以二维或三维的形式直观地呈现出来,从而使得数据更容易被解释,同时借助数据挖掘技术,我们可以从这些数据当中挖掘出真正有价值的信息,并将这些信息提供给相关决策人员,进而使得这些数据被充分的利用起来,使这些数据活起来。
    2 可穿戴设备
    2.1 可穿戴设备分类
    目前市场上的可穿戴设备按照功能不同主要可分为以下几类:
    2.1.1运动健身类
    运动健身类是目前最为热门的产品,其中的代表性产品包括Jawbone Up、Misfit Shine三星GearFit等。这些产品最主要的功能就是记录人体运动、睡眠、饮食等各种与健康相关的数据,通过配套的应用软件,帮助消费者调整作息规律、督促加强训练,从而实现健康的生活方式。这些产品大都带有陀螺仪、加速计等传感器,从而测出佩戴者的运动量、卡路里消耗等数据,并将数据传输到智能手机,进而再传输至云端。
    2.1.2 信息资讯类
    信息资讯类可穿戴设备是综合性比较高的可穿戴产品,其中以谷歌眼镜及Apple Watch为代表。这类产品一般都在其中搭载智能手机操作系统,进而极大地丰富了产品的功能。例如,谷歌眼镜让用户通过语音实现搜索,并在屏幕上实时显示包括导航/生活等各种信息,而Apple Watch基本可以称之为迷你版的iPhone,这足以说明其功能的丰富。
    2.1.3 医疗保健类
    医疗保健类可穿戴设备,是目前市场上相对低调但却是最有可能在未来独占半壁江山的可穿戴产品。这类产品关心用户真正的需求,并能解决用户真正关心的问题,用户为之付费的意愿也更高。此类产品以血糖仪、血压仪为代表,同时也在不断地涌现出新的富有代表性的产品,诸如“快乐妈咪”胎语仪、“发烧总监”智能体温计、“盖睿”多功能生命体征采集仪等,这些产品专注于某一类人群,更懂得该类人群所真正关注的问题,因而也更能将产品做的细致入微,吸引更多的消费者。
    2.2 可穿戴设备数据
    种类繁多的可穿戴设备,产生了大量的种类繁多的数据。这些数据是大量的、高速的、多样性的、富有价值的,而这些恰恰是大数据的特性。因而,可穿戴设备注定是与大数据分不开了,而且可穿戴设备如果想进一步发展,也必须充分利用大数据处理及可视化技术来为其提供新的吸引力、进一步增强用户的粘性。那么市场上种类繁多的可穿戴设备,能产生哪些种类的数据呢?这些数据是如何被采集并被高效地存储起来的呢?
    运动健身类可穿戴设备通过陀螺仪、加速计来监测用户的健康数据,这些数据包含了运动、睡眠、卡路里消耗等数据;信息资讯类产品通过对用户的搜索记录、使用习惯等行为进行分析,进而记录一些非结构化的数据;医疗健康类可穿戴设备所产生的数据种类更为繁多,这些数据其实都可以归结为人体体征数据,包括但不局限于血糖、血氧、血压、体温、呼吸率、心率、心电图等,这些数据与人体健康息息相关,为分析预测某一类疾病提供了丰富的第一手数据。
    可穿戴设备数据,一般都会通过传感器进行采集,而后暂存于穿戴设备中,在网络连接的情况下,这些数据最终会被传递到云端。一般情况下这些数据是不完整的、包含噪声的甚至是不一致的,这就需要对数据进行清理、集成、规约甚至于数据变换,经过预处理后的数据,最终被存储至数据仓库。
    3 可视化数据挖掘
    可视化数据挖掘技术是数据挖掘技术和数据可视化的结合,通过计算机图形学和图像处理技术将数据挖掘源的数据、数据挖掘过程和数据挖掘的结果直观的表现出来,并进行交互处理。
    3.1 数据挖掘技术
    数据挖掘是指从大量、模糊、随机的实际应用数据中,提取隐藏在其中,人们原先不知晓的、却潜在有用的信息和知识的过程。
    数据挖掘的任务是发现隐藏在数据中的模式。其模式分为两大类:描述性模式和预测性模式。描述性模式是对当前数据中存在的事实做规范描述,刻画当前数据的一般特性。预测性模式则是以时间为主要关键参数,对于时间序列型数据,根据其历史和当前的值去预测其未来的值。常用的数据挖掘算法有:
转载请注明来源。原文地址:https://www.7428.cn/vipzj19820/
 与本篇相关的热门内容: