21、基于云的物联网城市中的机器学习应用

基于云的物联网城市中的机器学习应用

1. 引言

我们正处于信息技术 (IT) 革命时代，信息可用于改善生活、加速商业决策。为实现决策者的连接，无处不在的智能通信成为必然。它借助移动性、上下文感知、适应性、可扩展性和本地化，打造出设备更智能、能预测用户行为并采取行动的环境。能源节约、制造、医疗、银行、教育和电信等众多领域都是潜在应用场景。

智慧城市 (SC) 是利用 IT 革命和现有基础设施进行管理的理念，涵盖智能管理、交通、技术、经济和健康等方面。与此同时，机器学习 (ML) 作为人工智能技术，其重点逐渐转向计算上可行且强大的算法。近年来，多国投入大量资金开展智慧城市项目。在智慧城市应用中，需收集、评估和分析来自不同信息源与传感器的数据，并解读结果和采取相应行动，如降低成本、做出新管理决策、提高服务质量等。

2. 机器学习概述

机器学习赋予计算机学习能力，其核心是设计能识别模式并根据输入数据决策的算法，在生物技术、欺诈检测、无线网络、股市分析和国家安全等领域有广泛应用。学习算法以训练集为输入，主要分为监督学习、无监督学习和半监督（强化）学习三类，本文重点介绍监督学习和无监督学习。

2.1 监督学习

监督学习算法利用训练数据生成将输入映射到期望输出（标签）的函数。例如在分类问题中，系统通过样本数据推导将输入映射到不同类别的函数。常见形式有人工神经网络、径向基函数网络和决策树等，在智慧城市医疗等领域有应用。如利用卷积神经网络 (CNNs) 进行多通道数据采集和特征学习，从大脑图像中提取特征可辅助早期疾病诊断；使用深度信念网络 (DBN) 对乳腺钼靶图像分类以检测乳腺癌钙化。

2.2 无监督学习