[发明专利]一种物联网数据挖掘方法

权利要求书

1.一种物联网数据挖掘方法，其特征在于：所述物联网数据挖掘方法步骤包括有分类、回顾分析、聚类、关联规则、特征、变化和偏差分析和Web页挖掘，所述该方法操作方式分为以下具体步骤：

S1、分类：找出数据库中一组数据对象的共同特点并按照分类模式将其划分为不同的类，其目的是通过分类模型，将数据库中的数据项映射到某个给定的类别，可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测，当前的市场营销中很重要的一个特点是强调客户细分，客户类别分析的功能也在于此，采用数据挖掘中的分类技术，可以将客户分成不同的类别。

2.比如呼叫中心设计时可以分为：呼叫频繁的客户、偶然大量呼叫的客户、稳定呼叫的客户、其他，帮助呼叫中心寻找出这些不同种类客户之间的特征，这样的分类模型可以让用户了解不同行为类别客户的分布特征；

S2、回归分析：反映的是事务数据库中属性值在时间上的特征，产生一个将数据项映射到一个实值预测变量的函数，发现变量或属性间的依赖关系，其主要研究问题包括数据序列的趋势特征、数据序列的预测以及数据间的相关关系；

S3、聚类分析：把一组数据按照相似性和差异性分为几个类别，其目的是使得属于同一类别的数据间的相似性尽可能大，不同类别中的数据间的相似性尽可能的小；

S4、关联规则：描述数据库中数据项之间所存在的关系的规则，即根据一个事务中某些项的出现可到处另一些项在同一事物中也出现，即隐藏在数据间的关联或相互关系；

S5、特征分析：从数据库中的一组数据中提取出关于这些数据的特征式，这些特征式表达了该数据集的总体特征，特征选择的目的在于从海量数据中提取出有用信息，从而提高数据的使用效率，其中，特征有效性的选择评价有概率论、数理统计、信息论、IR领域的度量；

S6、变化和偏差分析：偏差包括很大一类潜在有趣的知识，如分类中的反常实例，模式的例外，观察结果对期望的偏差等，其目的是寻找观察结果与参照量之间有意义的差别；

S7、Web页挖掘：随着Internet的迅速发展及Web的全球普及，使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手、供求信息、客户等有关的信息，集中精力分析和处理那些对企业有重大或潜在重大影响的外部环境信息和内部经营信息，并根据分析结果找出企业管理过程中出现的各种问题和可能引起危机的先兆，对这些信息进行分析和处理，一般是不分析、评价和管理危机；

S8、在通过物联网采用以上方式挖掘后，便可对挖掘的数据进行分析处理，处理时根据数据挖掘信息选取一个或多个优越的经营模式，并在此进过上述对应步骤多次验证该分析模式，然后选取数据相对稳定的作为评价预备数据，并将数据输入计算机进行虚拟模拟计算分析该经营模式。

3.根据权利要求1所述的一种物联网数据挖掘方法，其特征在于：所述S2中，其主管表现在几个方面：（1）判别自变量是否能解释因变量的显著变化---关系是否存在、（2）判别自变量能够在多大程度上解释因变量----关系的强度、（3）判别关系的结构或形式----反映因变量和自变量之间相关的数学表达式、（4）预测自变量的值、（5）当评价一个特殊变量或一组变量对因变量的贡献时，对其自变量进行控制。

4.根据权利要求1所述的一种物联网数据挖掘方法，其特征在于：所述S3中，其分析算法分为以下几类：（1）划分方法、（2）层次的方法、（3）基于密度的方法、（4）基于网格的方法、（5）基于模型的方法，该方法可以应用到客户群体的分类、客户背景分析、客户购买趋势预测、市场的细分，按忠诚卡记录的光临次数、光临时间、年龄、职业，还有银行信用卡的黄金客户，按储蓄额、刷卡消费金额和诚信度。

5.根据权利要求1所述的一种物联网数据挖掘方法，其特征在于：所述S1中，其主要分类方法有决策树、KNN法(K-Nearest Neighbor)、SVM法、VSM法、Bayes法、神经网络。