学科前沿讲座 总结中国矿业大学.docx
《学科前沿讲座 总结中国矿业大学.docx》由会员分享，可在线阅读，更多相关《学科前沿讲座 总结中国矿业大学.docx（15页珍藏版）》请在冰点文库上搜索。
学科前沿讲座总结中国矿业大学
计算机学院2011级信科
学科前沿讲座报告
班级：
姓名：
学号：
大数据与云计算
通过老师对云计算的相关概念的解析，云计算，这个在网络上十分火热的名词在我们的脑海里有了更为生动的概念。
云计算是基于互联网的相关服务的增加、使用和交付模式，通常涉及通过互联网来提供动态易扩展且经常是虚拟化的资源。
云是网络、互联网的一种比喻说法。
过去在图中往往用云来表示电信网，后来也用来表示互联网和底层基础设施的抽象。
因此，云计算甚至可以让你体验每秒10万亿次的运算能力，拥有这么强大的计算能力可以模拟核爆炸、预测气候变化和市场发展趋势。
用户通过电脑、笔记本、手机等方式接入数据中心，按自己的需求进行运算。
对云计算的定义有多种说法。
对于到底什么是云计算，至少可以找到100种解释。
目前广为接受的是美国国家标准与技术研究院（NIST）定义：
云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的、按需的网络访问，进入可配置的计算资源共享池（资源包括网络，服务器，存储，应用软件，服务），这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
而大数据技术（bigdata）指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。
（在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中[2] 大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法）大数据的4V特点：
Volume（大量）、Velocity（高速）、Variety（多样）、Veracity（真实）。
那这两者之间到底存在着何种关系呢？
从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分。
大数据必然无法用单台的计算机进行处理,必须采用分布式计算架构。
它的特色在于对海量数据的挖掘,但它必须依托云计算的分布式处理、分布式数据库、云存储和虚拟化技术。
云计算为什么能盛行呢?
在互联网领域应用系统的构建：
客户群体是不确定的、系统规模不确定、系统投资不固定、业务应用有很清晰的并行分割特征、数据仓库系统的构建、数据仓库规模可估算、数据仓库的系统投资与业务分析的价值和回报相关、商业智能应用属于整体应用、Saas模式构建数据仓库系统。
大数据管理，分布式进行文件系统，如Hadoop、Mapreduce数据分割与访问执行;同时SQL支持，以Hive+HADOOP为代表的SQL界面支持，在大数据技术上用云计算构建下一代数据仓库成为热门话题。
从系统需求来看，大数据的架构对系统提出了新的挑战：
1、集成度更高。
一个标准机箱最大限度完成特定任务。
2、配置更合理、速度更快。
存储、控制器、I/O通道、内存、CPU、网络均衡设计，针对数据仓库访问最优设计，比传统类似平台高出一个数量级以上。
3、整体能耗更低。
同等计算任务，能耗最低。
4、系统更加稳定可靠。
能够消除各种单点故障环节，统一一个部件、器件的品质和标准。
5、管理维护费用低。
数据藏的常规管理全部集成。
6、可规划和预见的系统扩容、升级路线图。
生物特征识别技术
生物特征识别技术作为一种身份识别的手段,具有独特的优势,近年来已逐渐成为国际上的研究热点，并且具有广阔的应用领域和市场前景。
以指纹自动识别系统为代表的生物特征识别技术已经在公安刑侦、人口管理等领域广泛应用；在边检、金融、教育、医疗、社保等领域的应用也在逐步扩大。
研究此选题主要是为了加强对生物特征识别技术的更进一步的认识，并将其更好地应用到电子商务领域中，为人们的日常商务活动包括人员管理、资金管理、信息资源的规划等活动提供更加安全、方便、快捷、可实施性强的解决方案。
如今,随着国际互联网络的飞速发展，网上的电子交易日益频繁,这要求对身份的确认要有绝对的保证。
每个从事商务活动的个体或团体都或多或少的拥有多个账户和密码，账户和密码越多越不易保密和管理，反安全技术也越来越发达。
人的许多生物特征包括指纹、DNA等是终身不变的，而且这些生物特征具有个体唯一性。
因此，相比于，比如密码等技术而言，生物特征识别具有可靠性高，重复率小的特点。
由于这些特点。
生物识别技术是目前最为方便与安全的识别技术，它不需要记住复杂的密码，也不需随身携带钥匙、智能卡之类的东西。
生物识别技术认定的是人本身，没有什么能比这种认证方式更安全、更方便了。
由于每个人的生物特征具有与其他人不同的唯一性和在一定时期内不变的稳定性，不易伪造和假冒，所以利用生物识别技术进行身份认定，安全、可靠、准确。
此外，生物识别技术产品均借助于现代计算机技术实现，很容易配合电脑和安全、监控、管理系统整合，实现自动化管理。
随着网络经济和互联网技术的发展, 我国的经济、军事、社会各方面活动都越来越依赖于互联网, 特别是电子商务和金融方面。
与此同时，计算机网络上出现利用网络窃取盗用他人信息的电子攻击现象也越来越多。
非法登录计算机的案件正呈上升趋势, 在电子商务中假冒当事人上网采购所造成的欺诈案也在逐渐增多，甚至有孩子假充家长上网采购的案例。
另外，我国也出现了使用盗窃来的身份证造成移动电话通信的损失和用他人信用卡疯狂透支的案件。
广义的电子商务是指当事人或参与人利用计算机技术和网络技术等现代信息技术手段所进行的各类商务活动，包括货物贸易和知识产权贸易之间（主要是企业和企业之间、企业与消费者之间）利用现代信息技术和计算机网络按照一定的标准所进行的各种商务活动。
狭义的电子商务是指通过Internet进行的商务活动。
[14]电子商务的功能有：
交易活动管理、市场调研、广告宣传与信息发布、咨询洽谈、网上购物、网上支付、网上金融服务、服务传递、在线服务支持等。
[15]这些活动都离不开身份识别。
身份识别是电子商务领域中的重要环节。
目前电子商务中身份认证常用一种传统的身份认证方法, 在网上提供标识信息（使用者帐号+ 密码来表明本人身份）。
这种方法的缺点是：
标识信息容易遗忘或记错, 容易被非法用户在信息传递过程中截获，更关键的是身份识别系统无法辨清标识信息真正拥有者和取得标识信息的冒充者。
[16]所以，无论是谁，只要获得了标识信息，就一样拥有了相同的权力。
针对出现的问题, 有效的身份鉴别技术可以防止这类案件发生。
随着网络技术的广泛应用, 电子商务的迅速发展。
发展电子商务的当务之急是如何解决安全问题, 包
括如何解决用户的身份、密码、保障网上交易活动的安全性, 防止网上金融诈骗和各种犯罪活动等, 这是新时代提出的新课题。
Bill Gates曾做过这样的断言, 生物识别技术, 利用人的生理特征, 例如像指纹等来识别个人的身份, 将成为今后几年IT产业的重要革新。
数字矿山与虚拟现实
本节课赵老师和我讲的是数字矿山和虚拟化技术，通过这节课我们对数字化、信息化的采矿技术有了基本的了解。
我们也将意识到伴随中国改革开放的步伐，伴随中国矿山企业的高速高效发展，我国煤矿数字矿山的发展前景将会极为光明。
虚拟现实即真实幻觉（VirtualReality，简称VR，又译作灵境、幻真）是近年来出现的高新技术，也称灵境技术或人工环境。
虚拟现实是利用电脑模拟产生一个三维空间的虚拟世界，提供使用者关于视觉、听觉、触觉等感官的模拟，让使用者如同身历其境一般，可以及时、没有限制地观察三度空间内的事物。
而数字化矿山技术中最为吸引人的就是虚拟现实技术在其中的运用。
通过虚拟技术可以更为直观的了解矿区检测网络连接的每个角落。
通过几年来在数字化建设方面的探索，我们已在宏观上了解了国内外数字矿山的发展现状，并对其含义与内容有了进一步的认识：
数字矿山是利用计算机技术，网络技术及数字化技术来描述矿山管理，监测与控制安全生产过程的数字化信息系统，其是实现矿山数字化的最终目标。
在很多人质疑数字矿山实践意义的阴霾之下，中国煤炭学术界提出了数字矿山的“五化”发展目标。
我个人对于“五化”发展目标的理解归纳如下：
1数字化地集成管理与共享利用各类矿山数据与信息资源。
从横向的角度收集庞大的信息量，对于指导实际工作有着客观，全面的意义；真正使矿山管理实现集成化、信息化、高效化。
2可视化地三维模拟和虚拟再现矿山地质采矿环境、过程及其相关现象。
从视觉上对以往的二维图纸显现发生了空间及思维层次的超越。
3仿真化地模拟分析矿山采掘活动、采动影响与灾变过程。
从以往的不可预测的，无法防治的漩涡之中，找到了清晰可见的研究道路。
4智能化地分析提取采动影响规律及环境与工艺参数。
针对以往的经验性规律，数据性资料无疑更为精确与客观。
5自动化地预警矿山灾害并启动应急预案。
更加全面科学的实践了安全生产这一煤矿开采的灵魂宗旨。
就目前我国矿山企业的具体情况而言，在承受着巨大经济压力与任务重量的同时，数字矿山对于企业的发展到底能给予什么样的利益与优势成为了很多人谈论与关注的焦点，我保守的总结一下，数字矿山的建设至少可以给矿山企业带来以下益处：
1拓展矿山企业的生存与发展空间，提高企业的实际竞争力。
2促进矿山企业组织结构的优化，使各种资源有效合理的配置。
3提供全面客观准确的对策分析，降低了决策的风险性。
4提高了企业快速反应的能力，为突发形势与状况的处理提供了技术上的有力支持。
从我国现有部分矿山企业的数字矿山发展的进程中，这些优势正在逐步地体现，其所取得的成果也是有目共睹的。
机器学习
上学期的丁老师所教的人工智能中我们初步接触了机器学习的概念。
通过这一次陈伟老师为我们讲的有关机器学习的一些基本理论和发展前景，让我们对于这门学科有了更好的理解。
众所周知，学习是人类具有的一种重要智能行为，但究竟什么是学习，长期以来却众说纷纭。
社会学家、逻辑学家和心理学家都各有其不同的看法。
按照人工智能大师西蒙的观点，学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或相同类似的任务时，会比现在做得更好或效率更高。
西蒙对学习给出的定义本身，就说明了学习的重要作用。
在人类社会中，不管一个人有多深的学问，多大的本领，如果他不善于学习，我们都不必过于看重他。
因为他的能力总是停留在一个固定的水平上，不会创造出新奇的东西。
但一个人若具有很强的学习能力，则不可等闲视之了。
机器具备了学习能力，其情形完全与人类似。
什么是机器学习？
迄今尚没有统一的定义，由其名字可理解为机器学习是研究如何使用机器来模拟人类学习活动的一门学科。
稍微严格的提法是机器学习是一门研究机器获取新知识和新技能，并识别现有知识的学问。
这里所说的“机器”，指的就是计算机，现在是电子计算机，以后还可能是种子计算机、光子计算机或神经计算机等等。
机器能否像人类一样能具有学习能力呢？
1959年美国的塞缪尔（Samuel）设计了一个下棋程序，这个程序具有学习能力，它可以在不断的对弈中改善自己的棋艺。
4年后，这个程序战胜了设计者本人。
又过了3年，这个程序战胜了美国一个保持8年之久的常胜不败的冠军。
这个程序向人们展示了机器学习的能力，提出了许多令人深思的社会问题与哲学问题。
机器的能力是否能超过人的，很多持否定意见的人的一个主要论据是：
机器是人造的，其性能和动作完全是由设计者规定的，因此无论如何其能力也不会超过设计者本人。
这种意见对不具备学习能力的机器来说的确是对的，可是对具备学习能力的机器就值得考虑了，因为这种机器的能力在应用中不断地提高，过一段时间之后，设计者本人也不知它的能力到了何种水平。
机器学习的研究是根据生理学、认知科学等对人类学习机理的了解，建立人类学习过程的计算模型或认识模型，发展各种学习理论和学习方法，研究通用的学习算法并进行理论上的分析，建立面向任务的具有特定应用的学习系统。
这些研究目标相互影响相互促进。
目前，机器学习领域的研究工作主要围绕以下三个方面进行：
1）面向任务的研究。
研究和分析改进一组预定任务的执行性能的学习系统。
2）认知模型。
研究人类学习过程并进行计算机模拟。
3）理论分析。
从理论上探索各种可能的学习方法和独立于应用领域的算法，机器学习是继专家系统之后人工智能应用的又一重要研究领域，也是人工智能和神经计算的核心研究课题之一。
现有的计算机系统和人工智能系统没有什么学习能力，至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。
对机器学习的讨论和机器学习研究的进展，必将促使人工智能和整个科学技术的进一步发展。
计算机视觉（机器视觉）
姚老师在本堂课上为我们讲解了机器视觉的基本概念。
通过较为生动的多媒体教学，让我们对这个学科有了基本的了解。
机器视觉就是用机器代替人眼来做测量和判断。
机器视觉系统是指通过机器视觉产品（即图像摄取装置，分CMOS和CCD两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。
如今，中国正成为世界机器视觉发展最活跃的地区之一，应用范围涵盖了工业、农业、医药、军事、航天、气象、天文、公安、交通、安全、科研等国民经济的各个行业。
其重要原因是中国已经成为全球制造业的加工中心，高要求的零部件加工及其相应的先进生产线，使许多具有国际先进水平的机器视觉系统和应用经验也进入了中国。
经历过长期的蛰伏，2010年中国机器视觉市场迎来了爆发式增长。
数据显示当年，中国机器视觉市场规模达到8.3亿元，同比增长48.2%，其中智能相机、软件、光源和板卡的增长幅度都达到了50%，工业相机和镜头也保持了40%以上的增幅，皆为2007年以来的最高水平。
2011年，中国机器视觉市场步入后增长调整期。
相较2010年的高速增长，虽然增长率有所下降，但仍保持很高的水平。
2011年中国机器视觉市场规模为10.8亿元，同比增长30.1%，增速同比2010年下降18.1个百分点，其中智能相机、工业相机、软件和板卡都保持了不低于30%的增速，光源也达到了28.6%的增长幅度，增幅远高于中国整体自动化市场的增长速度。
电子制造行业仍然是拉动需求高速增长的主要因素。
2011年机器视觉产品电子制造行业的市场规模为5.0亿人民币，增长35.1%。
市份额达到了46.3%。
电子制造、汽车、制药和包装机械占据了近70%的机器视觉市场份额。
通过上课的PPT我们可以知道一个典型的工业机器视觉系统包括：
光源、镜头、相机（包括CCD相机和COMS相机）、图像处理单元（或图像捕获卡）、图像处理软件、监视器、通讯/输入输出单元等。
系统可再分为
一、采集和分析分开的系统。
主端电脑（HostComputer）
影像撷取卡（FrameGrabber）与影像处理器
影像摄影机
CCTV镜头
显微镜头
照明设备
Halogen光源LED光源
高周波萤光灯源
闪光灯源
其他特殊光源
影像显示器
LCD
机构及控制系统
PLC、PC-Base控制器
精密桌台
伺服运动机台
二、采集和分析一体的系统
智能相机（图像采集和分析一体）
其他配套外围设备：
光源、显示、PLC控制系统等等。
由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。
但是机器视觉技术比较复杂，最大的困难在于人的视觉机制尚不清楚。
人可以用内省法描述对某一问题的解题过程，从而用计算机加以模拟。
但尽管每一个正常人都是“视觉专家”，却不可能用内省法来描述自己的视觉过程。
因此建立机器视觉系统是十分困难的任务。
可以预计的是，随着机器视觉技术自身的成熟和发展，它将在现代和未来制造企业中得到越来越广泛的应用。
多尺度变化的图像处理
本次孙老师给我们讲的是多尺度变换和图像感知，这个学科目前研究的问题是基于子波的统计处理方法。
目前，研究者提出了包括Ridgelet，Curvelet，Bandelet，Contourlet等一系列多尺度几何分析工具，由于
它们主要以变换为核心，因此也称为多尺度多方向变换．为了能充分利用原函数的几何正则性，这些变换基的支撑区间表现为“长条形”，以达到用最少的系数来逼近奇异曲线．多尺度几何分析技术在图像压缩、去噪、增强及特征提取等领域，表现出的性能优势显示了其强大的发展和应用潜力。
正是由于多尺度几何变换的诸多优良特性，多尺度几何分析非常适合于进行诸如去噪、压缩、增强和特征提取等图像处理任务。
10多年来，图像多尺度几何分析技术的研究取得了不少进展，但是仍然存在很多问题，有许多方向有
待进一步研究．
1）自适应和非自适应方法的选取
近几年来，在图像多尺度几何分析领域，学者们普遍认为自适应
方法相对非自适应方法具有更好的逼近性能，
于是提出了各种各样的自适应分析方法，但在某些情况下，一些非自适应方法通过简单的硬阈值处理获得的非线性逼近性能并不比复杂的自适应方法差，因此，如何选择自适应和非自适应方法，一直是学者们研究的方向．
2）滤波器组的构造和设计
图像多尺度几何分析算法中滤波器组作为各种多尺度方向变换的重要
组成部分，其性能直接影响到多尺度方向变换在实际应用中的性能，因此，有很多学者投入到滤波器组的构造和设计中，以便取得更好的变换性能．
3）基本理论框架的建立
目前，多尺度几何分析理论都是针对不同应用目的提出来的，如何从根本
上揭示其数学本质，构建统一的多尺度几何分析理论是值得研究的方向之一．
4）快速处理工具的建立目前，多尺度多方向变换没有统一有效的变换工具，如何设计快速有效的算法，发展新的多维信号处理工具，也是值得研究的方向之一．
5）多维图像模型的建立当前，多尺度几何分析方法都是建立在简单的二维图像模型之上，然而真正的自然图像远比这个模型复杂，对于更复杂的自然图像模型，如包含纹理的模型等还需要建立更好的图像模型，以便得到更优的图像多尺度几何表示方法．
6）与其他领域的结合如何将多尺度几何分析方法与数学理论、谐波分析、视觉感知、计算机视觉和信息处理等多门学科相结合，相互发展，也成为研究方向之一．
7）“稀疏逼近”的发展方向不同的多尺度几何分析技术对不同的图像有不同的稀疏表示能力，如何将变换系数的能量更加集中，有助于提取和分析图像的重要特征，得到更稀疏的图像表示，也是值得研究的方向之一．
8）算法的效率和复杂度及评价标准目前，已有的多尺度几何分析算法很多，不少算法的效果还是不错的，然而各种解决方法都是以计算复杂度或冗余度的增加为代价来获得变换精度的提高，因此，如何在提高算法效率和降低复杂度之间获得最优的结果，也是值得研究的方向之一．同时，各种分析算法目前还没有统一的评价标准．一般采用真实的或由标准测试图像人工合成的低分辨图像序列来检验新算法及改进算法，如何对各种变换算法进行量化评价，也是值得研究的方向之一
自然语言处理
在本次讲座中，老师为我们大致讲解了自然语言处理的基本原理和发展趋势。
自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。
它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。
自然语言处理是一门融语言学、计算机科学、数学于一体的科学。
因此，这一领域的研究将涉及自然语言，即人们日常使用的语言，所以它与语言学的研究有着密切的联系，但又有重要的区别。
自然语言处理并不是一般地研究自然语言，而在于研制能有效地实现自然语言通信的计算机系统，特别是其中的软件系统。
因而它是计算机科学的一部分。
众所周知，语言是人类区别其他动物的本质特性。
在所有生物中，只有人类才具有语言能力。
人类的多种智能都与语言有着密切的关系。
人类的逻辑思维以语言为形式，人类的绝大部分知识也是以语言文字的形式记载和流传下来的。
因而，它也是人工智能的一个重要，甚至核心部分。
用自然语言与计算机进行通信，这是人们长期以来所追求的。
因为它既有明显的实际意义，同时也有重要的理论意义：
人们可以用自己最习惯的语言来使用计算机，而无需再花大量的时间和精力去学习不很自然和习惯的各种计算机语言；人们也可通过它进一步了解人类的语言能力和智能的机制。
实现人机间自然语言通信意味着要使计算机既能理解自然语言文本的意义，也能以自然语言文本来表达给定的意图、思想等。
前者称为自然语言理解，后者称为自然语言生成。
因此，自然语言处理大体包括了自然语言理解和自然语言生成两个部分。
历史上对自然语言理解研究得较多，而对自然语言生成研究得较少。
但这种状况已有所改变。
无论实现自然语言理解，还是自然语言生成，都远不如人们原来想象的那么简单，而是十分困难的。
从现有的理论和技术现状看，通用的、高质量的自然语言处理系统，仍然是较长期的努力目标，但是针对一定应用，具有相当自然语言处理能力的实用系统已经出现，有些已商品化，甚至开始产业化。
典型的例子有：
多语种数据库和专家系统的自然语言接口、各种机器翻译系统、全文信息检索系统、自动文摘系统等。
自然语言处理，即实现人机间自然语言通信，或实现自然语言理解和自然语言生成是十分困难的。
造成困难的根本原因是自然语言文本和对话的各个层次上广泛存在的各种各样的歧义性或多义性（ambiguity）。
一个中文文本从形式上看是由汉字（包括标点符号等）组成的一个字符串。
由字可组成词，由词可组成词组，由词组可组成句子，进而由一些句子组成段、节、章、篇。
无论在上述的各种层次：
字（符）、词、词组、句子、段，……还是在下一层次向上一层次转变中都存在着歧义和多义现象，即形式上一样的一段字符串，在不同的场景或不同的语境下，可以理解成不同的词串、词组串等，并有不同的意义。
一般情况下，它们中的大多数都是可以根据相应的语境和场景的规定而得到解决的。
也就是说，从总体上说，并不存在歧义。
这也就是我们平时并不感到自然语言歧义，和能用自然语言进行正确交流的原因。
但是一方面，我们也看到，为了消解歧义，是需要极其大量的知识和进行推理的。
如何将这些知识较完整地加以收集和整理出来；又如何找到合适的形式，将它们存入计算机系统中去；以及如何有效地利用它们来消除歧义，都是工作量极大且十分困难的工作。
这不是少数人短时期内可以完成的，还有待长期的、系统的工作。
以上说的是，一个中文文本或一个汉字（含标点符号等）串可能有多个含义。
它是自然语言理解中的主要困难和障碍。
反过来，一个相同或相近的意义同样可以用多个中文文本或多个汉字串来表示。
因此，自然语言的形式（字符串）与其意义之间是一种多对多的关系。
其实这也正是自然语言的魅力所在。
但从计算机处理的角度看，我们必须消除歧义，而且有人认为它正是自然语言理解中的中心问题，即要把带有潜在歧义的自然语言输入转换成某种无歧义的计算机内部表示。
自然语言处理发展至今，任然有着许多有待突破的难点：
单词的边界界定、词义的消除句法的模糊性、有瑕疵的或不规范的输入、语言行为与计划。
未来的自然语言处理发展必然离不开这些问题的讨论。
感知矿山（wsn能量优化路由与矿山CPS）
本次讲座时由姜老师为我们讲解感知矿山----矿山物联网的相关理论和具体是实例。
我们知道物联网是近年来新兴起的一种技术，目前在国际上还没有形成统一认识。
美国和欧洲将其视为一种智能的、传感的、泛在的网络技术。
国际电信联盟在 2005 年发表的网络报告《ITUInternet Reports 2005 ：
The Internet of Things》中也没有对其的内涵进行明确的解释。
而在 2009 年 9 月的中欧之间的物联网与企业环境研讨会上，当时的欧委会信息社会与媒体司，也就是现在的通信网络、网络数据和技术司的部门负责人则提出了他们对于物联网的理解：
物联网是全球性的动态网络基础设施，它能够对标准化和能互相操作的通信协议进行自我组织，其中物既包括物理的也包括虚拟的，它有物理属性、虚拟属性、身份特
升级会员 