本书围绕典型的数据收集、存储、处理与分析过程，系统地阐述物联网与数据挖掘的基本理论、技术、方法与典型应用等，旨在使读者全面、扎实地掌握基本的物联网与数据挖掘技术。全书共16章，内容包括物联网数据收集、物联网数据存储、物联网数据预处理、分类、集成学习、聚类、关联规则、人工神经网络与深度学习、异常检测等传统技术，也涵盖区块链技术、因果分析、主动学习、迁移学习等进阶知识，最后简单介绍物联网与数据挖掘技术在智慧健康养老和医疗健康中的应用。
本书可以作为高等院校物联网工程及相关专业的教材，也可以作为计算机、电子通信等专业相关课程的参考用书。

第1章 绪论
1.1 物联网概述
1.1.1 物联网的产生与发展
1.1.2 什么是物联网
1.1.3 物联网体系结构
1.2 数据挖掘概述
1.2.1 什么是数据挖掘
1.2.2 数据挖掘的对象与内容
1.2.3 数据挖掘常用技术
1.3 物联网与数据挖掘
1.3.1 物联网数据
1.3.2 物联网数据挖掘
1.3.3 物联网数据挖掘的应用
习题
第2章 物联网数据收集
2.1 传感器与感知技术
2.1.1 环境参数感知
2.1.2 生理信号感知
2.1.3 动作信号感知
2.2 物联网中常见的通信技术
2.2.1 无线通信技术
2.2.2 有线通信技术
2.3 物联网数据传输协议
2.3.1 TCP
2.3.2 HTTP
2.3.3 MQTT
2.3.4 WebSocket协议
习题
第3章 物联网数据存储
3.1 数据库系统
3.1.1 数据库系统分类
3.1.2 数据库系统选择
3.2 数据仓库
3.2.1 数据仓库的特点
3.2.2 数据仓库的组成
3.2.3 数据仓库的体系结构
3.2.4 多维数据模型
3.3 数据湖
习题
第4章 物联网数据预处理
4.1 数据清洗
4.1.1 缺失值处理
4.1.2 噪声处理
4.1.3 重复数据处理
4.2 数据变换
4.2.1 数据离散化
4.2.2 数据归一化
4.3 特征约简
4.3.1 特征选择
4.3.2 特征提取
习题
第5章 分类
5.1 决策树
5.1.1 决策树模型
5.1.2 特征重要性评估
5.1.3 决策树生成
5.1.4 决策树剪枝
5.1.5 案例
5.2 k最近邻
5.2.1 k最近邻模型
5.2.2 k值的选择
5.2.3 距离度量
5.2.4 案例
5.3 朴素贝叶斯分类器
5.3.1 贝叶斯定理
5.3.2 朴素贝叶斯分类器
5.3.3 不同类型的朴素贝叶斯
5.3.4 案例
习题
第6章 集成学习
6.1 集成学习简介
6.2 Bagging算法
6.3 Boosting算法
6.4 Stacking方法
习题
第7章 聚类
7.1 基本概念和术语
7.2 k均值算法
7.3 层次聚类算法
习题
第8章 关联规则
8.1 频繁项集与关联规则
8.2 Apriori算法
8.2.1 频繁项集的产生
8.2.2 关联规则的产生
8.2.3 Apriori算法分析
8.3 FP增长算法
8.3.1 构建FP树
8.3.2 基于FP树挖掘频繁项集
8.3.3 算法分析
8.4 关联规则应用示例
8.5 关联规则高级进阶
8.5.1 面向不同类型变量的关联规则挖掘
8.5.2 面向概念分层的关联规则
8.5.3 负关联规则挖掘
8.5.4 面向特定数据的关联规则挖掘
8.5.5 面向大数据的关联规则挖掘
习题
第9章 人工神经网络与深度学习
9.1 神经元模型
9.2 感知机与多层神经元网络
9.3 误差反向传播算法
9.4 激活函数与损失函数
9.4.1 激活函数
9.4.2 损失函数
9.5 梯度下降法
9.6 深度学习模型
9.7 卷积神经网络
9.7.1 卷积神经网络的组件
9.7.2 卷积神经网络的训练
9.7.3 典型的卷积神经网络
9.7.4 卷积神经网络的代码示例
9.8 循环神经网络
9.8.1 基本循环神经网络
9.8.2 双向循环神经网络
9.8.3 深度循环神经网络
9.8.4 递归神经网络
9.8.5 循环神经网络训练
9.8.6 长短时记忆网络
9.8.7 循环神经网络的代码示例
习题
第10章 异常检测
10.1 异常的类型
10.2 异常检测方法分类
10.2.1 对象标签的可用性
10.2.2 参考集合的范围
10.2.3 异常检测算法的输出
10.2.4 潜在建模方法的特点
10.3 基于分类的方法
10.4 基于统计的方法
10.4.1 基于统计检验的方法
10.4.2 基于偏差的方法
10.4.3 基于深度的方法
10.5 基于邻近度的方法
10.5.1 基于聚类的方法
10.5.2 基于距离的方法
10.5.3 基于密度的方法
10.6 基于深度学习的方法
10.7 异常检测高级进阶
10.7.1 面向类别和混合数据的异常检测
10.7.2 面向时序数据的异常检测
10.7.3 面向图数据的异常检测
习题
第11章 区块链技术
11.1 比特币
11.2 区块链的基础概念和特征
11.3 区块链的技术要素
11.3.1 分布式账本
11.3.2 共识机制
11.3.3 智能合约
11.3.4 密码学机制
11.4 常见的联盟链技术平台
11.4.1 Hyperledger Fabric
11.4.2 FISCO BCOS联盟链
11.4.3 商用联盟链BaaS平台
11.5 区块链赋能物联网
11.5.1 物链网的体系架构
11.5.2 物链网的应用场景
习题
第12章 因果分析
12.1 辛普森悖论
12.2 因果贝叶斯网络
12.2.1 贝叶斯网络
12.2.2 因果图模型
12.2.3 结构因果模型
12.3 因果关系发现
12.3.1 基于约束的方法
12.3.2 基于评