物联网通过无线传感器、全球定位系统、射频识别系统等设备,按照已经约定好的协议,将世界上的所有事物连接到网络中,即物理空间和信息空间的融合,实现人到人、物到物和人到物的广泛互连。然而,物联网因接入的设备多种多样,使得物联网的网络是一个异构融合的网络。异构融合的网络产生了大量异构信息,造成了物联网实时性差、资源带宽的浪费等问题。如何将这些物联网的异构数据进行分类融合成为了一个必须要解决的问题。当前,物联网的数据交换标准有XML、PML等,大部分都是针对某一具体应用提出的,无法适应物联网这个统一的大平台。XML作为开放的数据标准,适合处理海量异构数据。而且传感器网络和RFID系统均可将XML作为语义和语法基础。因此,本文将XML作为物联网统一的数据交换标准。针对物联网数据容易缺失标签,数据流不稳定以及数据不确定的问题,对数据分类算法和数据融合算法进行研究。本文的主要工作如下:首先,本文研究了基于XML的Boosting分类算法不适应物联网的方面。针对物联网数据容易缺失标签的问题,引入学习迁移的思想来改进Boosting算法,主要改进初始分配权重、权重更新方法以及误判率的衡量方法,提高分类算法的正确率。再针对物联网数据流峰值处理问题,引入缓冲机制,设置缓冲池来保存数据量高峰期时未分类的数据,保证物联网数据被正常分类。其次,本文在数据分类的基础上,针对物联网数据不确定的问题,对D-S证据理论进行改进,实现物联网数据融合。在D-S证据理论的基础上引入节点权重,节点权重代表节点能力大小和节点发送证据的可靠性。再依据单个节点和其它节点的冲突概率情况调整节点权重大小,防止权重大的节点因为故障导致发送数据错误。最后根据调整后的权重重新分配基本概率,使用D-S证据合成公式进行数据融合。最后,本文在NS2上进行仿真实验。实验表明,本文提出的基于XML的Transfer-Boost算法和基于节点加权的D-S证据理论有良好的性能。