本文選題：智能家居 + 輔助決策�。� 參考：《華北電力大學》2017年碩士論文

【摘要】：隨著生活水平的提高及物聯(lián)網、機器學習等技術的發(fā)展,如何使家居具備自主“學習”能力,根據用戶個人習慣自主控制照明燈、窗簾等家居的開閉成為當前智能家居研究的熱點之一,對智能家居的發(fā)展及推廣具有重要意義。本文對智能家居輔助決策中的異常數據處理、獲取用戶決策規(guī)則集、用戶類別判定及優(yōu)化決策等問題進行了深入的研究。本文主要工作如下:1)分析和研究了智能家居輔助決策中的環(huán)境信息特點、決策方法、評估標準等,給出了一種支持向量機和K近鄰算法相結合的智能家居輔助決策模型。該模型構建主要包括個人環(huán)境信息建模、異常數據處理、相似用戶查找及基于支持向量機的用戶決策規(guī)則集獲取等。通過實驗,與一般決策系統(tǒng)、基于BP神經網絡的決策系統(tǒng)進行決策準確度的對比,結果表明,該方法具有耗時少、精度高的特點。2)給出了一種基于自適應步長和增強隨機擾動的的改進螢火蟲算法,用于優(yōu)化決策系統(tǒng),通過引入亮度值和歐幾里得距離公式改進了原算法中的位置更新公式,并利用matlab中的測試函數對該算法進行了測試,實驗證明該算法在避免收斂早熟及無法收斂問題上有一定的優(yōu)勢。3)設計并實現(xiàn)了該智能家居輔助決策原型系統(tǒng),研究內容主要包括智能家居系統(tǒng)總體架構設計、個人環(huán)境信息的采集及用于查看和控制家居狀態(tài)的智能家居APP的設計與開發(fā)。
[Abstract]:With the improvement of living standard and the development of technology such as Internet of things and machine learning, how to make the home have the ability of autonomous "learning" and control the lighting independently according to the user's habits. Curtain and other household opening and closing has become one of the hot spots in the research of smart home, which is of great significance to the development and promotion of smart home. In this paper, the problems of abnormal data processing, obtaining user decision rule set, user category decision and optimization decision in intelligent home assistant decision are deeply studied. The main work of this paper is as follows: (1) this paper analyzes and studies the characteristics of environmental information, decision methods, evaluation criteria and so on in the intelligent home assistant decision making, and gives a kind of intelligent home assistant decision model combining support vector machine and K-nearest neighbor algorithm. This model mainly includes personal environment information modeling, exception data processing, similar user lookup and user decision rule set acquisition based on support vector machine. Compared with the general decision system and the decision system based on BP neural network, the experimental results show that the method has less time consuming. (2) an improved firefly algorithm based on adaptive step size and enhanced random perturbation is presented to optimize the decision-making system. By introducing the luminance value and Euclidean distance formula, the position updating formula in the original algorithm is improved. The test function in matlab is used to test the algorithm. The experiment shows that the algorithm has some advantages in avoiding premature convergence and unconvergent problem. 3) the intelligent home aided decision making prototype system is designed and implemented. The main contents of the research include the overall architecture design of smart home system, the collection of personal environment information and the design and development of intelligent home APP for viewing and controlling the status of home.
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TU855

【參考文獻】

相關期刊論文 前10條

1 宋林;周媛;曾玉姍;;基于云計算和機器學習的智能家居系統(tǒng)設計[J];電子設計工程;2015年24期

2 程美英;倪志偉;朱旭輝;;螢火蟲優(yōu)化算法理論研究綜述[J];計算機科學;2015年04期

3 趙亞琴;;基于模糊神經網絡的火災識別算法[J];計算機仿真;2015年02期

4 王吉權;王福林;;螢火蟲算法的改進分析及應用[J];計算機應用;2014年09期

5 黃太安;生佳根;徐紅洋;黃澤峰;;一種改進的簡化粒子群算法[J];計算機仿真;2013年02期

6 陳海明;崔莉;謝開斌;;物聯(lián)網體系結構與實現(xiàn)方法的比較研究[J];計算機學報;2013年01期

7 馬永杰;云文霞;;遺傳算法研究進展[J];計算機應用研究;2012年04期

8 劉長平;葉春明;;一種新穎的仿生群智能優(yōu)化算法:螢火蟲算法[J];計算機應用研究;2011年09期

9 師洪濤;楊靜玲;丁茂生;王金梅;;基于小波—BP神經網絡的短期風電功率預測方法[J];電力系統(tǒng)自動化;2011年16期

10 任_g;梅盛鑫;;基于混合核函數支持向量機和遺傳算法的人臉識別[J];計算機應用與軟件;2011年04期

相關碩士學位論文 前10條

1 陳飛彥;以人為本的智能家居輔助決策系統(tǒng)的研究與實現(xiàn)[D];吉林大學;2015年

2 許永偉;基于SNS智能家居系統(tǒng)的用戶意圖推理研究[D];北京郵電大學;2015年

3 徐曉明;SVM參數尋優(yōu)及其在分類中的應用[D];大連海事大學;2014年

4 宮辰;基于云計算的智能家居管理系統(tǒng)設計與應用[D];南京郵電大學;2014年

5 岳敬華;基于云服務的智能家居系統(tǒng)的研究與設計[D];杭州電子科技大學;2014年

6 劉玉佳;基于多信息融合的室內智能控制系統(tǒng)研究與實現(xiàn)[D];河北工業(yè)大學;2014年

7 付韜;基于SVM的CPS智能照明系統(tǒng)輔助感知決策[D];吉林大學;2013年

8 高偉明;螢火蟲算法的研究與應用[D];蘭州大學;2013年

9 彭洪明;智能家居的體系結構及關鍵技術研究[D];北京交通大學;2012年

10 胡俊;支持向量機參數優(yōu)化問題的研究[D];哈爾濱工業(yè)大學;2009年

，

本文編號：1855289