隨著大數(shù)據(jù)時代的到來,智能家居行業(yè)得到了極大的發(fā)展。然而,由此產生的大量用戶歷史操控數(shù)據(jù)卻未得到很好地利用,限制了行業(yè)競爭力的提升。因此研究如何利用海量的智能家居用戶歷史操控數(shù)據(jù),挖掘出用戶的操控習慣,實現(xiàn)家居設備的智能化決策,成為智能家居行業(yè)走向智能化過程中的關鍵問題之一。本文依據(jù)行業(yè)內的標準,將智能家居用戶操控習慣分為兩大類來研究:第一類是面向單一智能家居設備的用戶單控操控習慣;第二類是面向多個智能家居設備的用戶關聯(lián)操控習慣。針對目前主流的智能家居用戶操控習慣挖掘算法,未能很好地利用用戶歷史操控數(shù)據(jù)的時間特性的問題展開研究,提出了相應的用戶單控操控習慣挖掘算法和用戶關聯(lián)操控習慣挖掘算法,并進行了驗證實驗。本文主要研究工作如下:(1)介紹了智能家居和用戶操控習慣的概念,重點研究了目前被用于智能家居用戶操控習慣挖掘的聚類分析以及關聯(lián)分析技術。(2)對常被用于用戶單控操控習慣挖掘的聚類分析算法進行了總結與分析,提出一種具有自組織聚類和遺忘學習能力的用戶單控操控習慣挖掘算法。首先,針對目前的聚類分析算法缺乏自組織選擇類別簇數(shù)量以及自組織聚類過程收斂過慢的問題,該算法提出一種融合自編碼技術和競爭學習機制的人工神經(jīng)網(wǎng)絡來初始化算法,使得算法可自組織產生更合理的類別簇數(shù)量和對應的質心。其次,針對目前的聚類分析算法無法融合時間因素來判別用戶歷史操控數(shù)據(jù)的重要性,缺乏遺忘學習能力的問題,該算法基于艾賓浩斯遺忘規(guī)律引入了一種遺忘因子,改進了傳統(tǒng)聚類分析算法的質心更新機制,使得算法可以進行類腦遺忘學習,從而讓算法挖掘到更貼近用戶近期真實習慣的用戶單控操控習慣。(3)對常被用于用戶關聯(lián)操控習慣挖掘的關聯(lián)分析算法進行了總結與分析,提出了一種融合時間因素的用戶關聯(lián)操控習慣挖掘算法。目前的關聯(lián)分析算法僅使用支持度和置信度作為用戶關聯(lián)操控習慣挖掘過程中的篩選條件,未能充分利用戶歷史操控數(shù)據(jù)的時間特征,導致所挖掘到的用戶關聯(lián)操控習慣中包含的各子操作行為之間缺乏時間維度上的順序性和關聯(lián)性。有鑒于此,該算法首先通過改進的FP-growth算法得到用戶歷史操控數(shù)據(jù)的時序頻繁項集,然后引入一種時間約束因子,對從時序頻繁項集生成用戶關聯(lián)操控習慣的過程進行時間約束,使得算法所挖掘到的用戶關聯(lián)操控習慣中包含的各子操作行為之間存在時間維度上的順序性和關聯(lián)性。(4)介紹了如何將所提出的智能家居用戶操控習慣挖掘算法應用于智能家居系統(tǒng)中。在云端智能家居系統(tǒng)的基礎上,開發(fā)了一個智能家居控制軟件以及用戶操控習慣挖掘軟件。首先,通過控制軟件實現(xiàn)了智能家居設備的遠程監(jiān)控和用戶歷史操控數(shù)據(jù)的收集。然后,通過用戶操控習慣挖掘軟件對所收集到的用戶歷史操控數(shù)據(jù)進行操控習慣的挖掘和推薦。仿真實驗表明,本文所提出的用戶操控習慣挖掘算法具有可行性和工程應用價值。
【學位單位】：廣東工業(yè)大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP311.13;TU855
【部分圖文】：

互聯(lián)網(wǎng)設備控制層圖 2-1 用戶操控習慣執(zhí)行示意圖ig.2-1 Schematic diagram of user controlling behavior家居設備的用戶單控操作習慣，簡稱用戶單控操控

簡稱 ACNN）初始化算法，以快速獲得一組比較接近用戶真實的單控操控習慣的初始質心向量。ACNN 的框架圖如圖3-1 所示。本文提出的 ACNN 是一個五層結構的神經(jīng)網(wǎng)絡，包括一個輸入層、一個編碼層、一個重構層以及兩個競爭層。首先，ACNN 的前三層借鑒了自編碼機技術的思想，對無標簽的用戶歷史操控數(shù)據(jù)進行降維，并從中學習出一種較為緊湊的數(shù)據(jù)表征，初步提取用戶歷史操控數(shù)據(jù)的特征，提高了 ACNN 中后續(xù)競爭層的學習效率。其次，通過對單層競爭層的神經(jīng)元進行層次擴充，使第一個3 3競爭層的神經(jīng)元分別連接到另一個3 3的小競爭層，并將這若干個小的3 3競爭層組合成一個大的9 9競爭層，形成第二個競爭層，實現(xiàn)多層競爭學習機制，提高了競爭學習的效果，使初始質心向量

圖 3-2 具有 4 環(huán)結構的等差概率模型的框架圖Fig.3-2 Framework of the 4-ring equal probability model單控操控習慣的生成
【相似文獻】

相關期刊論文 前10條

1 邱彥昌;;聚焦·中國智能家居[J];大社會;2015年Z2期

2 王亞麗;高雁鳳;;智能家居前景分析及發(fā)展趨勢[J];智能城市;2019年23期

3 郭阿英;許志猛;余向陽;;一種基于信道狀態(tài)信息的智能家居防盜監(jiān)測方法[J];電氣技術;2019年12期

4 曹杰;王春梅;;淺談智能家居的現(xiàn)狀與發(fā)展趨勢[J];電子世界;2018年23期

5 富倩;王旭;;智能家居的安全問題[J];信息與電腦(理論版);2018年24期

6 ;智能家居領域各自封王,碎片化現(xiàn)狀難突破[J];電腦知識與技術(經(jīng)驗技巧);2018年11期

7 王遠春;;智能家居在智慧城市建設中的發(fā)展與應用[J];中國安防;2018年11期

8 徐建明;;當前智能家居發(fā)展疑難與應用趨勢分析[J];中國安防;2018年11期

9 綜合新華網(wǎng)、經(jīng)濟日報等相關新聞;;智能家居的“下一步”[J];今日科技;2019年02期

10 付凱;李莉;楊子羿;;亡羊補牢,為時未晚 智能家居安全如何保障?[J];通信世界;2019年05期

相關博士學位論文 前5條

1 郭昆;基于語義互聯(lián)模型的智能家居服務架構及關鍵技術研究[D];北京郵電大學;2018年

2 韓秉君;多場景下移動通信系統(tǒng)業(yè)務承載性能研究[D];北京郵電大學;2013年

3 胡曼冬;基于本體的智能家居關鍵技術研究[D];中國海洋大學;2014年

4 高偉勛;智能家居環(huán)境中個性化語音生成關鍵技術研究[D];東華大學;2015年

5 桂琳;智能家居中基于視覺的服裝分析和推薦研究[D];中國海洋大學;2015年

相關碩士學位論文 前10條

1 鄭方雄;基于Hadoop的智能家居管理軟件的研究與設計[D];重慶郵電大學;2019年

2 陳諾;智能家居環(huán)境下個人隱私與信息的民法保護[D];揚州大學;2019年

3 虎冠林;基于定位技術的智能家居監(jiān)測系統(tǒng)的設計與實現(xiàn)[D];寧夏大學;2019年

4 廖北平;一種多WAN口4G智能家居物聯(lián)網(wǎng)PoE網(wǎng)關[D];南昌大學;2019年

5 王盛吉;西格智能家居營銷策略研究[D];廈門大學;2018年

6 劉霞;基于人機自然交互的智能家居APP界面設計研究[D];西安工程大學;2019年

7 李逸夫;智能家居場景化設計研究[D];天津美術學院;2019年

8 梁天愷;融合時間因素的智能家居用戶操控習慣挖掘研究[D];廣東工業(yè)大學;2019年

9 石躍鵬;面向智能家居的ZigBee-WiFi網(wǎng)關研制與應用[D];廣東工業(yè)大學;2019年

10 鄧瑋祎;基于獨居女性情感需求的智能家居設計研究[D];廣東工業(yè)大學;2019年

本文編號：2862460