融合时间因素的智能家居用户操控习惯挖掘研究

发布时间：2020-10-30 12:13

　　 随着大数据时代的到来,智能家居行业得到了极大的发展。然而,由此产生的大量用户历史操控数据却未得到很好地利用,限制了行业竞争力的提升。因此研究如何利用海量的智能家居用户历史操控数据,挖掘出用户的操控习惯,实现家居设备的智能化决策,成为智能家居行业走向智能化过程中的关键问题之一。本文依据行业内的标准,将智能家居用户操控习惯分为两大类来研究:第一类是面向单一智能家居设备的用户单控操控习惯;第二类是面向多个智能家居设备的用户关联操控习惯。针对目前主流的智能家居用户操控习惯挖掘算法,未能很好地利用用户历史操控数据的时间特性的问题展开研究,提出了相应的用户单控操控习惯挖掘算法和用户关联操控习惯挖掘算法,并进行了验证实验。本文主要研究工作如下:(1)介绍了智能家居和用户操控习惯的概念,重点研究了目前被用于智能家居用户操控习惯挖掘的聚类分析以及关联分析技术。(2)对常被用于用户单控操控习惯挖掘的聚类分析算法进行了总结与分析,提出一种具有自组织聚类和遗忘学习能力的用户单控操控习惯挖掘算法。首先,针对目前的聚类分析算法缺乏自组织选择类别簇数量以及自组织聚类过程收敛过慢的问题,该算法提出一种融合自编码技术和竞争学习机制的人工神经网络来初始化算法,使得算法可自组织产生更合理的类别簇数量和对应的质心。其次,针对目前的聚类分析算法无法融合时间因素来判别用户历史操控数据的重要性,缺乏遗忘学习能力的问题,该算法基于艾宾浩斯遗忘规律引入了一种遗忘因子,改进了传统聚类分析算法的质心更新机制,使得算法可以进行类脑遗忘学习,从而让算法挖掘到更贴近用户近期真实习惯的用户单控操控习惯。(3)对常被用于用户关联操控习惯挖掘的关联分析算法进行了总结与分析,提出了一种融合时间因素的用户关联操控习惯挖掘算法。目前的关联分析算法仅使用支持度和置信度作为用户关联操控习惯挖掘过程中的筛选条件,未能充分利用户历史操控数据的时间特征,导致所挖掘到的用户关联操控习惯中包含的各子操作行为之间缺乏时间维度上的顺序性和关联性。有鉴于此,该算法首先通过改进的FP-growth算法得到用户历史操控数据的时序频繁项集,然后引入一种时间约束因子,对从时序频繁项集生成用户关联操控习惯的过程进行时间约束,使得算法所挖掘到的用户关联操控习惯中包含的各子操作行为之间存在时间维度上的顺序性和关联性。(4)介绍了如何将所提出的智能家居用户操控习惯挖掘算法应用于智能家居系统中。在云端智能家居系统的基础上,开发了一个智能家居控制软件以及用户操控习惯挖掘软件。首先,通过控制软件实现了智能家居设备的远程监控和用户历史操控数据的收集。然后,通过用户操控习惯挖掘软件对所收集到的用户历史操控数据进行操控习惯的挖掘和推荐。仿真实验表明,本文所提出的用户操控习惯挖掘算法具有可行性和工程应用价值。
【学位单位】：广东工业大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TP311.13;TU855
【部分图文】：

互联网设备控制层图 2-1 用户操控习惯执行示意图ig.2-1 Schematic diagram of user controlling behavior家居设备的用户单控操作习惯，简称用户单控操控

简称 ACNN）初始化算法，以快速获得一组比较接近用户真实的单控操控习惯的初始质心向量。ACNN 的框架图如图3-1 所示。本文提出的 ACNN 是一个五层结构的神经网络，包括一个输入层、一个编码层、一个重构层以及两个竞争层。首先，ACNN 的前三层借鉴了自编码机技术的思想，对无标签的用户历史操控数据进行降维，并从中学习出一种较为紧凑的数据表征，初步提取用户历史操控数据的特征，提高了 ACNN 中后续竞争层的学习效率。其次，通过对单层竞争层的神经元进行层次扩充，使第一个3 3竞争层的神经元分别连接到另一个3 3的小竞争层，并将这若干个小的3 3竞争层组合成一个大的9 9竞争层，形成第二个竞争层，实现多层竞争学习机制，提高了竞争学习的效果，使初始质心向量

图 3-2 具有 4 环结构的等差概率模型的框架图Fig.3-2 Framework of the 4-ring equal probability model单控操控习惯的生成
【相似文献】

相关期刊论文 前10条

1 邱彦昌;;聚焦·中国智能家居[J];大社会;2015年Z2期

2 王亚丽;高雁凤;;智能家居前景分析及发展趋势[J];智能城市;2019年23期

3 郭阿英;许志猛;余向阳;;一种基于信道状态信息的智能家居防盗监测方法[J];电气技术;2019年12期

4 曹杰;王春梅;;浅谈智能家居的现状与发展趋势[J];电子世界;2018年23期

5 富倩;王旭;;智能家居的安全问题[J];信息与电脑(理论版);2018年24期

6 ;智能家居领域各自封王,碎片化现状难突破[J];电脑知识与技术(经验技巧);2018年11期

7 王远春;;智能家居在智慧城市建设中的发展与应用[J];中国安防;2018年11期

8 徐建明;;当前智能家居发展疑难与应用趋势分析[J];中国安防;2018年11期

9 综合新华网、经济日报等相关新闻;;智能家居的“下一步”[J];今日科技;2019年02期

10 付凯;李莉;杨子羿;;亡羊补牢,为时未晚 智能家居安全如何保障?[J];通信世界;2019年05期

相关博士学位论文 前5条

1 郭昆;基于语义互联模型的智能家居服务架构及关键技术研究[D];北京邮电大学;2018年

2 韩秉君;多场景下移动通信系统业务承载性能研究[D];北京邮电大学;2013年

3 胡曼冬;基于本体的智能家居关键技术研究[D];中国海洋大学;2014年

4 高伟勋;智能家居环境中个性化语音生成关键技术研究[D];东华大学;2015年

5 桂琳;智能家居中基于视觉的服装分析和推荐研究[D];中国海洋大学;2015年

相关硕士学位论文 前10条

1 郑方雄;基于Hadoop的智能家居管理软件的研究与设计[D];重庆邮电大学;2019年

2 陈诺;智能家居环境下个人隐私与信息的民法保护[D];扬州大学;2019年

3 虎冠林;基于定位技术的智能家居监测系统的设计与实现[D];宁夏大学;2019年

4 廖北平;一种多WAN口4G智能家居物联网PoE网关[D];南昌大学;2019年

5 王盛吉;西格智能家居营销策略研究[D];厦门大学;2018年

6 刘霞;基于人机自然交互的智能家居APP界面设计研究[D];西安工程大学;2019年

7 李逸夫;智能家居场景化设计研究[D];天津美术学院;2019年

8 梁天恺;融合时间因素的智能家居用户操控习惯挖掘研究[D];广东工业大学;2019年

9 石跃鹏;面向智能家居的ZigBee-WiFi网关研制与应用[D];广东工业大学;2019年

10 邓玮祎;基于独居女性情感需求的智能家居设计研究[D];广东工业大学;2019年

本文编号：2862460