基于智能家居的用户行为预测技术研究

发布时间：2021-12-28 04:49

　　随着物联网技术和传感器技术的快速发展,智能家居应用发展迅速。但是,当前的智能家居系统通常只能根据预先设置的控制程序和规则简单地重复运行,不能根据用户的日常生活习惯,提供满足其个性化需求的服务。论文研究基于数据挖掘预测用户行为的方法,为智能家居的个性化服务提供相关的技术支撑。论文讨论智能家居和数据挖掘的研究现状,分析相关的技术,包括近距离无线通信ZigBee技术,数据采集和预处理技术,以及行为识别方法,如支持向量机,朴素贝叶斯分类器和隐马尔可夫模型,研究智能家居行为预测技术。论文从数据采集和预处理,数据存储,行为预测等方面进行需求分析和技术研究;确定采用关联规则挖掘用于智能家居应用场景下的行为预测,并且提出优化改进的方案,采用基本近邻排序算法进行重复数据的清理,关联规则挖掘算法进行缺失数据的清理,通过函数进行数据变换,采用散列或分区技术来提高数据挖掘过程的效率。论文设计并实现一个智能家居行为预测的原型系统,其中数据采集和预处理模块采用周期性方式采集数据,部署摄像头和多个传感器;数据存储模块采用实体-联系数据模型存储数据,提出基于网格的时空索引技术来提高数据查询效率;行为识别和预测模块采用...

【文章来源】： 南京邮电大学江苏省

【文章页数】：64 页

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 研究现状
        1.2.1 智能家居的研究现状
        1.2.2 数据挖掘的研究现状
    1.3 论文的主要工作
第二章 相关技术分析
    2.1 近距离无线通信ZigBee技术
    2.2 数据采集技术
    2.3 数据预处理技术
    2.4 行为识别方法
        2.4.1 支持向量机
        2.4.2 朴素贝叶斯分类器
        2.4.3 隐马尔可夫模型
    2.5 本章小结
第三章 智能家居行为预测技术优化
    3.1 需求分析
        3.1.1 数据采集和预处理需求分析
        3.1.2 数据存储需求分析
        3.1.3 行为预测需求分析
    3.2 技术研究
        3.2.1 数据采集和预处理
        3.2.2 数据存储
        3.2.3 行为预测
    3.3 关联规则挖掘算法及优化
        3.3.1 关联规则挖掘算法概述
        3.3.2 Apriori算法思想
        3.3.3 Apriori算法优化
    3.4 本章小结
第四章 智能家居用户行为预测设计与实现
    4.1 总体设计
        4.1.1 原型系统开发环境
        4.1.2 数据采集和预处理模块
        4.1.3 数据存储模块
        4.1.4 行为识别和预测模块
    4.2 实现方案
        4.2.1 数据采集和预处理模块
        4.2.2 数据存储模块
        4.2.3 行为识别和预测模块
    4.3 本章小结
第五章 实验和结果分析
    5.1 搭建环境
    5.2 实验步骤
        5.2.1 存储数据集
        5.2.2 Py Charm连接MySQL数据库
        5.2.3 生成频繁项集
        5.2.4 生成关联规则
        5.2.5 几种预测算法的比较
    5.3 结果分析
        5.3.1 测试生成频繁项集
        5.3.2 测试生成关联规则
        5.3.3 几种预测算法的比较
    5.4 本章小结
第六章 总结与展望
    6.1 论文工作总结
    6.2 未来工作展望
参考文献
附录1 攻读硕士学位期间撰写的论文
附录2 攻读硕士学位期间参加的科研项目
致谢



本文编号：3553431