当前位置:主页 > 科技论文 > 网络通信论文 >

智能家居中基于改进CBS算法的用户行为预测算法研究与实现

发布时间:2020-06-25 07:38
【摘要】:随着科学技术的快速发展,特别是4G(第四代移动通信网铭)技术的大规模商用,5G(第五代移动通信网络)技术预计在2019年商用,使得万物互联逐渐成为可能,由此衍生出来的智能家居成为行业研究的热点。然而目前行业研究的热点大多从系统的角度出发,致力于传统产品的信息化和系统功能需求,操作的便利性有了很大的提升,但依然需要人为操控才能实现对应的功能,因此,在智能化方面仍然有很大的提升空间。现代智能家居系统中可以收集到用户的行为信息,通过分析相关信息来学习用户行为,为用户建立“行为模式集合”,最终实现预测用户行为的目的,主动和提前为用户完成一些必要操作,智能家居能实现由人为操作的被动提供服务方式转为主动提供服务方式。为了实现上述的目的,本文在CBS(Customary-based servicing)算法的基础上,提出一种用户行为预测算法。为了验证算法的性能指标,把该算法编码实现并嵌入到Java项目中。具体工作如下:1、本文提出一种基于改进CBS算法的用户行为预测算法。算法主要流程为:首先挖掘用户行为之间的时间关系,主要通过时序关系和关联规则来实现。然后描述CBS算法中的时间分区与交并集运算,对CBS算法优缺点进行分析,并在此基础上引入机器学习技术,解决周围环境对用户行为的影响,引入数据库中“冷热处理”思想来解决多行为情况中存在时间冲突的问题。2、为验证算法的有效性,本文把上述算法编码实现并嵌入到Java项目中。该项目以Spring MVC为模型,项目主要分为4个部分:用户行为预测算法、算法测试、Java项目设置以及用户信息展示。通过该项目,对提出的用户行为预测算法进行验证,验证结果表明,与CBS算法相比,改进后算法的预测成功次数更多,成功率更高,稳定性更好且有效的降低对用户的干扰性。同时,该项目具有与智能家居平台无关特性,实现跨平台运行。
【学位授予单位】:湖南大学
【学位级别】:硕士
【学位授予年份】:2018
【分类号】:TU855;TN929.5
【图文】:

结构图,隐藏层,神经网络结构,马尔科夫模型


智能家居中基于改进CBS算法的用户行为预测算法研究与实现杂度可以做到常数。文献[26]中使用一阶半马尔科夫模,相比于马尔科夫模型只能使用指数型作为状态驻留时马尔科夫模型可以使用任意的概率分布函数。文献[27]通用户行为并预测几秒后的用户行为。逡逑经网络的预测算法逡逑的神经网络算法的结构由输出层、输入层以及隐藏层组一层,也可以有多层,图2.1的神经网络的结构图有二输邋隐逦隐逦输逡逑

循环神经网络,输出向量,输入向量,图片


就需要使用循环神经网络来预测用户行为,循环神经网络是分析与时序相逡逑关数据的重要算法之一,其中的循环结构能够保持历史数据。一种典型的循环神逡逑经网络及其展开图如图2.2所示:逡逑?逦?逦?逦?逦?逡逑“逦“逦“逦“逦J邋i逡逑々邋A之」逦—邋A0邋—>邋Aj邋—>邋A2邋逦>邋Ar逡逑x邋III邋1逡逑图2.2循环神经网络及其展开图逡逑由图可知循环神经网络的输出巧与输入岑和当前状态舄有关,其中当前状态逡逑p赫庥耄冢笔笨套刺琾河泄兀矗碛氩罚彩笨套刺泄兀虼搜飞窬缒苠义瞎患亲±沸畔ⅲ梢怨菇ㄊ奔湫蛄心P停芯坷肥荻杂谖蠢吹挠跋臁e义弦恢钟糜谠げ庵悄芗揖又写衅魇莸难飞窬缡欠窍咝宰曰毓樯窬义下纾ǎ危粒遥兀涫涑隹梢杂檬剑玻道幢硎尽e义希剩ǎ簦╁澹藉澹郏ǎ簦欤ǎ簦玻ǎ簦睿ǎ簦欤ǎ簦玻浚ǎ簦恚蒎危ǎ玻担╁义掀渲校ǎ簦┐硎涑鱿蛄浚ǎ簦┐硎淙胂蛄浚詈停矸直鸫硎涑龊褪淙氲腻义霞且湎蛄浚保詈停矸直鸬扔冢澈停彩保危粒遥氐耐缃峁雇既缤迹玻乘尽e义希稿义

本文编号:2729063

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/wltx/2729063.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户5cec3***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com