發(fā)布時(shí)間：2021-12-28 04:49

　　隨著物聯(lián)網(wǎng)技術(shù)和傳感器技術(shù)的快速發(fā)展,智能家居應(yīng)用發(fā)展迅速。但是,當(dāng)前的智能家居系統(tǒng)通常只能根據(jù)預(yù)先設(shè)置的控制程序和規(guī)則簡(jiǎn)單地重復(fù)運(yùn)行,不能根據(jù)用戶的日常生活習(xí)慣,提供滿足其個(gè)性化需求的服務(wù)。論文研究基于數(shù)據(jù)挖掘預(yù)測(cè)用戶行為的方法,為智能家居的個(gè)性化服務(wù)提供相關(guān)的技術(shù)支撐。論文討論智能家居和數(shù)據(jù)挖掘的研究現(xiàn)狀,分析相關(guān)的技術(shù),包括近距離無(wú)線通信ZigBee技術(shù),數(shù)據(jù)采集和預(yù)處理技術(shù),以及行為識(shí)別方法,如支持向量機(jī),樸素貝葉斯分類器和隱馬爾可夫模型,研究智能家居行為預(yù)測(cè)技術(shù)。論文從數(shù)據(jù)采集和預(yù)處理,數(shù)據(jù)存儲(chǔ),行為預(yù)測(cè)等方面進(jìn)行需求分析和技術(shù)研究;確定采用關(guān)聯(lián)規(guī)則挖掘用于智能家居應(yīng)用場(chǎng)景下的行為預(yù)測(cè),并且提出優(yōu)化改進(jìn)的方案,采用基本近鄰排序算法進(jìn)行重復(fù)數(shù)據(jù)的清理,關(guān)聯(lián)規(guī)則挖掘算法進(jìn)行缺失數(shù)據(jù)的清理,通過函數(shù)進(jìn)行數(shù)據(jù)變換,采用散列或分區(qū)技術(shù)來提高數(shù)據(jù)挖掘過程的效率。論文設(shè)計(jì)并實(shí)現(xiàn)一個(gè)智能家居行為預(yù)測(cè)的原型系統(tǒng),其中數(shù)據(jù)采集和預(yù)處理模塊采用周期性方式采集數(shù)據(jù),部署攝像頭和多個(gè)傳感器;數(shù)據(jù)存儲(chǔ)模塊采用實(shí)體-聯(lián)系數(shù)據(jù)模型存儲(chǔ)數(shù)據(jù),提出基于網(wǎng)格的時(shí)空索引技術(shù)來提高數(shù)據(jù)查詢效率;行為識(shí)別和預(yù)測(cè)模塊采用...

【文章來源】： 南京郵電大學(xué)江蘇省

【文章頁(yè)數(shù)】：64 頁(yè)

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 研究現(xiàn)狀
        1.2.1 智能家居的研究現(xiàn)狀
        1.2.2 數(shù)據(jù)挖掘的研究現(xiàn)狀
    1.3 論文的主要工作
第二章 相關(guān)技術(shù)分析
    2.1 近距離無(wú)線通信ZigBee技術(shù)
    2.2 數(shù)據(jù)采集技術(shù)
    2.3 數(shù)據(jù)預(yù)處理技術(shù)
    2.4 行為識(shí)別方法
        2.4.1 支持向量機(jī)
        2.4.2 樸素貝葉斯分類器
        2.4.3 隱馬爾可夫模型
    2.5 本章小結(jié)
第三章 智能家居行為預(yù)測(cè)技術(shù)優(yōu)化
    3.1 需求分析
        3.1.1 數(shù)據(jù)采集和預(yù)處理需求分析
        3.1.2 數(shù)據(jù)存儲(chǔ)需求分析
        3.1.3 行為預(yù)測(cè)需求分析
    3.2 技術(shù)研究
        3.2.1 數(shù)據(jù)采集和預(yù)處理
        3.2.2 數(shù)據(jù)存儲(chǔ)
        3.2.3 行為預(yù)測(cè)
    3.3 關(guān)聯(lián)規(guī)則挖掘算法及優(yōu)化
        3.3.1 關(guān)聯(lián)規(guī)則挖掘算法概述
        3.3.2 Apriori算法思想
        3.3.3 Apriori算法優(yōu)化
    3.4 本章小結(jié)
第四章 智能家居用戶行為預(yù)測(cè)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 總體設(shè)計(jì)
        4.1.1 原型系統(tǒng)開發(fā)環(huán)境
        4.1.2 數(shù)據(jù)采集和預(yù)處理模塊
        4.1.3 數(shù)據(jù)存儲(chǔ)模塊
        4.1.4 行為識(shí)別和預(yù)測(cè)模塊
    4.2 實(shí)現(xiàn)方案
        4.2.1 數(shù)據(jù)采集和預(yù)處理模塊
        4.2.2 數(shù)據(jù)存儲(chǔ)模塊
        4.2.3 行為識(shí)別和預(yù)測(cè)模塊
    4.3 本章小結(jié)
第五章 實(shí)驗(yàn)和結(jié)果分析
    5.1 搭建環(huán)境
    5.2 實(shí)驗(yàn)步驟
        5.2.1 存儲(chǔ)數(shù)據(jù)集
        5.2.2 Py Charm連接MySQL數(shù)據(jù)庫(kù)
        5.2.3 生成頻繁項(xiàng)集
        5.2.4 生成關(guān)聯(lián)規(guī)則
        5.2.5 幾種預(yù)測(cè)算法的比較
    5.3 結(jié)果分析
        5.3.1 測(cè)試生成頻繁項(xiàng)集
        5.3.2 測(cè)試生成關(guān)聯(lián)規(guī)則
        5.3.3 幾種預(yù)測(cè)算法的比較
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 論文工作總結(jié)
    6.2 未來工作展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間撰寫的論文
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝



本文編號(hào)：3553431