基于SVM的智能家居輔助決策系統(tǒng)研究.pdf

1、隨著生活水平的提高及物聯(lián)網、機器學習等技術的發(fā)展，如何使家居具備自主“學習”能力，根據用戶個人習慣自主控制照明燈、窗簾等家居的開閉成為當前智能家居研究的熱點之一，對智能家居的發(fā)展及推廣具有重要意義。本文對智能家居輔助決策中的異常數(shù)據處理、獲取用戶決策規(guī)則集、用戶類別判定及優(yōu)化決策等問題進行了深入的研究。
　　本文主要工作如下：
　　1)分析和研究了智能家居輔助決策中的環(huán)境信息特點、決策方法、評估標準等，給出了一種支持向量機和

2、K近鄰算法相結合的智能家居輔助決策模型。該模型構建主要包括個人環(huán)境信息建模、異常數(shù)據處理、相似用戶查找及基于支持向量機的用戶決策規(guī)則集獲取等。通過實驗，與一般決策系統(tǒng)、基于BP神經網絡的決策系統(tǒng)進行決策準確度的對比，結果表明，該方法具有耗時少、精度高的特點。
　　2)給出了一種基于自適應步長和增強隨機擾動的的改進螢火蟲算法，用于優(yōu)化決策系統(tǒng)，通過引入亮度值和歐幾里得距離公式改進了原算法中的位置更新公式，并利用matlab中的測試函