基于粗糙集智能家居规则提取方法.docVIP

基于粗糙集智能家居规则提取方法 　　摘 要： 智能家居的关键在于在不需要用户干预的条件下，针对不同的用户生成个性化的服务规则。用户习惯的主观性造成了服务规则不能预先定义，需要在家居系统运行过程中提取。粗糙集是一种处理不完备信息的工具，适合在大量复杂数据中发现潜在规律。把智能家居看成是一个状态驱动的环境，建立状态控制的家居控制系统平台，同时提出了一种基于粗糙集的智能家居个性化规则提取方法，把家庭历史状态记录看作挖掘对象，对状态值进行离散化，通过属性约简，找出影响决策的关键因素，再进行值约简，得出决策规则。智能家居实验室的实验表明，该种方法具有实用价值。 　　关键词： 粗糙集； 智能家居； 规则提取； 属性约简； 数据挖掘 　　中图分类号： TN92?34； TP273 文献标识码： A 文章编号： 1004?373X（2016）05?0038?04 　　0 引 言 　　随着物联网的不断发展，人们对智能家居的研究越来越深入[1]。智能家居设备的多样性和服务对象的个性化增加了家居系统建模的困难，目前的智能家居服务活动需要人的参与，由于用户习惯的分散性和主观性，在很多情况下无法使用预定义的智能空间控制模式。现有的智能家居系统都没有实现智能服务的有效个性化[2]。本文探讨了一种基于粗糙集的规则提取与驱动模型，来自学习智能家居中的规则。 　　粗糙集理论是由波兰学者 Pawlak在1982年提出的[3]一种刻画不完整和不确定性信息的数学工具， 能有效地分析和处理不精确、不一致、不完整等各种不完备的信息，并从中发现隐含的知识，揭示潜在的规律[4]。目前，粗糙集已经在模式识别、知识发现与机器学习、决策支持、数据挖掘等许多科学与工程领域得到了成功的应用，不少学者将其用于医疗信息处理[5]、汽车数据采集[6]、感性规则挖掘[7]等领域。 　　由于不需要先验知识，粗糙集很适合智能家局的规则提取。为了提高智能控制的效率，增强规则之间的数据共享，智能家居的知识规则应遵循最简原则。粗糙集分为属性约简和属性值约简，属性约简的目的就是得到能够区分样本的最小的属性子集。 　　1 状态驱动的异构智能家居系统平台 　　智能家居由传感和控制终端组成的外围系统和服务中心组成。由于智能家居系统中存在多种控制协议，具有很强的异构性[8]，本文的智能家居中采用中间件的形式分离底层硬件和上层应用。智能家居的系统结构如图1所示。 　　其中，不同通信介质和通信协议的设备通过适配层，接入到家庭状态信息总线中，转换为设备状态队列。各个设备根据总线中要求的设备状态值做相应的控制动作。 　　智能控制系统检查设备的状态请求信息和环境信息。当系统发现设备状态请求信息发生变化时，通过中间件请求物理设备操作，以同步设备状态保证设备状态和设备状态信息的一致性，进而实现基于设备状态驱动的智能家居控制，依靠状态驱动的架构，能够与状态队列有很好的结合，免去设备同时被多个操作源操作而产生的冲突；当系统发现环境状态信息发生变化时，将信息输入到规则引擎Drools中去，以实现规则驱动的设备控制。 　　Drools是用Java语言编写的开放源码规则引擎，使用Rete算法对所编写的规则求值。Drools允许使用声明方式表达业务逻辑。可以使用非XML的本地语言编写规则，从而便于学习和理解。并且，还可以将Java代码直接嵌入到规则文件中[9]。 　　当设备状态发生变化时，系统会把当前所有感知设备状态和受控设备的状态变化写入历史数据库。随着用户在智能环境中生活时间的增加，会产生大量家居空间状态数据，为系统能够自动学习用户的行为模式提供数据来源。每一条记录都会被作为粗糙集的一个决策记录，参与到知识约简中。 　　2 基于粗糙集的规则提取系统 　　为了有较好的用户体验，系统不应主动请求用户干预，而应该在后台静默运行，从用户的行为中觉察其个性与喜好。因此，智能家居中环境与设备的状态成为规则提取的主要来源。 　　在智能家居空间中，感知信息由多个环境状态组合而成，例如S={温度，湿度，亮度，音量，烟雾浓度，空气质量}。面对复杂的环境，智能家居中的用户可能会要求不同的处理方法。例如，用户可能在温度较高的情况下打开窗户或者空调，或者并采取任何措施，这可能取决于室内的湿度、亮度等环境因素和用户自身的耐热程度和用户对节电的渴望等心理因素。 　　为了能够更好地适应智能空间中用户的需求，需要对这些感知信息进行综合考量，挖掘其中的潜在联系，提取规则。用户的历史数据可以看作最初的规则集，由于家居环境中设备种类多，信息量大，会产生噪声属性信息，影响系统运行，需要使用粗糙集理论能够剔除数据集中的冗余属性和数据，实现智能家居规则的动态生成。 　　2.1 粗糙集的相关定义 　　粗糙集可以从大量的数据中挖掘潜在的、有利