基于物联网智能家居的CBS算法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 插图索引 | 第10-11页 |
| 附表索引 | 第11-12页 |
| 第1章 绪论 | 第12-18页 |
| ·课题的研究背景 | 第12-15页 |
| ·物联网智能家居 | 第12-13页 |
| ·中国物联网智能家居 | 第13-14页 |
| ·国外物联网智能家居 | 第14-15页 |
| ·课题的研究现状 | 第15页 |
| ·课题的研究意义 | 第15-16页 |
| ·本课题的研究内容 | 第16页 |
| ·论文结构 | 第16-18页 |
| 第2章 物联网智能家居 | 第18-28页 |
| ·引言 | 第18-19页 |
| ·ZigBee 无线传感网络 | 第19-23页 |
| ·ZigBee 技术优势 | 第19页 |
| ·ZigBee 协议规范 | 第19-22页 |
| ·ZigBee 设备类型及网络配置 | 第22-23页 |
| ·家庭网关 | 第23-25页 |
| ·Android 移动终端 | 第25-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 机器学习算法 | 第28-33页 |
| ·引言 | 第28页 |
| ·Adaboost | 第28-29页 |
| ·遗传算法 | 第29-30页 |
| ·基于实例的学习方法 | 第30-32页 |
| ·基于实例的学习概述 | 第30页 |
| ·K-近邻算法 | 第30-31页 |
| ·距离加权最近邻算法 | 第31-32页 |
| ·CBR | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 CBS 算法 | 第33-49页 |
| ·引言 | 第33页 |
| ·时间分区与均值计算 | 第33-36页 |
| ·时间分区 | 第33-34页 |
| ·均值计算 | 第34-36页 |
| ·时间相似度 | 第36-37页 |
| ·类交集与类并集 | 第37-42页 |
| ·类交集 | 第37-39页 |
| ·类并集 | 第39-41页 |
| ·类交集与类并集混合运算性质 | 第41-42页 |
| ·习惯 | 第42-44页 |
| ·习惯模型 | 第42页 |
| ·习惯体构造 | 第42页 |
| ·评估度函数 | 第42-43页 |
| ·习惯行为实例 | 第43-44页 |
| ·服务 | 第44-48页 |
| ·习惯服务模型 | 第44-45页 |
| ·正常的服务机制 | 第45-46页 |
| ·异常服务机制 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第5章 CBS 算法实验 | 第49-61页 |
| ·实验平台 | 第49-56页 |
| ·实验平台设计 | 第49页 |
| ·无线传感网硬件 | 第49-51页 |
| ·无限传感网的软件设计和实现 | 第51-54页 |
| ·节点环境信息采集 | 第54-56页 |
| ·正常服务机制实例 | 第56页 |
| ·实验过程及结果 | 第56-59页 |
| ·智能化程度的标准与性能分析 | 第59-60页 |
| ·本章总结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录 A 攻读学位期间发表的论文 | 第66-67页 |
| 致谢 | 第67页 |
