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
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 研课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究发展现状 | 第11-12页 |
| 1.3 研究内容 | 第12-13页 |
| 1.4 论文的组织结构 | 第13-14页 |
| 第2章 相关技术 | 第14-27页 |
| 2.1 动态模型预测算法 | 第14-15页 |
| 2.2 基于神经网络的预测算法 | 第15-18页 |
| 2.2.1 反向传播神经网络算法 | 第16-17页 |
| 2.2.2 循环神经网络 | 第17-18页 |
| 2.3 CBS算法 | 第18-19页 |
| 2.4 软件技术和框架 | 第19-26页 |
| 2.4.1 Java语言介绍 | 第19-20页 |
| 2.4.2 SpringMVC框架原理 | 第20-22页 |
| 2.4.3 MYSQL数据库技术 | 第22页 |
| 2.4.4 Tomcat介绍 | 第22-24页 |
| 2.4.5 Ext JS框架 | 第24-26页 |
| 2.5 小结 | 第26-27页 |
| 第3章 用户行为关系挖掘 | 第27-40页 |
| 3.1 数据采集场景说明和数据预处理 | 第27-31页 |
| 3.1.1 房屋平面图 | 第27-28页 |
| 3.1.2 Aruba测试平台整体框架 | 第28-29页 |
| 3.1.3 数据预处理 | 第29-31页 |
| 3.2 用户行为关系挖掘 | 第31-38页 |
| 3.2.1 时序关系挖掘 | 第31-33页 |
| 3.2.2 关联规则挖掘 | 第33-38页 |
| 3.3 小结 | 第38-40页 |
| 第4章 基于改进CBS算法的用户行为预测 | 第40-60页 |
| 4.1 CBS算法 | 第40-44页 |
| 4.1.1 时间分区 | 第40-41页 |
| 4.1.2 交集运算和并集运算 | 第41-44页 |
| 4.1.3 结果分析 | 第44页 |
| 4.2 基于改进CBS算法的用户行为预测 | 第44-59页 |
| 4.2.1 机器学习算法原理 | 第45-52页 |
| 4.2.2 基于机器学习的改进CBS算法 | 第52-59页 |
| 4.3 小结 | 第59-60页 |
| 第5章 预测算法实验分析 | 第60-73页 |
| 5.1 软件项目整体说明及流程图 | 第60-63页 |
| 5.1.1 软件项目整体说明 | 第60-61页 |
| 5.1.2 项目流程图 | 第61-63页 |
| 5.2 算法测试界面 | 第63-64页 |
| 5.3 预测结果对比分析 | 第64-69页 |
| 5.4 软件项目功能扩展 | 第69-72页 |
| 5.5 小结 | 第72-73页 |
| 总结与展望 | 第73-75页 |
| 参考文献 | 第75-78页 |
| 致谢 | 第78-79页 |
| 附录A 攻读学位期间发表的学术论文 | 第79-80页 |
| 附录B 攻读学位期间参与的科研项目 | 第80页 |
