学位论文 > 优秀研究生学位论文题录展示

基于上下文感知计算的智能家居系统研究

作　者: 李勇
导　师: 黄仁
学　校: 重庆大学
专　业: 计算机应用技术
关键词: 智能家居系统普适计算上下文感知计算 Agent 隐马尔可夫模型
分类号: TP311.52
类　型: 硕士论文
年　份: 2008年
下　载: 273次
引　用: 4次
阅　读: 论文下载

内容摘要

上世纪80年代,智能家居概念的提出,至今已取得非常显著的成就,如美国X-10系统、欧洲EIB系统、新加坡8X系统、日本HBS以及中国清华e-Home等。然而人们对智能家居系统的研究大部分都集中在组网技术上,很少从用户的角度去考虑如何建立一个“以人为中心”面向服务的生活环境。随着全球信息化浪潮的来临和家居网络的兴起,(人们的)家居生活正逐步变化着。而网络技术的迅速发展以及人工智能技术跨学科交叉应用的逐渐增多,又为智能家居系统设计和实现提供了新的思路和方法。根据普适计算“以人为中心”的本质特征,构建上下文感知计算的智能家居系统,对解决现有家居系统在开放性和协作性等方面的不足将起着一定积极作用。针对上述目标,本文从以下几个方面进行了研究讨论:①对普适计算两大本质特点——为人提供透明服务和上下文感知计算进行深入研究,从上下文、上下文感知计算、上下文感知计算研究现状以及相关应用进行了讨论。②构建上下文感知计算家居系统对集成性、智能性、开放性和自主性要求较高,依据Agent的诸多特点,提出了利用多Agent技术构建该智能家居系统,并详细讨论了各种Agent的功能、通信和工作流程。最后运用JADE(Java Agent Development Framework)开发框架设计了简单家居系统实验模型,同时进行了实例探讨。③从学习用户习性的目标出发,利用传统隐马尔可夫模型对采集到的用户上下文进行建模推理,从而揭示出用户生活习惯。由于用户单个活动间相关性较强,我们对传统隐马尔可夫模型及相应算法进行了扩展,并通过实验验证了扩展后的模型较优于传统模型。上下文感知计算与多Agent技术相结合,并运用于智能家居系统的研究不仅是现实应用的需要,而且也是理论发展的必然趋势,必将越来越受到人们的关注。

全文目录

中文摘要  4-5
英文摘要  5-10
1 绪论  10-16
  1.1 引言  10-11
  1.2 国内外研究现状  11-15
  1.3 本文的研究内容及所作的工作  15-16
2 普适计算及智能家居系统基本理论  16-24
  2.1 智能家居系统  16-18
    2.1.1 智能家居系统的功能特点及设计原则  16-17
    2.1.2 传统智能家居系统的不足及智能需求  17-18
  2.2 普适计算  18-23
    2.2.1 普适计算的本质特点  19
    2.2.2 上下文感知0 算  19-23
  2.3 本章小结  23-24
3 上下文感知计算家居系统  24-36
  3.1 多AGENT 系统基础  24-28
    3.1.1 智能Agent  24-25
    3.1.2 智能Agent 的结构模型  25-26
    3.1.3 多Agent 通信  26-28
  3.2 基于多AGENT 上下文感知计算家居系统  28-35
    3.2.1 家居系统体系结构  28-29
    3.2.2 多Agent 间的通信  29-30
    3.2.3 各Agent 的工作流程  30-35
  3.3 本章小结  35-36
4 智能家居系统实验模型设计  36-51
  4.1 多AGENT 系统开发平台  36-40
    4.1.1 JADE 特征  36-37
    4.1.2 体系结构  37
    4.1.3 通信机制  37-38
    4.1.4 JADE 执行方式  38
    4.1.5 Agent 的构建  38-40
  4.2 基于多AGENT 的实验模型设计  40-50
    4.2.1 Agent 的实现  41-45
    4.2.2 基于本体(Ontology)的通信  45-48
    4.2.3 Agent 模型建立  48-50
  4.3 本章小结  50-51
5 扩展隐马尔可夫模型在智能家居系统中的应用  51-68
  5.1 问题描述  51-52
  5.2 隐马尔可夫模型  52-59
    5.2.1 隐马可夫模型的定义  53-54
    5.2.2 三个基本问题  54-55
    5.2.3 经典算法  55-59
  5.3 隐马尔可夫模型的扩展  59-62
    5.3.1 模型的建立  59-60
    5.3.2 经典算法的扩展  60-62
  5.4 实际问题的解决  62-67
    5.4.1 数据预处理与问题的形式化  62-65
    5.4.2 模型的训练  65-66
    5.4.3 实验结果  66-67
  5.5 本章小结  67-68
6 总结与展望  68-70
  6.1 工作总结  68
  6.2 后续研究工作的展望  68-70
致谢  70-71
参考文献  71-74
附录  74-76

基于上下文感知计算的智能家居系统研究

内容摘要

全文目录

相似论文