[发明专利]基于传感器网络的自适应学习方法

说明书

技术领域

本发明涉及无线通信技术领域，具体地，涉及一种基于传感器网络的自适应学习方法。

背景技术

无线传感器网络被认为是21世纪最具应用前景的技术之一，得到了众多政府机构、科研团体、商业公司的高度关注。随着硬件芯片、无线通信技术的快速进步，传感器以其简单、方便、实用的特点迅速引起学术界、商业界的极大关注，并正朝着小型化、多样化方向发展。随着人们越来越多的关注生产、交通、办公及生活环境，众多的传感设备开始广泛的应用到社会各个行业，以及与人们息息相关的生活当中。智能工业、智能楼宇、智能家居、智能车辆等具体应用场景蜂拥而出，极大的便利了人们的劳作行为。具体来说，当一个个微小的传感器利用无线方式连接组网之后，人们可以通过手机、平板电脑等智能便携设备，实现远程对各种设备的控制，从而提高了人们的生活质量。

随着科技的迅速进步，社会各领域中的各型设备越来越趋于多样化、复杂化。然而，当前大多数设备的控制是必须要人为参与的。要想每个人都能对每台设备的熟练控制掌握是繁琐而又费时费力的，也是不现实的。

发明内容

本发明提供了一种基于传感器网络的自适应学习方法，具有自适应、智能化和自动化的特点，解脱了人们对各种设备的繁琐操控。

为此目的，本发明提出了一种基于传感器网络的自适应学习方法，其特征在于，所述方法包括步骤：S1，使用传感器采集行为数据；S2，对所采集的行为数据进行分类并存储；S3，将存储的行为数据进行频数分布统计，得到推送结果；S4，将所述推送结果形成场景方案；S5，将所述场景方案进行推送，并接收推送后的反馈结果，对所述反馈结果进行分析。

其中，所述步骤S1具体包括：使用传感器采集行为数据，并将所述数据组成特定的三元组{device_i，timestamp_j，action_k}，其中，i，j，k为自然数，device_i为第i个终端名称，timestamp_j为第j个时间戳，action_k为第k个行为方式。

其中，所述步骤S2具体包括：将所述行为数据按照预设的第一时间段进行存储，并将超过第二时间段的行为数据删除。

其中，所述步骤S3具体包括：S31，在所存储的三元组中选择任意一个不为空的device_i，得到包含device_i的第一集合；S32，在所述第一集合中，根据行为方式action_k进行频数分布统计，选择action_k的最大值的三元组，形成第二集合；S33，在所述第二集合中，根据时间戳timestamp_j进行频数分布统计，选择timestamp_j最大值，形成预设推送组；S34，将所述预设推送组与在所述步骤S5中接收到的反馈结果进行判断；S35，如果所述预设推送组与所述反馈结果相冲突，则在所述行为数据中将所上述预设推送组排除，重复上述步骤，直到得到与所述反馈结果不冲突的推送结果；S36，如果所述预设推送组与所述反馈结果不冲突，则直接将所述预设推送组作为推送结果。

其中，所述步骤S5包括：将推送结果通过传感器推送到对应的各个终端，所述终端接收所述推送结果，在特定时间内进行调整，形成新的行为数据，并且将所述新的行为数据作为反馈结果。

其中，所述步骤S5还包括：将所述推送结果直接发送到各个终用户终端，若所述用户终端对所述推送结果持否定意见超过特定的次数，则取消对所述推送结果的推送，重复步骤S3，得到新的推送结果。

根据本发明的另一个方面，提供了一种基于传感器网络的自适应学习系统，其特征在于，所述体统包括：数据采集模块，用于使用传感器采集行为数据；数据存储模块，用于对所采集的行为数据进行分类并存储；数据分析模块，用于将存储的行为数据进行频数分布统计，得到推送结果；场景方案形成模块，将所述推送结果形成场景方案；数据推送和反馈模块，用于将所述场景方案进行推送，并接收推送后的反馈结果，对所述反馈结果进行分析。

通过上述实施例可知，使用本发明所述的基于传感器网络的自适应学习方法，通过使用传感器，对用户终端的数据行为进行智能感知、存储和分析，选取频数最高的行为数据预先提供某种场景方案，进而对各种装有传感器的终端进行智能控制，并对终端的反馈信息做出响应。本发明的方法和系统具有自适应、智能化和自动化的有点，极大的解脱了人们对各种设备的繁琐操控。

附图说明