[发明专利]一种基于Hadoop的智能家居操控行为推荐方法

权利要求书

1.一种基于Hadoop的智能家居操控行为推荐方法，其特征在于：包括以下步骤：

S1、结合无线或有线网络进行用户行为习惯数据的采集；

S2、进行用户行为习惯数据的分割，生成多个子数据块；

S3、将生成的多个子数据块分发到各节点进行云存储；

S4、在各节点实现对子数据块的运算，得到相应的具有时间约束的子时序关联规则；

S5、主节点合成各从节点生成的子时序关联规则；

S6、形成最终的智能家居操控行为推荐方案。

2.根据权利要求1所述的一种基于Hadoop的智能家居操控行为推荐方法，其特征在于：所述步骤S3多个子数据块基于Hadoop平台的HDFS进行云存储，步骤S4-S6的操作运算通过Hadoop平台的MapReduce实现。

3.根据权利要求1所述的一种基于Hadoop的智能家居操控行为推荐方法，其特征在于：所述步骤S4对各子数据块进行运算，得到相应的具有时间约束的子时序关联规则的具体步骤如下：

S4-1、形成学习器输入事务集；

S4-2、形成粗关联规则；

S4-3、添加时序约束与时间约束。

4.根据权利要求3所述的一种基于Hadoop的智能家居操控行为推荐方法，其特征在于：所述步骤S4-1形成学习器输入事务集的具体步骤为：将用户行为习惯数据看成一张有向无环图，然后对该图进行深度遍历，最后取具有最长DFS序列的DFS序列集合则作为学习器的输入事务集。

5.根据权利要求3所述的一种基于Hadoop的智能家居操控行为推荐方法，其特征在于：所述步骤S4-2根据步骤S4-1形成的学习器输入事务集，结合机器学习算法中的关联规则分析算法，对用户行为习惯进行关联规则学习，最后形成粗关联规则。

6.根据权利要求5所述的一种基于Hadoop的智能家居操控行为推荐方法，其特征在于：所述结合机器学习算法中的关联规则分析算法，对用户行为习惯进行关联规则学习，最后形成粗关联规则的具体过程如下：

设I＝{I₁,I₂,...,I_n}表示智能家居设备列表，给定一个交易数据库D，其中每个事务T为I的非空子集，即每一个交易都与一个唯一的标识符对应，关联规则在D中的支持度表示D中事务同时包含X事件、Y事件的的百分比，通过公式求解支持度；置信度表示D中事务已经包含X的情况下，包含Y的百分比，通过公式求解置信度；在关联分析中，学习器所学习到规则只要满足最小支持度阈值和最小置信度阈值则认为该关联规则是有效的，同时通过计算每个智能家居设备所对应的平均操作时间，得到成形如{(A,t_A)→(B,t_B)→...→(N,t_N)}的粗关联规则，其中t_N表示智能家居设备N的平均操作时间。

7.根据权利要求3所述的一种基于Hadoop的智能家居操控行为推荐方法，其特征在于：所述步骤S4-3添加时序约束与时间约束的具体步骤为：

S4-3-1、依据粗关联规则的每个元组所记录的设备和设备所对应的时间戳进行时序化处理从而产生时序关联规则；

S4-3-2、依据管理员所设定的最大时间间隔约束对所产生的时序关联规则进行筛选，得到连连设备之间具有强时间关联性的最终具有时间约束的时序关联规则，具体为：

假定管理员所设定的最大时间间隔约束为max(t)，且记t_i,j＝t_j-t_i,1≤i≤n-1,j＝i+1，n为设备数，时序关联规则筛选过程如下：

1)初始化i和j：令i＝1,j＝i+1＝2，计算设备1与设备2的时间差t_i,j＝t_j-t_i，i＝1＝2，t_1,2＝t₂-t₁；

2)判断t_i,j≤max(t)是否成立，若成立，令i＝i+1继续判断下一对设备之间的时间差是否满足t_i,j≤max(t)的要求；若第i与第j＝i+1个设备之间不满足既定的要求t_i,j≤max(t)，则断开关联规则链保留前i个设备，形成最终的形如{(1,t₁)→(2,t₂)→...→(i,t_i)}，t₁≤t₂≤...≤t_i，t_x,y＝t_y-t_x≤max(t),1≤x≤i-1,y＝x+1的具有时间约束的子时序关联规则。