[发明专利]基于粗糙集理论与规则相结合的智能家居数据补全方法

说明书

本发明公开一种基于粗糙集理论与规则相结合的智能家居数据补全方法，使用粗糙集属性约简算法将冗余信息去除，避免多于信息对数据补全产生。粗糙集理论使用信息熵的概念，能够发现数据之间潜在关系，而不是简单的数据之间线性关系。根据约简结果形成的规则符合决策系统中行为习惯，缺省推理允许信息在不完全情况下做出合适的推理，符合现实推理需求。粗糙集理论将连续数据离散化处理，在智能家居决策系统中，系统不需要准确数据，只需要传感器达到某个范围内就能做出决策，因此本方法能够实现智能家居决策系统中缺失值补全，提高决策系统的可靠性和准确性，提供良好的用户体验。

技术领域

本发明涉及智能家居技术领域，具体涉及一种基于粗糙集理论与规则相结合的智能家居数据补全方法。

背景技术

近几年来，基于物联网所开发系统被广泛应用于医疗、智能家居、智能城市等各个领域和不同行业。智能家居通过促进用户与物联网设备之间的交互，为用户提供更加多样化的普适计算服务。智能家居中传感器产生不同数据，对上下文识别、服务推荐、异常检测和安全等方面有很大影响。所有的智能家居应用都依赖于完整数据，然而由于存储错误、传感器设备不可靠、网络状态不稳定或断电等原因，传感器设备所产生的数据是不完整的，而这些不完整的数据可能包括噪声、冗余和缺失值。数据缺失在智能家居数据中是一个非常普遍的现象，且丢失数据的复杂性则随着物联网设备的数量呈指数级增长，缺失数据影响物联网应用的准确性和可靠性，例如在实时决策中，由于数据缺失导致不能产生决策；在服务推荐中，可能推荐错误路线；缺失数据给智能家居带来很多不利影响，影响用户体验。

发明内容

本发明所要解决的是现有智能家居的数据缺失会影响物联网应用的准确性和可靠性的问题，提供一种基于粗糙集理论与规则相结合的智能家居数据补全方法。

为解决上述问题，本发明是通过以下技术方案实现的：

基于粗糙集理论与规则相结合的智能家居数据补全方法，包括步骤如下：

步骤1：获取各个时间点上智能家居所有传感器的传感器数据，形成智能家居数据集；

步骤2：将步骤1所获取的智能家居数据集中的所有智能家居数据进行模糊化处理，得到模糊化的智能家居数据集；

步骤3、将步骤2所得的模糊化的智能家居数据集中的模糊化的智能家居数据进行划分，其中所有传感器数据均完整的模糊化的智能家居数据划分到完整智能家居数据集中，将任一传感器数据存在缺失的模糊化的智能家居数据划分到缺失智能家居数据集中；

步骤4、将步骤3所得的完整数据集中的每一条完整智能家居数据进行重构，得到重构后的完整智能家居数据集；在对每一条完整智能家居数据进行重构时，依次将每个传感器作为决策属性，其他传感器作为条件属性，由此得到n条重构后的完整智能家居数据；其中n为智能家居中传感器的数量；

步骤5、利用步骤4所得的重构后的完整智能家居数据集去构建规则集；即对于每一条重构后的完整智能家居数据，将其决策属性作为规则的头部：并利用信息熵和粗糙集理论对该决策属性所对应的条件属性进行冗余条件属性删除后，将剩余的条件属性作为规则的体部，由此得到一条规则；

步骤6、基于回答集编程语言，利用步骤5所得的规则集中的规则对步骤3所得的缺失智能家居数据集的缺失智能家居数据进行补全；在补全的过程中，将每一条缺失智能家居数据作为待补全内容输入到DLV求解器中；将该条缺失智能家居数据中缺失数据的传感器作为缺失属性，并将步骤5所得的规则集中以该缺失属性作为决策属性的所有规则输入DLV求解器中；DLV求解器基于回答集编程语言进行规则与待补全内容的匹配，预测得到相应的缺失数据。

上述步骤5中，利用信息熵和粗糙集理论对该决策属性D所对应的条件属性进行冗余条件属性删除的具体过程如下：

步骤5.1.计算当前决策属性D相对于的条件属性集合C的条件信息熵H(D|C)；其中条件属性集合C包含该当前决策属性D的所有条件属性；