[發明專利]基于粗糙集理論與規則相結合的智能家居數據補全方法

有效

• 申請號: 202010699554.0
• 申請日: 2020-07-20
• 公開（公告）號: CN111856954B
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 趙嶺忠;王經書;翟仲毅;錢俊彥;潘海玉;林炫宇
• 申請（專利權）人: 桂林電子科技大學
• 主分類號: G05B15/02
• 分類號: G05B15/02;G05B19/418
• 代理公司: 桂林市持衡專利商標事務所有限公司 45107
• 代理人: 陳躍琳

本發明公開一種基于粗糙集理論與規則相結合的智能家居數據補全方法，使用粗糙集屬性約簡算法將冗余信息去除，避免多于信息對數據補全產生。粗糙集理論使用信息熵的概念，能夠發現數據之間潛在關系，而不是簡單的數據之間線性關系。根據約簡結果形成的規則符合決策系統中行為習慣，缺省推理允許信息在不完全情況下做出合適的推理，符合現實推理需求。粗糙集理論將連續數據離散化處理，在智能家居決策系統中，系統不需要準確數據，只需要傳感器達到某個范圍內就能做出決策，因此本方法能夠實現智能家居決策系統中缺失值補全，提高決策系統的可靠性和準確性，提供良好的用戶體驗。

技術領域

本發明涉及智能家居技術領域，具體涉及一種基于粗糙集理論與規則相結合的智能家居數據補全方法。

背景技術

近幾年來，基于物聯網所開發系統被廣泛應用于醫療、智能家居、智能城市等各個領域和不同行業。智能家居通過促進用戶與物聯網設備之間的交互，為用戶提供更加多樣化的普適計算服務。智能家居中傳感器產生不同數據，對上下文識別、服務推薦、異常檢測和安全等方面有很大影響。所有的智能家居應用都依賴于完整數據，然而由于存儲錯誤、傳感器設備不可靠、網絡狀態不穩定或斷電等原因，傳感器設備所產生的數據是不完整的，而這些不完整的數據可能包括噪聲、冗余和缺失值。數據缺失在智能家居數據中是一個非常普遍的現象，且丟失數據的復雜性則隨著物聯網設備的數量呈指數級增長，缺失數據影響物聯網應用的準確性和可靠性，例如在實時決策中，由于數據缺失導致不能產生決策；在服務推薦中，可能推薦錯誤路線；缺失數據給智能家居帶來很多不利影響，影響用戶體驗。

發明內容

本發明所要解決的是現有智能家居的數據缺失會影響物聯網應用的準確性和可靠性的問題，提供一種基于粗糙集理論與規則相結合的智能家居數據補全方法。

為解決上述問題，本發明是通過以下技術方案實現的：

基于粗糙集理論與規則相結合的智能家居數據補全方法，包括步驟如下：

步驟1：獲取各個時間點上智能家居所有傳感器的傳感器數據，形成智能家居數據集；

步驟2：將步驟1所獲取的智能家居數據集中的所有智能家居數據進行模糊化處理，得到模糊化的智能家居數據集；

步驟3、將步驟2所得的模糊化的智能家居數據集中的模糊化的智能家居數據進行劃分，其中所有傳感器數據均完整的模糊化的智能家居數據劃分到完整智能家居數據集中，將任一傳感器數據存在缺失的模糊化的智能家居數據劃分到缺失智能家居數據集中；

步驟4、將步驟3所得的完整數據集中的每一條完整智能家居數據進行重構，得到重構后的完整智能家居數據集；在對每一條完整智能家居數據進行重構時，依次將每個傳感器作為決策屬性，其他傳感器作為條件屬性，由此得到n條重構后的完整智能家居數據；其中n為智能家居中傳感器的數量；

步驟5、利用步驟4所得的重構后的完整智能家居數據集去構建規則集；即對于每一條重構后的完整智能家居數據，將其決策屬性作為規則的頭部：并利用信息熵和粗糙集理論對該決策屬性所對應的條件屬性進行冗余條件屬性刪除后，將剩余的條件屬性作為規則的體部，由此得到一條規則；

步驟6、基于回答集編程語言，利用步驟5所得的規則集中的規則對步驟3所得的缺失智能家居數據集的缺失智能家居數據進行補全；在補全的過程中，將每一條缺失智能家居數據作為待補全內容輸入到DLV求解器中；將該條缺失智能家居數據中缺失數據的傳感器作為缺失屬性，并將步驟5所得的規則集中以該缺失屬性作為決策屬性的所有規則輸入DLV求解器中；DLV求解器基于回答集編程語言進行規則與待補全內容的匹配，預測得到相應的缺失數據。

上述步驟5中，利用信息熵和粗糙集理論對該決策屬性D所對應的條件屬性進行冗余條件屬性刪除的具體過程如下：

步驟5.1.計算當前決策屬性D相對于的條件屬性集合C的條件信息熵H(D|C)；其中條件屬性集合C包含該當前決策屬性D的所有條件屬性；