ارائه یک روش کارامد جهت کاهش مصرف انرژی با تحلیل رفتار کاربران در خانه های هوشمند با استفاده از ترکیب تکنیک‌های یادگیری ماشین   

ارائه یک روش کارامد جهت کاهش مصرف انرژی با تحلیل رفتار کاربران در خانه های هوشمند با استفاده از ترکیب تکنیک‌های یادگیری ماشین


امروزه سیستم‌های هوشمند درزمینه کنترل انرژی در خانه‌های هوشمند ارائه شده‌اند که استفاده‌های زیادی دارند، سیستم کنترل هوشمند با مدیریت بر بخش‌های مختلف یک خانه و ایجاد شرایط محیطی مناسب می‌تواند انرژی مصرفی و هزینه‌ها را کاهش دهد و باعث افزایش بهره‌وری شود که نیروی انسانی و نرخ خرابی سیستم و هزینه نگهداری انرژی کاهش می‌یابد و همچنین از منابع استفاده مطلوب¬تری می‌شود و مصرف کنندگان موجود در یک ساختمان آسایش بیشتری دارند ما در این پایان نامه یک روش کارآمد جهت کاهش مصرف انرژی با تحلیل رفتار کاربران در خانه‌های هوشمند با استفاده از ترکیب تکنیک‌های یادگیری ماشین ارائه کرده‌ایم که از سه قسمت پیش پردازش داده، انتخاب ویژگی و کلاس بندی با الگوریتم svm ارائه شده است که می‌تواند رفتار کاربران را در خانه‌های هوشمند کلاس بندی کند و مدلی ارائه دهد که باعث کاهش مصرف انرژی در خانه‌های هوشمند شود، نتایج شبیه ساز یو مقایسه نشان می‌دهد که روش پیشنهادی از عملکرد قابل قبولی برخوردار می‌باشد

فصل اول 1
کلیات پروژه 1
1- مقدمه 1
1-2 بیان مساله 2
1-3 ضرورت تحقیق 3
1-4 اهداف برجسته تحقیق 5
1-5 ساختار پایان نامه 5
فصل دوم 7
مبانی نظری، ادبیات و پیشینه پژوهش 7
2-1 مقدمه 8
2-2 اینترنت اشیا 8
2-2-1 تحول اینترنت اشیا 9
2-3 مدل‌های ارتباطي در فناوري اينترنتي از اشياء 11
2-3-1 مدل دستگاه با دستگاه 11
2-3-2 مدل دستگاه با سرویس ابری 12
2-3-3 مدل دستگاه با دروازه 13
2-4 شهرهاي هوشمند 14
2-6 انرژی‌های هوشمند و شبکه هوشمند 16
2-7 برخي از چالش‌های تحقيقاتي: 21
2-8 حمل و نقل و جابجايي هوشمند 22
2-9 خانه‌های هوشمند، ساختمان‌های هوشمند و زيرساخت 26
2-10 کارخانه‌های هوشمند و توليد هوشمند 28
2-11 داده‌کاوی 29
2-12 دسته‌بندی 31
2-13 الگوریتم‌های رایج دسته‌بندی 32
2-13-1 شبکه‌های عصبی مصنوعی 32
2-13-2 درخت‌های تصمیم 36
2-13-3 شبکه‌های بیزین 38
2-13-4 K نزدیک‌ترین همسایه 39
2-13-5 بردار پشتیبان 40
2-13-6 روش‌های مبتنی بر قانون 44
2-14 الگوریتم بهینه سازی ازدحام ذرات 47
2-14-1 پارامترهاي پايه بهينه‌سازي ازدحام ذرات 50
2-15 سوابق تحقیق 53
فصل سوم 60
روش شناسی تحقیق 60
3-1 مقدمه 61
3-2 مدل پیشنهادی 63
3-3پیشپردازش بر روی دادهها 64
3-4انتخاب ویژگیهای بهینه با استفاده از الگوریتم بهینهساز ازدحام ذرات(PSO) 64
3-5 روش بهينه سازي اجتماع ذرات 65
3-6 تفکیک داده های آموزشی(Train) و آزمایشی(Test) 66
3-7ساخت مدل از الگوریتم ماشین بردار پشتیبان(SVM) 67
فصل چهارم 71
تجزیه و تحلیل داده ها 71
4-1- مقدمه 72
4-2 – مجموعه داده 72
4-3 - روش مورد مقایسه 72
4-4 معیار نرخ مثبت کاذب (FPR) 73
4-5 معیارFRR 74
4-6 معیار دقت 75
4-7 معیار precision 77
4-8 - معیار Recall 78
4-9- معیار F-mesure 78
4-10- نتیجه گیری 79
فصل پنجم 81
نتیجه گیری و پیشنهادات 81
5-1 نتیجه گیری 82
5-2 کارهای اتی 85
منابع 87

سعید پورمحمد :نویسنده
محمد حسن خوبکار :استاد راهنما
سعید زاهدی :استاد مشاور
۱۳۹7/12/22 :تاریخ دفاع
۸۷۰ صفحه :تعداد صفحات
مهندسی کامپیوتر-نرم افزار :رشته
یادگیری ماشین-یادگیری ماشین-رفتار کاربران-مدیدیرت هوشمند-خانه های هوشمند :کلمات کلیدی فارسی
Smart houses-intelligent management-user behavior-machine learning-machine learning :کلمات کلیدی انگلیسی
Place sticky footer content here.