设计应用

基于动态时间跨度与聚类差异指数的用户行为异常检测算法

作者:詹 麟1,曾献辉1,2,代凯旋1
发布日期:2022-04-29
来源:信息技术与网络安全 4期

0 引言

物联网的迅速发展使其成为了信息化社会的重要一环,其中通过智能家居可以将用户使用的各种设备联系到一起,通过各种连接技术如WiFi[1]、ZigBee[2]、蓝牙[3]将原先机械式、单一化的设备变得具有可控性[4-5]和智能化[6-7],将生活质量提高了一个台阶[8-9]。

通过对智能家居环境下采集的数据进行计算和分析,文献[10]提出了一种从家庭智能电表数据中提取用户行为模式的统一框架,通过集成的频繁模式增长算法和各种机器学习算法的分类来检测用户的异常模式。文献[11]通过隐马尔科夫模型对智能家居环境下的用户行为进行预测。文献[12]提出了一种基于用户行为模式的智能家居控制策略,通过对用电量的挖掘与分析,在此基础上设计对应的智能家居系统控制策略。文献[13]采用关联规则发掘算法对智能家居下的用户行为进行预测,优化了智能家居系统的控制策略。



本文详细内容请下载http://www.chinaaet.com/resource/share/2000004105。





作者信息:

詹  麟1,曾献辉1,2,代凯旋1

(1.东华大学 信息科学与技术学院,上海201620;2.数字化纺织服装技术教育部工程研究中心,上海201620)




微信图片_20210517164139.jpg

此内容为AET网站原创,未经授权禁止转载。
智能家居 聚类算法 聚类差异性指标 LOF指数