康养型住宅的大数据分析与智能控制算法的研究与实现
这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。
康养型住宅的大数据分析与智能控制算法的研究与实现
这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。
康养型住宅的大数据分析与智能控制算法的研究与实现
这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。
康养型住宅的大数据分析与智能控制算法的研究与实现
这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。
康养型住宅的大数据分析与智能控制算法的研究与实现
这是一篇关于多传感器数据融合,行为模式,Sub-G混合组网,数据挖掘,智慧养老的论文, 主要内容为近年来,中国老龄人口比例持续的增长,“空巢老人”的独居养老问题突出,加大了社会的压力。智慧的养老模式是新型的信息技术的应用,依托于物联网和大数据的新兴养老模式,也是处理我国养老问题的一种新方向[1]。目前,居家养老大多围绕智能监护主题,而缺少将老人作为智能家居主体的研究,设计符合老年用户需求的智能控制系统。传感器在移动终端、养老设备中部署,老人与居住的环境相互连接,物联网实时的感知老人的体征状况、行为动态等协助老人完成行动目的和难以完成的行为。本文通过构建的无线传感器网络采集老年人居家历史活动数据与基本生理参数,对获取的行为信息清洗、融合、存储,通过融合SOM的k-means算法,并结合具有时间约束因子的关联规则算法挖掘与分析,建立老人的行为分析模型,协助老人完成对智能设备的控制,而采集的生理参数数据用来对老人的健康状况做初步的判断。实现居家老人全面的状态感知,提高老人对智能家居的控制,居家安全的保障。本次研究的要点有:1.通过对多种数据挖掘与行为分析的算法进行研究,选择与实际需求相符的数据挖掘算法。2.通过对比Zig Bee、Sub-G、Wi-Fi等常见无线通信技术的优势与劣势,构建Sub-G与Wi-Fi混合组网对居家老人的相关数据采集与上传。3.基于SOM改进的k-means算法,用于行为数据双层聚类与具有时间约束的关联规则算法相辅,实现对老人行为数据的分析与预测,建立老人的习惯行为模式。4.采用的B/S的软件架构,前端部分的代码实现采用Java Script、vue等技术,服务端采用Java和SSM(Spring+Spring MVC+Mybaits)框架,开发对应的功能。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码工坊 ，原文地址：https://m.bishedaima.com/lunwen/52756.html
