Nowyj podhod k klasterizacii dejstwij w sensornyh umnyh domah

Klasterizaciq i raspoznawanie dejstwij - wazhnoe naprawlenie issledowanij w oblasti umnogo doma. Klastery rezul'tatow, poluchennye w processe obucheniq, primenqütsq dlq raspoznawaniq, kontrolq i prognozirowaniq deqtel'nosti w sensornom umnom dome. Dejstwiq otlichaütsq drug ot druga po tipichnym harakteristikam, takim kak srabatywanie naborow datchikow ili wremennye harakteristiki. V dannoj rabote my predstawlqem infrastrukturu umnogo doma i predlagaem podhod k klasterizacii domashnih dejstwij na osnowe wremennyh harakteristik, ne trebuüschij kontrolq. Rezul'taty äxperimentow pokazywaüt, chto nowyj podhod sozdaet bolee gibkie i tochnye rezul'taty klasterizacii po srawneniü s sistemoj umnogo doma pod nazwaniem AALO, predstawlennoj w issledowatel'skoj rabote Enamul Hoque et al. Krome togo, w dannoj rabote dokazano, chto rezul'taty klasterizacii suschestwenno wliqüt na rezul'tat processa prognozirowaniq sleduüschego dejstwiq, chto podtwerzhdaetsq rezul'tatami äxperimental'nogo srawneniq.