淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-1907201715215400
中文論文名稱 智慧家庭系統之應用機器學習建置多人協調控制機制
英文論文名稱 Machine learning based multi-user conflict resolution mechanism for smart home system.
校院名稱 淡江大學
系所名稱(中) 資訊管理學系碩士班
系所名稱(英) Department of Information Management
學年度 105
學期 2
出版年 106
研究生中文姓名 蔡元傑
研究生英文姓名 Yuan-Jie Tsai
學號 604630169
學位類別 碩士
語文別 中文
口試日期 2017-06-04
論文頁數 31頁
口試委員 指導教授-衛信文
共同指導教授-鄭啟斌
委員-李鴻璋
委員-林至中
中文關鍵字 智慧家庭  多人情境  協調控制  機器學習 
英文關鍵字 Smart Home  Multi-User  Machine Learning 
學科別分類
中文摘要 智慧住宅已經成為目前建築產業中的趨勢,就現有科技而言,智慧住宅對於基本的環境控制已經不再是問題,因此,許多智慧住宅的發展紛紛朝向更複雜的工作內容控制(例如:烹飪)或是提供更具人性化的人工智慧生活輔助服務發展。然而先前大多數的研究皆著重於單一使用者的服務發展,因此相對於過去的研究,本研究將注重在多人的情境下,智慧住宅如何有效為各使用者提供服務,也就是在面臨多人事件對於空間應用及環境控制差異時,如何建立多人協調控制機制的方面進行研究。
實驗中將透過馬可夫模型、決策樹、最近鄰居法、簡單貝葉斯等方法推測各受測者的行為,受測者的行為包括未來可能進行的事件和對未來環境的感受等。同時將推測出來受測者所要進行的行為事件依照行為內容權重分配,盡力滿足各方需求安排空間。
根據實驗結果,受測者對於多人協調控制機制產生的建議接受度達到70%,顯示本研究中多人協調控制機制對於受測者的生活事件預測、環境感受預測、環境控制預測及多人事件之間空間應用安排具有一定的準確度。故本研究能在智慧住宅發展向更具人性化的人工智慧輔助路上提供相關的參考與建議。
英文摘要 Smart home system has been able to achieve the home environment control, access control and energy management, so The research and development of Smart Home are widely and smoothly developed including the complexity of tasks and user-friendly assistance. This study will focus on multiple-user demand. How does smart home system meet multiple-user behavior. This study will use machine learning to build Multiplayer coordination control mechanism.
論文目次 目錄
第1章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 2
1.3 論文架構 2
第2章 文獻探討 3
2.1 智慧住宅設備系統 3
2.2 智慧家庭學習機制 4
2.3 智能系統與機器學習 4
2.3.1 馬可夫鏈 4
2.3.2 決策樹 5
2.3.3 簡單貝葉斯 6
2.3.4 最近鄰居法 7
第3章 研究方法 8
3.1 研究方法 8
3.1.1 研究流程 8
3.1.2 實驗環境虛擬化 9
3.1.3 系統模型 10
3.2 實驗方法 17
3.2.1 文字與感受行為差異 17
3.2.2 多人協調控制機制評斷 18
3.2.3 多人協調控制機制測後問卷 18
第4章 研究結果 20
4.1 文字與感受行為差異研究 20
4.2 多人協調控制機制評斷研究 21
4.3 多人協調控制機制測後問卷 25
第5章 結論 27
參考文獻 28
附錄 30
文字與感受行為差異問卷 30
多人協調控制機制測後問卷 31


表目錄
表 3 1歷史環境資料 12
表 3 2歷史個人行為資料 13
表 3 3個人事件預測馬可夫模型 15
表 3 4個人環境感受預測簡單貝葉斯 16
表 3 5事件權重 17
表 4 1文字與感受行為差異統計 20
表 4 2詳細文字與感受行為差異統計 21
表 4 3多人協調控制機制接受度 22
表 4 4多人協調控制機制測後問卷結果 26


圖目錄
圖 2 1決策樹模型 6
圖 3 1實驗流程圖 9
圖 3 2多人協調控制機制系統模型 11
圖 3 3個人事件預測決策樹 14
圖 3 4個人事件預測馬可夫模型 14
圖 3 5個人環境感受預測最近鄰居法 15
圖 3 6個人事件/環境控制預測 16
圖 4 1受測者01每週同一時間事件分配圖 23
圖 4 2受測者02每週同一時間事件分配圖 24
圖 4 3受測者05每週同一時間事件分配圖 24
圖 4 4受測者06每週同一時間事件分配圖 25
參考文獻 1. Lu, C. H., & Chiang, Y. T. (2014, August). An Instantiation of the Multiple-Transfer Framework to Reduce Efforts in Context Model Learning for New Users in Smart Homes. In Intelligent Information Hiding and Multimedia Signal Processing (IIH-MSP), 2014 Tenth International Conference on (pp. 118-121). IEEE.
2. Alam, M. A. U., Roy, N., Misra, A., & Taylor, J. (2016, June). CACE: Exploiting behavioral interactions for improved activity recognition in multi-inhabitant smart homes. In Distributed Computing Systems (ICDCS), 2016 IEEE 36th International Conference on (pp. 539-548). IEEE.
3. Roy, N., Roy, A., & Das, S. K. (2006, March). Context-aware resource management in multi-inhabitant smart homes a Nash H-learning based approach. In Pervasive Computing and Communications, 2006. PerCom 2006. Fourth Annual IEEE International Conference on (pp. 11-pp). IEEE.
4. Shin, C., Oh, Y., & Woo, W. (2005, July). History-based Conflict Management for Multi-users and Multi-services. In Context2005 Workshop (Proc. of the Workshop on Context Modeling and Decision Support).
5. Li, W., Logenthiran, T., & Woo, W. L. (2015, November). Intelligent multi-agent system for smart home energy management. In Innovative Smart Grid Technologies-Asia (ISGT ASIA), 2015 IEEE (pp. 1-6). IEEE.
6. Guebli, W., & Belkhir, A. (2015, November). Providing Services in an Intelligent Environment Conflict Management in Smart Home. In Proceedings of the International Conference on Intelligent Information Processing, Security and Advanced Communication (p. 24). ACM.
7. Shin, C., & Woo, W. (2009). Service Conflict Management Framework for Multi-user Inhabited Smart Home. J. UCS, 15(12), 2330-2352.
8. Davidoff, S., Lee, M. K., Zimmerman, J., & Dey, A. K. (2006). Socially-aware requirements for a smart home. In Proceedings of the international symposium on intelligent environments (pp. 41-44).
9. Jones, N., & Pu, P. (2008). User Acceptance Issues in Music Recommender Systems (No. HCI-REPORT-2009-001).
10. Grinstead, C. M., & Snell, J. L. Introduction to probability. 2006. American Mathematical Society.( Chapter 11)
11. Witten, I. H., Frank, E., Hall, M. A., & Pal, C. J. (2016). Data Mining: Practical machine learning tools and techniques. Morgan Kaufmann.( Chapter 6)
12. Maimon, O., & Rokach, L. (2010). Data mining and knowledge discovery handbook (1st ed.). New York: Springer.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2017-07-25公開。
  • 同意授權瀏覽/列印電子全文服務,於2017-07-25起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2486 或 來信