江 桃，张 珣

（杭州电子科技大学电子信息学院，浙江杭州 310018）

0 引言

近年来我国老龄化人口比例不断增加，独生子女因工作等原因无法照顾老人，居家养老［1］是大部分老人的选择，但护理人员紧缺，老年人对常规的智能家居使用方式难以适应。在物联网技术、计算机网络技术以及数据挖掘技术跨越式发展的大背景下，智能家居发展呈现出突飞猛进态势［2］，智能家居系统向更高级的具有学习能力的自主操控方向发展。

智能家居系统研究较多，如英国的“智能家居交互屋系统”［3］，通过与日常生活数据对比来检测老年人健康状况，有异常时自主向外界求救；芬兰的“活跃家庭生活”居家养老科技产品，在各个房间安装传感器，通过传感器数据分析老年人的位置信息，监测活动信息有无异常；我国“基于物联网ZigBee 技术的智能社区居家养老系统”［4］，利用物联网ZigBee 技术实现对老人的身体状况、居家安全、环境能耗等方面的智能监测，可实时将监测数据传输到社区监护中心。以上技术在一定程度上对老人健康与生活行为数据进行异常分析，但是忽略了老年人的认知特点，即他们对高智能设备的学习能力以及接受能力不及年轻人。另外，健康数据获取一般通过佩戴相应的检测模块，增加了老人的心理负担。

本文对数据挖掘算法进行优化改进，挖掘和识别用户多种生活行为，得出用户的习惯模型，根据用户的偏好自动调控设备参数，或者根据环境因素变化，按照用户在不同环境的使用习惯自动调控，以及对多个设备联动调控，为老年人提供精准的智能服务。……