詹 麟 ，曾献辉 ，2，代凯旋

(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)

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。

但现有的研究仍有些许不足，通过各种机器学习对数据进行分类后进行异常检测，可能实时性得不到保障[14]，若用户行为发生了概念漂移，则不能及时调整；构建数学模型局限于存在线性关系的数据集，训练集的数据过于关注历史数据，不能对新的行为习惯做出检测，可能存在误判[15]；通过关联分析对用户异常行为进行检测[16]比较依赖经验值，在不同的规模下准确率也会受到一定影响。……