پیش بینی رفتارکاربران خانه های هوشمند با تکنیک انتخاب ویژگی در شبکه عصبی

مسیله انتخاب ویژگی، یکی از پیچیده ترین مسایل در بازشناسی الگو است. انتخاب ویژگی تاثیر بسزایی برای پیش بینی دقیق تر مسایل و افزایش سرعت و دقت الگوریتم ها دارد. یکی از بهترین روش های انتخاب ویژگی، استفاده از الگوریتم های فراابتکاری می باشد. دراین پژوهش با استفاده از الگوریتم های فراابتکاری تکامل تفاضلی، جغرافیای زیستی، علف هرز، ازدحام ذرات، به منظور یافتن ویژگی ها، به دنبال ارایه راه حلی بهتر و با حجم محاسبات کمتر هستیم تا بتوانیم فعالیت های کاربران خانه هوشمند را به درستی شناسایی کنیم. مدل پیشنهادی ما ارایه الگوریتم تکامل تفاضلی بهبودیافته به کمک روش آشوب لاجیستیک است که منجر به افزایش دقت شبکه عصبی پرسپترون برای بهبود پیش بینی می شود. در این تحقیق، برای پیش بینی فعالیت های کاربران مسن در خانه هوشمند، استفاده خواهیم کرد چرا که این مهم کمک بسزایی به تشخیص رفتارهای درست و تصمیم های فراموش شده آنها می کند. سیستم تشخیص فعالیت در خانه ی هوشمند، که دارای مجموعه ای از سنسورهای سوییچی و ابزار نمونه برداری می باشد، نیاز ضروری به خصوص در خانه هوشمند سالمندان است. نتایج به دست آمده از این الگوریتم نشان می دهد که روش پیشنهادی نسبت به روش های مقایسه شده، به منظور یافتن ویژگی های موثر در خانه هوشمند موفق تر عمل می کند.

کلیدواژه ها:

انتخاب ویژگی ، الگوریتم تکامل تفاضلی ، خانه هوشمند ، شبکه عصبی