Detalhes bibliográficos
Ano de defesa: |
2017 |
Autor(a) principal: |
Figueiredo, G. M. |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Centro Universitário FEI, São Bernardo do Campo
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://repositorio.fei.edu.br/handle/FEI/286
|
Resumo: |
Uma casa inteligente, também conhecida como smart home, possui diversos tipos de sistemas que envolvem desde dispositivos simples como os destinados para controle de iluminação, até os mais complexos, como dispositivos inteligentes que interagem com os moradores, e gradativamente novas tecnologias estão surgindo, convergindo para uma nova realidade em relação aos sistemas presentes em ambientes automatizados. Neste contexto, os moradores buscam mais conforto e uma melhor qualidade no interior da residência. Para aumentar o conforto e qualidade de vida torna-se necessário o desenvolvimento de um sistema que se adapte ao comportamento dos habitantes levando-se em conta que cada habitante possui um comportamento (sequência de ações) diferente. Para que a casa inteligente aprenda de forma autônoma o comportamento de seus habitantes, é necessário que ela conheça os padrões de utilização de cada um. Este trabalho apresenta um estudo sobre três algoritmos (GSP, SPADE e PrefixSpan) utilizados para a extração de padrões sequenciais. Serão apresentados os conceitos fundamentais de cada um e posteriormente será explicado como serão implementados para extrair os padrões sequenciais em casas inteligentes. Após realização dos testes, notou-se que a quantidade de dados analisada influenciou no resultado dos algoritmos. Quando poucos dados foram analisados, o sistema aprendeu pouco sobre o comportamento do habitante. Conforme o número de dados analisados aumentou, o sistema aprendeu mais sobre o comportamento do habitante. Com base nos resultados obtidos, concluiu-se que para o dataset utilizado neste trabalho, o melhor método para extração de padrões sequenciais de comportamento em casas inteligentes é o algoritmo PrefixSpan. |