[发明专利]一种残疾人智能操作的数据填补与行为预测的方法

权利要求书

1.一种残疾人智能操作的数据填补与行为预测的方法，分为两个部分：一、操作的数据填补部分，用于填补残疾人用户产生的缺失操作；二、操作的行为预测部分，用于预测给定操作序列的下一步最有可能的操作；其特征在于：

一、操作的数据填补，采用基于K最近邻KNN的缺失操作填补算法

通过改进Jaccard相似度计算方法，获取用户不完整操作序列的相似序列集，根据相似序列集中缺失操作所处的位置来确定该缺失操作在目标序列中应处的位置，最终完成数据的填补；

二、操作的行为预测，采用基于隐马尔可夫模型HMM的操作预测算法

使用隐马尔可夫模型HMM来建模智能家居环境下的残疾人用户行为，将残疾人所处环境中的温度建模为HMM中的隐含状态，将残疾人对设备的操作建模为HMM中的观察状态，训练出符合每个残疾人用户行为特征的隐马尔可夫模型，然后利用该模型去预测给定残疾人操作序列的下一步最有可能的操作。

2.根据权利要求1所述的残疾人智能操作的数据填补与行为预测的方法，其特征在于，所述缺失操作填补算法的具体步骤为：

（一）、准备阶段：

（1）：定义缺失操作

定义1，不完整序列：如果某个操作序列中接连出现两个或以上的相同操作，则相应子序列段必定缺失对应操作，那么，整个序列为不完整序列；

定义1.1，嵌套缺失：一个序列中存在缺失操作，而在其对应的不完整子序列中还存在一个或多个其他的不完整子序列，为；

定义1.2，并列缺失：同一个序列中不同位置存在多个并列的缺失操作，为；

（2）：定义序列相似度

Jaccard系数是一种测量样本集合之间的相似性即差异性的统计方法，表示为两个集合的交集与并集的比，公式如下：

(公式1)

其中，表示集合A和集合B的交集，表示两者的并集，的取值范围为；

设存在序列，序列，考虑到两个序列中存在重复的属性，对Jaccard相似性计算方法进行了改进，得到如下公式：

(公式2)

其中，表示序列中操作符出现的次数，取值为1到N，N为操作种类；而和函数分别取最小值和最大值；至此，得到了一个改进的基于Jaccard系数的操作序列相似性计算方法；

（二）、实现阶段：

步骤1：针对的单一不完整序列，计算该不完整序列与完整序列集中对应的各个完整序列的序列相似度，即Jaccard系数；

步骤2：将上述的完整序列按照相似度进行降序排序，选取相似度最高的前N个序列作为的前N个最近邻；

步骤3：对最近邻集合中各个序列中的的前一个操作进行计数；

步骤4：对第3步的结果进行整理，得到一个填补候选列表，该列表列出了各个操作出现在前的次数，对这些操作进行降序排序，选取出现次数最高的操作，称为目标操作，将待填补操作插入到序列seq中第一个目标操作出现位置的后一个位置即可；

步骤5：如果seq中不存在目标操作，则选取出现次数次之的操作为目标操作，以此类推，最后将该不完整序列填补为完整序列。