Một cách tiếp cận chung là đề xuất để xác định các cảm biến thông thường được sử dụng để ước lượng và
phân loại các số gần đúng của người dân (trong một phạm vi) trong một căn phòng. Phạm vi đó là năng động và phụ thuộc
vào số người tối đa gặp nhau trong một dữ liệu đào tạo thiết ví dụ. Phương tiện để ước tính chiếm bao gồm
phát hiện chuyển động, tiêu thụ điện, cảm biến nồng độ CO2, microphone hoặc các vị trí cửa / cửa sổ. Các phương pháp đề xuất được lấy cảm hứng từ máy học. Nó bắt đầu bằng cách xác định những hữu ích nhất
đo trong việc tính toán lợi ích thông tin. Sau đó, các thuật toán ước lượng được đề xuất: họ dựa trên
các thuật toán học cây quyết định vì những quyết định năng suất quy tắc có thể đọc được bởi con người, tương ứng với lồng quy tắc if-then-else, nơi ngưỡng có thể được điều chỉnh tùy thuộc vào khu vực sinh hoạt
xem xét. Ngoài ra, độ sâu cây quyết định được giới hạn để đơn giản hóa việc phân tích các cây
quy tắc. Cuối cùng, một phân tích kinh tế được thực hiện để đánh giá chi phí và các bộ cảm biến có liên quan nhất,
với chi phí và độ chính xác so với dự toán của phòng. Thuật toán rừng C45 và ngẫu nhiên
đã được áp dụng cho một thiết lập văn phòng, với lỗi ước lượng trung bình 0,19-0,18. Hơn rãi các vấn đề và
các bộ cảm biến tốt nhất được thảo luận.
đang được dịch, vui lòng đợi..