论文部分内容阅读
提出一种多传感器融合的建筑入住率感知模型。通过基于相关性的特征选择方法对建筑内已存在的数据流进行筛选,利用多种监督类机器学习算法建立入住率感知模型。研究发现:多传感器融合能够有效建立入住率感知模型,各算法的准确率均在60%以上,其中支持向量机(包括线性和径向基)和朴素贝叶斯的效果较好,准确率均大于75%,均方差误差均小于0.4;入住率感知模型在不同季节间的可转移性较好,而在不同楼层间的可转移性较差。此外,多传感器融合的预测能力不一定比单传感器的预测能力更强。