Preliminary study of learning individual thermal complaint behavior using one-class classifier for indoor environment control

این مقاله روش یادگیری مبتنی بر داده ها را برای توصیف رفتار فردی حرارتی حرارتی در یک سیستم کنترل محیطی مبتنی بر شکایت ارائه می دهد. سیستم مبتنی بر شکایت تنها از شکایت های انسانی شخصی برای کنترل محیط دفتر شخصی استفاده می کند. این از کنترل مستقیم کاربر بر روی نقطه تنظیم اتاق اجتناب می کند، که معمولا نتیجه نا مناسب و ناخوشایند را تعیین می کند. مدل طبقه بندی دو مرحله ای با استفاده از داده های سازگار با حرارتی شخصی با توجه به رفتارهای مداوم و مداوم شکایت ارائه شده است. ساختار طبقه بندی بر اساس خواص ادراک حرارتی انسان با پارامترها برای یادگیری برای کاربران مختلف طراحی شده است. نتایج کمی با استفاده از داده های تجربی نشان می دهد که مدل دارای میزان منفی کاذب منفی نسبت به مدل طبقه بندی سنتی با داده ها و میزان تشخیص اشتباه قابل قبول است. پیاده سازی عملی و ارزیابی پرسشنامه افراد نشان دهنده عملکرد رضایت بخش مدل در کنترل واقعی محیط است. ما همچنین در مورد محدودیت ها و پیش بینی های بالقوه مدل در پایان این مقاله بحث خواهیم کرد.