随着物联网技术和机器学习技术的出现和应用,智能家居得到了快速的发展。为了给不同的用户提供个性化服务,智能家居采用物联网技术,将家中的各种设备连接起来,从而实现远程照明和空调温度控制等。首先利用知识库描述无线传感器感知到的环境信息,然后进行不确定推理和信息决策。最后,生成具体的操作命令并反馈给控制器以执行相应的操作。本文工作主要包括以下三部分:构建了一种基于用户活动和行为习惯的智能家居推理决策框架。框架使用了一个分层的知识模型,这样不同的模块就可以使用相同的概念和关系进行数据通信和推理等。提出了一种混合式推理算法(ER-OT),将改进的证据推理与基于Jena推理机的本体推理相结合,应用于活动识别中,解决了活动的不确定性和推理结果间的冲突。实验表明,本文设计的不确定性推理方法具有较高的推理准确性。改进了GA-SVM算法,并将其应用在活动识别后的不同用户在不同情况下的决策,为不同用户提供了个性化服务。通过用户活动和位置数据等作为输入来训练分类模型,应用KNN分类算法匹配用户组,可实现为不同的用户提供不同的决策规则,提升了智能家居的智能化、个性化程度。