文摘
随着时代的进步,物联网技术越来越接近公共生活,它提供了大力支持促进智能和方便的生活方式。计算机技术的基础研究可以形成一个当代新兴的物联网技术,这给信息产业带来了一个伟大的突破。物联网技术对家居设计带来了一种新的模式。同时,通过中国的各种方案的建议,更有效地促进了智能家居的有效应用。为了提高技术的可信度证据在民事诉讼的住房居住权利,本研究产生的大数据描述算法水电行为特征通过一个模糊神经网络(FNN)傅里叶函数(FFT),远程实时抄表数据和生成功能代码比较算法的民事证据的民用住宅(CRR)通过机器学习技术(MLDT)的决定。作为法庭证据链的重要组成部分,深入挖掘的电能米和水米智能家居物联网技术(IOTT)提供技术依据实际的居民在一个特定时间特定的房子。在这项研究中,使用模糊神经网络和MLDT直接判断证据的机器学习结果所需的普通民事法庭辩论。软件构造算法在python大数据分析软件环境中具有较高的判断能力的房子所有权确认算法和具有显著的优势。的技术方法获得住房居住权利的确认结果也明显比其他的结果。与其他相关证据的支持,软件的结论可以形成一个证据链,以满足民用国防的需要,和其技术证据的可信度非常高。 In the simulation analysis, although the algorithm designed in this study can not achieve 100% data expression, it also has comparative advantages.
1。介绍
后颁布民法典的中华人民共和国,中国有很多房屋居住的新定义,退休研究中心是正确的。朱讨论退休研究中心:CRRis定义为不可转让的,可继承的房屋业主给予住房用户一段时间在某些条件达成一致。主要以礼物的形式、贷款、租赁等(1]。Huchzermeye研究住宅权利在南非从具体案例分析2]。沼泽和鞋号分析Welkom的情况下在一个自由州省,提出住房标准和住房居住(3]。墨菲提出研究和探索住房权利在智利的边缘城市(4]。杨et al。5)表示,居住权制度起源于罗马法,在古罗马的婚姻和家庭关系。它似乎保护公众的正常生活和弱者的基本生活权利。改进后的居民对居住在中国的民法典,这也更好的保证了居民的住房和相对安全的权利(6]。刘和习近平分析困难的原因在住房和权利保护农民工从农民工的角度,提出有效措施,保护农民工的退休研究中心(6]。Chitadini批判性分析了“足够的住房”的配方及其应用在欧洲罗马住房政策和房地产行业如何重塑(修正7]。李肇星说,在这项研究中,当前的退休研究中心仍有模糊的类型和范围的居民,不清楚义务之间居留权利机构和债权人的主题,和住宅权制度并不完美8]。因为住房居住的定义的多样性,很难有效地评估住房居住在民事诉讼和民事调解。唐留下了深刻讨论的权利纠纷的裁决规则住宅和发挥了指导作用的判断民事主体的住宅权通过分析各种案件的判决结果(9]。杨和张10)在当前形势下的高离婚率,房子的价格居高不下,假高不低,房产纠纷通常是严重的问题,和居民社会收入与房价之间的差异太大。这导致了无休止的争论的所有权住房居住在离婚诉讼中(11]。寻求更多的证据模式住房居住权利确认已成为法律研究的重点。
基于5 g的支持大数据技术和物联网技术,中国智能家居行业发展迅速。杨et al。12]国家智能环境的影响下,5 g智能时代的到来使得家庭智能服务深入日常生活。物联网通过个人信息绑定安全信息收集、人脸识别、身份验证、和其他手段。让居民更安全、更方便使用智能家居服务来提高他们的生活水平13]。智能家居结合大数据进一步智能化,可以深入理解用户的生活习惯、个人喜好和消费需求,为用户提供方便、舒适的个性化服务,并提高智能家居的使用频率。张、张(14实现独立控制系统通过智能家居和物联网技术:智能家居技术体制下,将生成大量的数据在居民的日常生活,和相关的研究将从这些智能家居数据收集证据形成证据链的住房居住(9]。Yannan [15)认为,在这项研究中,所有的智能家居设备的应用程序信息只不过是自来水,电力能源和互联网数据。自来水的实时消费变化曲线和实际的电能消费变化曲线是重要的证据反映了智能家居的应用习惯。特别是,如果电压和电流的实时数据收集能耗,技术指标的特点规律如无功功率、有功功率、视在功率和时间线会推断,这将反映出许多特定的用户行为特征(11]。这些特征将成为他居住在房子里的证据。
住宅权实现住房住宅权和所有权的分离。在实施的过程中居住权制度,经常发生冲突。汉(16]在研究表示:通过水和电的付款记录网络费和物业费相关的房屋产权证书和地址,房子的居民实际的数据,以确定实际的居民和推断居民的权益在众议院(13]。王(17]在研究表示,新民法典的实现后,同意项住房居住已经成为一个重要的元素的民法中的合法权益。根据不同的合同约束,有住房的居民和纳税人之间的交叉关系的住房相关费用(16]。你们(18对住宅的权利提出一个问题:只有付款凭单和付款账户的所有者信息,和居民的协议中有显著差异。在实际民事纠纷中,关于证据的可信度的法庭辩论的焦点(17]。因此,如何获取更可靠的居民证据是相关研究的焦点。杨et al。19),目前,农民工的涌入到城市是一种常见的现象。儿童入学的问题需要处理居民住宅的产权。关键的解决方案是如何保护农民工的住房问题和避免住房任期纠纷,安全机制的建立和完善是一个重要目标18]。
林研究了智能家居物联网:近十年来,中国取得了巨大的创新MLDT,形成一系列的物联网系统,如远程实时抄表、电力能源计量表,水表和物联网终端,它提供了技术支持大数据的提取的画像住宅水电消费(20.]。针对智能家居物联网的研究现状,本研究的重点是水电大数据肖像所产生的不同住宅居民和提供了一个住宅识别技术,可用于民事证据证实退休研究中心虽然这项技术不能证明之间的住宅授权期房产所有者和房屋主人,它可以准确地判断变化的时间节点,成为房子的主人一块可信证据在民事诉讼的住宅。现代艺术(21智能物联网是基于家庭住宅,使用物联网通信,人工智能,计算机,和其他技术来创建一个家庭智能生命,改善住房生活经验,构建和谐智能家居生活平台。智能家居系统设计基于ZigBee无线通信技术实现无线个域网终端模块的可靠通信信号采集由智能控制,检测室内环境(22]。
2。大数据的生成算法的水和电的行为特征
远程实时抄表技术已基本在客户端推广物联网终端在中国国内水电供应公司。习等。22)使用遗传算法来优化终端的分销网络,提高供电的可靠性20.]。江et al。23)进一步整合供水公司的数据,设计智能供水系统,并总结这些数据到城市供电公司的核心数据仓库或供水公司。供电公司或供水公司将进行市场评估和客户需求评估基于这些数据,如制定分时水电价格和消费梯度水电价格(22]。
在民事诉讼中,为了确认房子的实际占有者的身份,根据许可证文件,双方的律师有权要求供水公司或供电公司提供水和电的远程实时抄表数据的目标属性。水和电的实时消费曲线可以反映用户的使用特点和构建用户画像。研究和分析水电的数据后,数据挖掘方案可以分析电力消耗和水消费的特点在每一个时期,以确定时间点当电力消费的行为和用水量显著变化。它也可以与其他房地产有清晰正确的住所,以判断债权人使用电和水的行为。
在实际的大数据分析,以下方案可用于确定高度敏感的水和电特性分析。
在图1,DWT小波变换,其基本功能是所示(1);FFT是傅里叶变换,它的基本功能是(所示2);模糊神经网络是模糊神经网络,用于引信三FFT输出矩阵数据到一个双精度变量通过迭代回归算法。
DWT小波变换的基函数
在这里,是原始序列;校正因子;是控制指针;是小波变换后的函数。
小波变换的本质是正确的中央轴偏移量时间序列的波形,使所有非典型波形可以有效地整合和长周期波形的影响可以被消除。小波转换波形引入傅里叶变换(FFT)和傅里叶变换的基本功能如下:
在这里,e是自然常数;是频率因子;傅里叶常数;x是原始的函数参数;f(x)是原始的函数;f( )是一个函数的傅里叶变换;
小波变换(DWT)后的函数和傅里叶变换(FFT)如图2。
在图2,原来的离散序列转换两次DWT和FFT形成一个函数图像显著极值特征。图像中的每个峰有两个变量:频率和振幅积分值。总结了数据的极端值,形成一个数据矩阵,这有两个列和N行。N峰的数量,两列频率和振幅积分值,分别。矩阵按照降序排列的方向N行安排,第一选择8项。如果矩阵的行数小于8行,随后的每一行空白行被编写为0,0 (7]。
三个特征矩阵输入到模糊神经网络(FNN),双精度变量输出和小数点后的第一个32位双精度变量的输出特性的代码。这三个特征矩阵输入的模糊神经网络有16个节点,共有48个输入节点和一个输出节点。选择对数深度迭代回归函数作为神经网络的基本功能,如下:
在这里,y是神经网络节点的输出值;n是所有节点的数量的上层神经网络架构;x我是我th变量上神经网络的输入;一个,B系数是退化;
3所示。功能代码比较算法民用住房居住权利的证据
后上述模糊神经网络的输出值小波傅里叶变换是一个32位的数字串行代码,但没有直接的比较值,因此可以看到没有区别。由于混沌系统的复杂性所造成的影响,用户也有类似的水和电的使用习惯,导致字符串编码小的视觉观察差异,而居民的水和电的习惯是不同的,导致大量视觉观察差异。因此,有必要建立一个神经网络比较模块比较和判断两者的区别。比较算法如图3。
在图3模糊神经网络(FNN)模块是用来比较两个字符串的代码。每个字符串的代码分解成32位整数变量在10和64整数变量输入。模糊神经网络的基本功能网络所示公式(3),和一个双精度变量输出的模糊神经网络是神经网络输入二进制模块。所示的二进制算法的基本功能如下方程:
在这里,数学符号的含义是一样的前面的公式;该算法逻辑如图1和3包括机器学习算法的神经网络等模块。两个字符串的代码生成模块图1和一个字符串的代码比较模块图3用于联合训练收集水和电特性信息所产生的不同的居民住在不同的房子里,给初步训练,和在实际的培训,执行左和右打训练。例如,如果字符串编码信息由两个相同的居民不同属性不能获得的比较结果”一致的字符串的代码,“它会自动拒绝和rebrush鞋子退化变量,直到它可以获得字符串的代码”的比较结果一致。“因为统计处理后的二值化模块,代码的字符串比较的结果是一个双精度变量的区间[0,1],和输出结果是无限接近0.000或1.000。当结果是接近0.000,认为这两组数据是“不一致”,结果是接近1.000时,认为这两组数据是一致的。”
在民事诉讼的实际司法程序,水和电的特征字符串编码争议双方在其他住宅收集并与属性的水和电特征字符串编码参与诉讼的不同阶段,找到双方的停留时间的争议财产参与诉讼。这个证据是结合其他证据(付款记录,安全摄像头,访问卡刷,住房权利相关的合同,等)形成的元素住房居留证件的证据链。
4所示。有效性测试的机器学习识别算法为住宅居住者
算法的设计目标是利用物联网技术和实时记录数据的远程水表和电表,掌握家庭的实际情况的水和电的使用,深入分析和研究水和电的使用和使用的法律特征,建立用户画像,确定一个特定的居民的房子在一个特定的事件。研究结果可以提供技术依据房屋居住在房屋住宅的传输时间对诉讼或纠纷。因此,在实际的计算中,算法的敏感性和特异性识别居民需要模拟。
实验软件的算法在Python大数据分析软件环境是建立比较实验,观察组相关引用筛选,类似的研究软件识别住房居住的类似物联网大数据,在仿真环境中复制,它是用作机器参照群体。同时,法院和律师事务所的工作人员邀请十多年来形成一个专家小组,居留的权利是通过全面收集证据,证实和确认结果作为参考手册。所有相关机器学习模块训练有素和严格收敛8]。1000年组的比较情况下,敏感性和特异性的三组数据比较,和表1得到:
在表1,易感性是指真正的积极成果的比例在所有积极的结果在所有比较结果,和特异性是指真正的负面结果的比例在所有负面结果在所有比较结果。的优势比是指区别参照组的数据和数据的观察组和参照组的数据,也就是说,观察组的主要范围与参照组。的t价值和从二元价值t验证结果和双变量的选择是两个参照组,观察组。当t< 10.000和 ,认为有显著统计两组之间的差异。在仿真结果中,重量确认结果基于物联网设计在本研究中显示以下两个特点:(1)结果的敏感性和特异性观察组分别为3.87%和0.82%高于机器参照组和36.78%和29.42%高于手动参照组,分别。,两组的判断能力的住房任期确认算法接近,基于机器学习和人工参照群体都有显著的优势。手册的数据参照群体来自联合试验结果自己的民事诉讼法官和律师,这是绝对的权威。的技术方法获得住房居住权利的确认结果通过机器学习明显比人类的联合检查结果。(2)房子主人识别算法基于物联网的远程抄表、电力能源计量表,水表数据研究观察组使用的敏感性和特异性,但没有达到100%达到99.3%和98.1%,分别;也就是说,有0.7%的假阳性的可能性或1.9%的假阴性结果的可能性。对方律师在法庭上可能会因此提出异议的证据是令人难以置信的。然而,通过1000年房地产的比较,结果表明,其敏感性和特异性远高于手工联合审查的专家团队。因此,异议可以被拒绝,因为手动评价结果不能反驳机器学习的结果。与其他相关的支持证据,证据链形成,和技术的可信度证据可以充分满足民防的需要。
为了验证研究算法和人工关节的能力试验中,公民住房居留权的辩论中常见的情况是1000次的模拟。的示范错误率常见的法庭辩论的焦点是判断,和表2是获得。
在表2,机器学习算法的误码率与评价结果相比显著降低手工参照组的专家小组在有关调查和收集证据的过程中四种常见情况下住房任期纠纷。四个比较的结果T= 0.000, ;也就是说,两者的区别是100%的信心。与人工判断的结果相比,该算法具有绝对优势。有非常高的试验能力,它可以用来作为参考进行法庭辩论。
5。总结
将生成大量的数据在居民的日常生活,其中水电使用的数据是特别有价值的研究。水电的实时消费变化曲线可以反映用户的使用特点。智能家居物联网技术收集这些数据,研究和分析报告,这将提供技术传输时间的证据住房居住房屋居住权诉讼或纠纷。软件构造算法在python大数据分析软件环境中具有较高的判断能力的房子所有权确认算法和具有显著的优势。的技术方法获得住房居住权利的确认结果也明显比其他的结果。与其他相关证据的支持,软件的结论可以形成一个证据链,以满足民用国防的需要,和其技术证据的可信度非常高。
在仿真分析中,虽然本文算法设计不能达到100%的数据表达,算法的敏感性和特异性都远高于手动联合评审的专家小组,和错误率低于人工判断出错率。因此,该算法具有比较优势获得住房的确认结果。在未来的研究中,使用机器学习的研究方向和物联网技术,提供法院的技术证据仍有很大改进的余地和发展。本研究课题将继续深化和进一步提高算法的敏感性和特异性。
数据可用性
数据基础的研究结果中可用的手稿。
的利益冲突
作者宣称没有利益冲突。