随着科学技术的快速发展,特别是4G(第四代移动通信网铭)技术的大规模商用,5G(第五代移动通信网络)技术预计在2019年商用,使得万物互联逐渐成为可能,由此衍生出来的智能家居成为行业研究的热点。然而目前行业研究的热点大多从系统的角度出发,致力于传统产品的信息化和系统功能需求,操作的便利性有了很大的提升,但依然需要人为操控才能实现对应的功能,因此,在智能化方面仍然有很大的提升空间。现代智能家居系统中可以收集到用户的行为信息,通过分析相关信息来学习用户行为,为用户建立“行为模式集合”,最终实现预测用户行为的目的,主动和提前为用户完成一些必要操作,智能家居能实现由人为操作的被动提供服务方式转为主动提供服务方式。为了实现上述的目的,本文在CBS(Customary-based servicing)算法的基础上,提出一种用户行为预测算法。为了验证算法的性能指标,把该算法编码实现并嵌入到Java项目中。具体工作如下:1、本文提出一种基于改进CBS算法的用户行为预测算法。算法主要流程为:首先挖掘用户行为之间的时间关系,主要通过时序关系和关联规则来实现。然后描述CBS算法中的时间分区与交并集运算,对CBS算法优缺点进行分析,并在此基础上引入机器学习技术,解决周围环境对用户行为的影响,引入数据库中“冷热处理”思想来解决多行为情况中存在时间冲突的问题。2、为验证算法的有效性,本文把上述算法编码实现并嵌入到Java项目中。该项目以Spring MVC为模型,项目主要分为4个部分:用户行为预测算法、算法测试、Java项目设置以及用户信息展示。通过该项目,对提出的用户行为预测算法进行验证,验证结果表明,与CBS算法相比,改进后算法的预测成功次数更多,成功率更高,稳定性更好且有效的降低对用户的干扰性。同时,该项目具有与智能家居平台无关特性,实现跨平台运行。