本作品是一款基于SVM动作识别的控制系统,具有记忆、学习和预測功能，能记录用户触发某一事件前一段时间的动作数据，并在平时监測用户动作，不断预測用户下一个可能动作，并自己主动帮用户完毕。
作品背景：
如今智能家居市场上，大多用app、语音等方式控制家居，这些方法繁琐且须要用户经过一定训练。
本作品旨在提供一个更方便更智能的方式帮助用户控制家居等设备。
基本思路：
依据前期实验数据已知，人的习惯动作是相对稳定的，我们比对了一个人不同一时候间做同一习惯动作2s内的加速度、角度数据，发现曲线差点儿重合。
这是系统预測功能的前提。
本系统由数据採集模块和分析预測模块组成。数据採集模块以手环的形式戴在手上。以10Hz的速度向上位机发送运动数据。每组数据包括3轴加速度和3轴角度值。
上位机即中央控制系统。不断接收下位机传来的用户运动数据，当用户触发某一事件时。将触发前一段时间的动作数据记录，并以此训练SVM网络。系统执行时不断分析用户当前动作数据，与已记录的数据作比較,以5Hz的速度预測用户下一个动作。并自己主动帮用户完毕。
运动数据採集模块型号为MPU6050，各模块之间以arduino连接。
创新点：
将人工智能与家居产品、穿戴设备相结合，又一次定义智能家居的控制方式。赋予家居系统学习能力。用户不必改变原有的生活习惯就能体验到智能家居带来的便捷:
(1) 智能程序与硬件结合，让硬件有实时学习功能。
(2) 採用SVM实时学习人的行为，採用PSO进行參数优化。
(3) 智能家居与穿戴设备的结合，让智能家居摆脱手机app，给用户更方便的使用体验。
(4) 本系统可与现有的智能家居和智能穿戴设备合作。嵌入当中。用户不必又一次购买新的智能家居或穿戴设备产品。
技术关键：
Arduino组成数据的採集、处理、运行网络
利用粒子群算法,依据已记录数据寻找最佳參数以训练SVM网络,以达到最佳预測结果.
利用支持向量机（SVM）网络实现对动作的分类、预測功能。
实验数据：
实验验证时採集4种动作各15组数据进行分类预測。SVM网络预測确率达100%。
技术特点和优势：
本作品将机器学习和智能家居结合，相比市面上的智能家居和手环产品有较高的先进性和独创性。
本产品的学习和预測功能，将带来更好的用户体验，而不像一般智能家居成为手机的附庸。
本产品作为一套学习、预測、控制系统，其使用范围远不止智能家居控制。因为SVM网络强大的分类识别效果，本系统能够用于其它”学习-预測”结构系统。还能够与市面上众多穿戴类产品结合。或作为一套软件植入，以获取用户数据。实现预測功能。
近期各厂商相继推出智能穿戴类设备和智能家居产品。但市面上的穿戴或家居设备基本都无学习功能，本系统正是填补了这一空缺。
智能设备的竞争越来越激烈，但本系统既可生产对应穿戴设备和智能家居。也可作为一套软件与其它厂家合作销售，具有广阔的市场前景。
实物图
