随着信息科技的快速发展,能够使得物体与物体、物体与人直接通信的物联网技术逐渐成为研究热点,由此衍生出来的智能家居行业也在加速发展。智能家居将信息化技术应用到人们的起居生活中,提供一些日常生活相关的基础服务,如安防,娱乐,饮食等方面,大大提升了日常生活的便利性。目前市面上已经出现了很多相应的产品,但是大多数产品只实现了一体化操纵、一体化控制的功能,在智能化方面还有很大的提升空间。在智能家居系统中,人们可以通过手机、平板等设备方便得控制家电；反之,系统可以通过长期观测用户的行为,达到理解用户行为的意图,并记忆所有的行为,为用户建立“行为模式集合”,提前帮助用户完成后续动作,使得智能家居系统更加智能化。模式的建立需要将大量的用户数据和数据挖掘、机器学习知识结合在一起,实现数据的聚类分析和关联分析。本文将基于智能家居用户历史数据,通过机器学习获得智能家居中多样的行为模式。通过对比机器学习领域不同模式分类技术的优缺点,选出适合智能家居体系结构的模式分类方法——“ART1型神经网络技术”,提出了双层ART1模式分类方法,并对"ART1型神经网络技术”进行数学模型的建立。由于用户日常产生的数据量庞大,为了帮助智能家居系统更好的管理用户数据,本文采用了基于Hadoop的分布式系统,开源的Hadoop系统为大数据时代的数据存储和高效数据处理提供了框架。通过HDFS系统,实现了海量用户行为数据的稳定存储,Hadoop系统自带的hive结合双层ART1型模式分类方法,实现了高效的用户历史行为模式分类,形成行为模式集合。通过行为模式的匹配,完成对用户行为的预测。最后利用实验室环境对提出的方法进行了验证,测试结果符合智能家居用户行为特点。