Il raggruppamento e il riconoscimento delle attività è un importante filone di ricerca sulla smart home. I cluster di risultati ottenuti dal processo di addestramento vengono applicati per riconoscere, controllare e prevedere le attività all'interno di una casa intelligente dotata di sensori. Le attività si differenziano l'una dall'altra per caratteristiche tipiche, come gli insiemi di sensori attivati o quelli temporali. In questo lavoro, presentiamo un'infrastruttura per case intelligenti e proponiamo un approccio non supervisionato di clusterizzazione delle attività domestiche basato su caratteristiche temporali. I risultati degli esperimenti dimostrano che il nuovo approccio crea risultati di clustering più flessibili e accurati rispetto al sistema di smart home denominato AALO riportato nel lavoro di ricerca di Enamul Hoque et al. Inoltre, in questo lavoro si dimostra che i risultati del clustering influiscono in modo significativo sul risultato del processo di previsione della prossima attività attraverso i risultati del confronto sperimentale.