CN106294738A - 一种智能家居场景配置方法 - Google Patents
一种智能家居场景配置方法 Download PDFInfo
- Publication number
- CN106294738A CN106294738A CN201610650562.XA CN201610650562A CN106294738A CN 106294738 A CN106294738 A CN 106294738A CN 201610650562 A CN201610650562 A CN 201610650562A CN 106294738 A CN106294738 A CN 106294738A
- Authority
- CN
- China
- Prior art keywords
- model
- local
- layer
- information
- model layer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000007418 data mining Methods 0.000 claims abstract description 20
- 238000013480 data collection Methods 0.000 claims abstract description 8
- 230000006399 behavior Effects 0.000 claims description 41
- 238000003066 decision tree Methods 0.000 claims description 5
- 238000005065 mining Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000009412 basement excavation Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/285—Clustering or classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2465—Query processing support for facilitating data mining operations in structured databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于智能家居场景领域，提供一种智能家居场景配置方法，该方法的数据挖掘系统分为两层，包括通用模型层和本地模型层；通用模型层，独立在各家居子系统之外，完成多个本地模型层的数据收集及外部新家居系统的数据收集；本地模型层，在各家居子系统之中，完成本地传感器的数据挖掘产生用户行为模型。本发明方法对用户不需要完全的身份认定，只基于模糊信息，产生预估聚类模型，供新特征用户快速匹配。同时将智能设备信息进行收集，纳入挖掘范畴，在网络环境下，可以实现同一智能设备在新环境中快速匹配。
Description
技术领域
本发明属于智能家居场景领域，特别涉及一种智能家居场景配置方法。
背景技术
智能家居随着技术的发展，已经越来越多的应用于生活和实际生产中，虽然家居的部分产品被命名为“智能”，但在实际应用场景下个，都有高昂的学习成本，在实际应用中需要产生“智能”的过程比较漫长。
现有一般通过在智能家居的控制系统中加入数据挖掘算法，收集人的行为信息，然后对行为数据信息进行挖掘，对不同用户挖掘出进行了一项动作后，下一项动作进行评估。
由图1、2可以看出，现有技术需要先确定人员身份，为强鉴权方式，然后根据该人在环境中的控制操作，通过传感器进行数据采集后，对产生的个人数据进行数据挖掘，然后个人在进行相应控制操作行为后可以进行下一步的操作预测。新的人员进入后需要较长的学习时间，缺少行为模糊能力，实际环境下并不适用。实际应用中，部分智能家居设备种类繁多，新设备加入环境后，该系统架构无法满足快速反应和预测的需求。原有方案体系中缺少对智能设备特性的数据挖掘，只依赖用户行为，缺少实际场景下的可用性和易用性。
发明内容
本发明的目的在于克服上述现有技术中的不足，而提出的一种智能家居场景配置方法，使用该方法对用户不需要完全的身份认定，只基于模糊信息，产生预估聚类模型，供新特征用户快速匹配。同时将智能设备信息进行收集，纳入挖掘范畴，在网络环境下，可以实现同一智能设备在新环境中快速匹配。
本发明的目的是通过以下技术方案实现的。
一种智能家居场景配置方法，本配置方法的数据挖掘系统分为两层，包括通用模型层和本地模型层
通用模型层，独立在各家居子系统之外，完成多个本地模型层的数据收集及外部新家居系统的数据收集；
本地模型层，在各家居子系统之中，完成本地传感器的数据挖掘产生用户行为模型。
进一步的，所述的配置方法包括以下步骤：
（1）本地模型层对本地用户的以下信息进行收集，
强关联信息，包括名字、用户身份id，记录到本地数据库中；
弱关联信息，包括性别、年龄、工作性质、兴趣 ，记录到本地数据库中，同时上传至通用模型层；
（2）当智能设备接入时，本地模型层将本层的智能设备信息上传到通用模型层，本层的智能设备信息包括设备特征、开启功能选项、型号、常用参数配置、告警阀值 、常用操作流程；
（3）在云服务器端通用模型层将上传的弱关联信息进行记录，并在海量数据中对智能设备特性（依据智能设备信息）、非标识用户行为（依据弱关联信息）进行数据挖掘，产生通用的模型信息,包括决策树模型及聚类模型；聚类模型用来对采集到的弱关联信息进行分类，不同分类的数据将会进行二次挖掘并产生决策树；
（4）当用户进入环境中，本地模型层将已经收集到的新用户弱关联信息上传到通用模型层，通用模型层依据新用户弱关联信息将会匹配到聚类模型中的一个分类，并基于该分类产生这类群体的通用的用户行为模型；本地模型层将该通用的用户行为模型下载到本地；
（5）当本地用户行为较少无法学习到任何规律时，使用通用的用户行为模型进行行为预测和快速匹配，达到快速学习的目的；当本地用户行为积累到一定数量，本地模型层将会基于原有通用的用户行为模型和本地强关联信息进行数据挖掘，在通用的用户行为模型上进行再次数据挖掘和修正，产生适合个人的特定的用户行为模型。
本发明与传统方式相比其优点在于：可以加快机器学习的进度，将主要数据的处理提取到独立的环境中，可以为大型机，解决了普通的智能家居系统不具备深度挖掘的能力，采用两段式的挖掘系统优化整体挖掘效率，更加实用。
附图说明
图1是现有智能家居系统的结构示意图。
图2是现有智能家居系统的数据挖掘及学习的流程图。
图3是本发明数据挖掘系统的示意图。
具体实施方式
下面结合附图和实施案例，对本发明的技术方案进行具体说明。
本发明实施例需要解决如下技术问题：
1.对用户不需要完全的身份认定，只基于模糊信息（非准确标示唯一，不需要验证），由于部分环境下的用户拒绝提供身份敏感信息，因此我们需要基于群体特征行为进行数据挖掘，而非个人。
2．采用两阶段数据模型架构，区分通用信息（所提供的信息和个人隐私无关、为作为一个固定群体的泛型信息）和特质化信息（所提供信息和个人隐私相关），两级方式具有较好的实用性，泛型信息由于数据量大单一设备无法完成，适合进行大数据和专业化设备进行运算挖掘产生初步的通用模型，特质化信息隐私信息数据量较少而且使用者对隐私的保护，采用本地数据挖掘方式，基于已经产生的通用模型基础上进行本地二次挖掘，产生个性化模型。
3.智能设备特征也是不断增加的，家居内的设备处于动态变化的过程，环境内设备变化和特征信息，也需要进行挖掘。当环境中出现新的设备时，控制系统需要可以学习。
4.对应新的人员进入，需要快速的进行分类，匹配相应的聚类模型。
结合以上目的，如图3所示，本实施案例提供了一种智能家居场景配置方法，本配置方法的数据挖掘系统分为两层，包括通用模型层和本地模型层
通用模型层，独立在各家居子系统之外，完成多个本地模型层的数据收集及外部新家居系统的数据收集；基于非隐私信息进行大数据挖掘，如年龄、工作性质、兴趣等。
本地模型层，在各家居子系统之中，完成本地传感器的数据挖掘产生用户行为模型，并对隐私信息进行数据挖掘，如名字、用户身份id 等。
进一步的，所述的配置方法包括以下步骤：
（1）本地模型层对本地用户的以下信息进行收集，
强关联信息，包括名字、用户身份id等，记录到本地数据库中；
弱关联信息，包括性别、年龄、工作性质、兴趣等，记录到本地数据库中，同时上传至通用模型层。
（2）当智能设备接入时，本地模型层将本层的智能设备信息上传到通用模型层，本层的智能设备信息包括设备特征、开启功能选项、型号、常用参数配置、告警阀值 、常用操作流程。
（3）在云服务器端通用模型层将上传的弱关联信息进行记录，在海量数据中对智能设备特性（依据智能设备信息）、非标识用户行为（依据弱关联信息）进行数据挖掘，产生通用的模型信息,包括决策树模型及聚类模型；聚类模型用来对采集到的弱关联信息进行分类，分类维度是基于k-means算法产生，不同分类的数据将会进行二次挖掘并产生决策树；其中可以根据应用场景的不同采用不同的挖掘算法，如采用Apriori 或贝叶斯等。在大数据环境下，人的部分特征、设备行为信息是可以进行分类的，比如妇女使用电吹风和电饭煲的时间和行为比男性多，在广泛的信息中存在没有道理的多数联系，模糊信息即弱关联信息对应人的不同维度分类是有帮助的。
（4）当用户进入环境中，本地模型层将已经收集到的新用户弱关联信息上传到通用模型层，通用模型层依据新用户弱关联信息将会匹配到聚类模型中的一个分类，并基于该分类产生这类群体的通用的用户行为模型；本地模型层将该通用的用户行为模型下载到本地。
（5）当本地用户行为较少无法学习到任何规律时，使用通用的用户行为模型进行行为预测和快速匹配，达到快速学习的目的；当本地用户行为积累到一定数量，本地模型层将会基于原有通用的用户行为模型和本地强关联信息进行数据挖掘，在通用的用户行为模型上进行再次数据挖掘和修正，产生适合个人的特定的用户行为模型。
本说明书中未作详细描述的内容，属于本专业技术人员公知的现有技术。
Claims (3)
1.一种智能家居场景配置方法，其特征在于：本配置方法的数据挖掘系统分为两层，包括通用模型层和本地模型层
通用模型层，独立在各家居子系统之外，完成多个本地模型层的数据收集及外部新家居系统的数据收集；
本地模型层，在各家居子系统之中，完成本地传感器的数据挖掘产生用户行为模型。
2.根据权利要求1所述的配置方法，其特征在于该方法包括以下步骤：
（1）本地模型层对本地用户的以下信息进行收集，
强关联信息，包括名字、用户身份id，记录到本地数据库中；
弱关联信息，包括性别、年龄、工作性质、兴趣 ，记录到本地数据库中，同时上传至通用模型层；
（2）当智能设备接入时，本地模型层将本层的智能设备信息上传到通用模型层，本层的智能设备信息包括设备特征、开启功能选项、型号、常用参数配置、告警阀值 、常用操作流程；
（3）在云服务器端通用模型层将上传的弱关联信息进行记录，并在海量数据中对智能设备特性、非标识用户行为进行数据挖掘，产生通用的模型信息,包括决策树模型及聚类模型；聚类模型用来对采集到的弱关联信息进行分类，不同分类的数据将会进行二次挖掘并产生决策树；
（4）当用户进入环境中，本地模型层将已经收集到的新用户弱关联信息上传到通用模型层，通用模型层依据新用户弱关联信息将会匹配到聚类模型中的一个分类，并基于该分类产生这类群体的通用的用户行为模型；本地模型层将该通用的用户行为模型下载到本地；
（5）当本地用户行为较少无法学习到任何规律时，使用通用的用户行为模型进行行为预测和快速匹配，达到快速学习的目的；当本地用户行为积累到一定数量，本地模型层将会基于原有通用的用户行为模型和本地强关联信息进行数据挖掘，在通用的用户行为模型上进行再次数据挖掘和修正，产生适合个人的特定的用户行为模型。
3.根据权利要求2所述的配置方法，其特征在于：步骤（3）中对智能设备特性的数据挖掘是依据智能设备信息；对非标识用户行为的数据挖掘是依据弱关联信息进行。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610650562.XA CN106294738B (zh) | 2016-08-10 | 2016-08-10 | 一种智能家居场景配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610650562.XA CN106294738B (zh) | 2016-08-10 | 2016-08-10 | 一种智能家居场景配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106294738A true CN106294738A (zh) | 2017-01-04 |
| CN106294738B CN106294738B (zh) | 2019-10-08 |
Family
ID=57667790
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610650562.XA Active CN106294738B (zh) | 2016-08-10 | 2016-08-10 | 一种智能家居场景配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106294738B (zh) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107871279A (zh) * | 2017-09-30 | 2018-04-03 | 上海壹账通金融科技有限公司 | 用户身份验证方法及应用服务器 |
| CN109472311A (zh) * | 2018-11-13 | 2019-03-15 | 北京物灵智能科技有限公司 | 一种用户行为识别方法及装置 |
| CN109522836A (zh) * | 2018-11-13 | 2019-03-26 | 北京物灵智能科技有限公司 | 一种用户行为识别方法及装置 |
| CN110045619A (zh) * | 2019-03-08 | 2019-07-23 | 佛山市云米电器科技有限公司 | 基于自学习技术的窗帘智能控制方法及智能控制系统 |
| CN111340104A (zh) * | 2020-02-24 | 2020-06-26 | 中移（杭州）信息技术有限公司 | 智能设备的控制规则的生成方法和装置、电子设备及可读存储介质 |
| CN111766800A (zh) * | 2019-07-03 | 2020-10-13 | 闪联信息技术工程中心有限公司 | 一种基于场景和大数据的智能设备控制方法 |
| CN112230555A (zh) * | 2020-10-12 | 2021-01-15 | 珠海格力电器股份有限公司 | 智能家居设备及其控制方法、装置和存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030018620A1 (en) * | 2001-06-26 | 2003-01-23 | International Business Machines Corporation | Storing data mining clustering results in a relational database for querying and reporting |
| US20030212693A1 (en) * | 2002-05-10 | 2003-11-13 | Campos Marcos M. | Rule generation model building |
| CN101408754A (zh) * | 2008-10-30 | 2009-04-15 | 中山大学 | 基于数据挖掘的智能家居优化系统 |
| CN103279687A (zh) * | 2013-06-21 | 2013-09-04 | 镇江冈山电子有限公司 | 一种基于上下文感知的个性化健康服务系统 |
| CN104486416A (zh) * | 2014-12-16 | 2015-04-01 | 三星电子（中国）研发中心 | 一种智能家居服务规则的综合利用系统及方法 |
-
2016
- 2016-08-10 CN CN201610650562.XA patent/CN106294738B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030018620A1 (en) * | 2001-06-26 | 2003-01-23 | International Business Machines Corporation | Storing data mining clustering results in a relational database for querying and reporting |
| US20030212693A1 (en) * | 2002-05-10 | 2003-11-13 | Campos Marcos M. | Rule generation model building |
| CN101408754A (zh) * | 2008-10-30 | 2009-04-15 | 中山大学 | 基于数据挖掘的智能家居优化系统 |
| CN103279687A (zh) * | 2013-06-21 | 2013-09-04 | 镇江冈山电子有限公司 | 一种基于上下文感知的个性化健康服务系统 |
| CN104486416A (zh) * | 2014-12-16 | 2015-04-01 | 三星电子（中国）研发中心 | 一种智能家居服务规则的综合利用系统及方法 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107871279A (zh) * | 2017-09-30 | 2018-04-03 | 上海壹账通金融科技有限公司 | 用户身份验证方法及应用服务器 |
| CN109472311A (zh) * | 2018-11-13 | 2019-03-15 | 北京物灵智能科技有限公司 | 一种用户行为识别方法及装置 |
| CN109522836A (zh) * | 2018-11-13 | 2019-03-26 | 北京物灵智能科技有限公司 | 一种用户行为识别方法及装置 |
| CN110045619A (zh) * | 2019-03-08 | 2019-07-23 | 佛山市云米电器科技有限公司 | 基于自学习技术的窗帘智能控制方法及智能控制系统 |
| CN111766800A (zh) * | 2019-07-03 | 2020-10-13 | 闪联信息技术工程中心有限公司 | 一种基于场景和大数据的智能设备控制方法 |
| CN111340104A (zh) * | 2020-02-24 | 2020-06-26 | 中移（杭州）信息技术有限公司 | 智能设备的控制规则的生成方法和装置、电子设备及可读存储介质 |
| CN111340104B (zh) * | 2020-02-24 | 2023-10-31 | 中移（杭州）信息技术有限公司 | 智能设备的控制规则的生成方法和装置、电子设备及可读存储介质 |
| CN112230555A (zh) * | 2020-10-12 | 2021-01-15 | 珠海格力电器股份有限公司 | 智能家居设备及其控制方法、装置和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106294738B (zh) | 2019-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106294738A (zh) | 一种智能家居场景配置方法 | |
| CN106709035B (zh) | 一种电力多维全景数据的预处理系统 | |
| CN109218223B (zh) | 一种基于主动学习的鲁棒性网络流量分类方法及系统 | |
| CN104408149A (zh) | 基于社交网络分析的犯罪嫌疑人挖掘关联方法及系统 | |
| CN103425757A (zh) | 融合多模态信息的跨媒体人物新闻检索方法与系统 | |
| CN104636751A (zh) | 基于时间递归神经网络的人群异常检测和定位系统及方法 | |
| CN105656692B (zh) | 无线传感网络中基于多示例多标记学习的区域监测方法 | |
| CN112905905A (zh) | 一种位置社交网络中兴趣点-区域联合推荐方法 | |
| CN110245310A (zh) | 一种对象的行为分析方法、装置及存储介质 | |
| CN110287237B (zh) | 一种基于社会网络结构分析社团数据挖掘方法 | |
| CN106959967A (zh) | 一种链路预测模型的训练及链路预测方法 | |
| CN104636492A (zh) | 一种基于模糊积分特征融合的动态数据分级方法 | |
| CN110930051A (zh) | 基于大数据分析的居民需求响应潜力分析系统及方法 | |
| CN113094448B (zh) | 住宅空置状态的分析方法及分析装置、电子设备 | |
| CN111046655A (zh) | 一种数据处理方法、装置及计算机可读存储介质 | |
| CN110472057A (zh) | 话题标签的生成方法及装置 | |
| CN113987808A (zh) | 一种特征加权贝叶斯网络的用电用户投诉预警方法 | |
| CN108920790A (zh) | 一种基于历史数据的公共建筑用电模式识别模型建立方法 | |
| Zhang et al. | A Density-Center-Based Automatic Clustering Algorithm for IoT Data Analysis | |
| CN116633589A (zh) | 社交网络中恶意账户检测方法、设备及存储介质 | |
| CN104394599B (zh) | 一种应用于m2m网络的csma/ca协议的设计方法 | |
| CN111241054B (zh) | 基于虚拟数据库的电力通信网络异地异构数据源整合方法 | |
| CN111080739B (zh) | 一种基于bp神经网络的bi配色方法及系统 | |
| Peng et al. | Dynamically real-time anomaly detection algorithm with immune negative selection | |
| CN113191409A (zh) | 标签数据扩充与深度学习的居民异常用电行为检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: 430079 13 / F and 14 / F, building 4, North A5, phase I, Longshan Innovation Park, future science and Technology City, 999 Gaoxin Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province Patentee after: Wuhan Tongxin Software Technology Co.,Ltd. Address before: 430074 4th floor, building A2, optical valley software park, No.1 Guanshan Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province Patentee before: ARCHERMIND TECHNOLOGY (WUHAN) Co.,Ltd. |
|
| CP03 | Change of name, title or address | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230907 Address after: 100176 18th floor, building 12, courtyard 10, KEGU 1st Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Patentee after: Tongxin Software Technology Co.,Ltd. Address before: 430079 13 / F and 14 / F, building 4, North A5, phase I, Longshan Innovation Park, future science and Technology City, 999 Gaoxin Avenue, Donghu New Technology Development Zone, Wuhan City, Hubei Province Patentee before: Wuhan Tongxin Software Technology Co.,Ltd. |
|
| TR01 | Transfer of patent right |