CN110501917A - 应用云计算实现物联网智能家居信息管理的系统和方法 - Google Patents
应用云计算实现物联网智能家居信息管理的系统和方法 Download PDFInfo
- Publication number
- CN110501917A CN110501917A CN201910856267.3A CN201910856267A CN110501917A CN 110501917 A CN110501917 A CN 110501917A CN 201910856267 A CN201910856267 A CN 201910856267A CN 110501917 A CN110501917 A CN 110501917A
- Authority
- CN
- China
- Prior art keywords
- data
- information
- layer
- communication module
- cloud computing
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 36
- 238000004891 communication Methods 0.000 claims abstract description 57
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 56
- 238000013528 artificial neural network Methods 0.000 claims abstract description 23
- 238000007405 data analysis Methods 0.000 claims abstract description 23
- 230000008447 perception Effects 0.000 claims abstract description 22
- 238000012546 transfer Methods 0.000 claims abstract description 15
- 238000007726 management method Methods 0.000 claims description 32
- 239000011159 matrix material Substances 0.000 claims description 24
- 230000006870 function Effects 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 18
- 238000004452 microanalysis Methods 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 238000013523 data management Methods 0.000 claims description 6
- 238000013500 data storage Methods 0.000 claims description 5
- 238000011017 operating method Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 53
- 238000011161 development Methods 0.000 description 8
- 230000006855 networking Effects 0.000 description 5
- 238000013461 design Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 239000011551 heat transfer agent Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005406 washing Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 239000009153 huxin Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005312 nonlinear dynamic Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 210000000352 storage cell Anatomy 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000000714 time series forecasting Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/26—Pc applications
- G05B2219/2642—Domotique, domestic, home control, automation, smart house
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种应用云计算实现物联网智能家居信息管理的系统，属于智能家居技术领域，所述系统包括信息感知层，用于通过传感网络获取或采集设备信息；信息传输层，用于通过有线通讯模块或无线通讯模块将底层感知的数据传递到数据处理层；数据处理层，用于将所述信息层感知接收的数据进行计算、分析和处理；数据应用层，用于管理或使用所述数据处理层处理后的数据；其中所述信息感知层输出端与所述信息传输层的输入端连接，所述信息传输层的输出端与所述数据处理层的输入端连接，所述数据处理层的输出端与所述数据应用层的输入端连接。本发明将大数据降维算法和BP神经网络算法融入云计算、物联网，实现智能家居信息的管理。
Description
技术领域
本发明涉及智能家居技术领域，且更具体地涉及一种应用云计算实现物联网智能家居信息管理的系统和方法。
背景技术
随着科学技术的快速发展和国民经济的快速增长，计算机网络技术迅速发展起来，人们对物质生活的要求越来越高，智能家居也日益发展起来，智能家居是指将先进的计算机网络技术、通信技术和现代化的家居生活有效的融合起来，对基于物联网的智能家居进行统筹规划和管理，实现现代家居的智能性，充分满足人们对现代家居的使用要求，让现代化的家居生活变得更加科学、安全、舒适、高效。物联网的概念可以从两方面进行理解，物联网是建立在互联网的基础上的，通过一定的方法进行拓展和延伸后形成的一种网络，但是互联网仍是其核心基础。从另一方面来说，物联网的用户端可以延伸到任何物品和物品之间，有效实现二者信息的交换和通信。物联网融合了红外感应技术、全球定位技术和信息传感技术，将智能家居和物联网有效的结合在一起，能有效实现信息的通信和交换，从而实现职能定位、跟踪、识别和监控作用。物联网的关键技术包括传感技术、通讯技术和云计算技术，这些先进的计算机技术被广泛应用到现代智能家居系统的设计中具有广泛的进步意义。
云计算作为一种特殊的计算方式，是在分布式计算、并行计算、无线通讯、虚拟技术、数据库技术等一系列传统技术的基础上发展起来的一种综合信息技术，也是软件即服务（SasS）、平台即服务（PasS）、基础设施即服务（IasS）、虚拟化Virtualization等技术的跃进或者商业实现的结果。通过云计算，使用户能够快速、便捷地处理数据平台中的大数据。随着IT行业在全球范围内的快速发展，云计算软件平台也呈增长趋势，使得用户畅享云计算超快的运算能力（每秒10万亿次）。
云计算技术的发展为智能家居系统的发展创造了新的机遇，它能够较好地解决传统智能家居系统中出现的问题。除了冗余性差外，原有的家庭服务器在智能家居系统不断扩大及用户数量增加导致的数据量的不断增加的情况下，也无法满足海量数据的存储与计算。目前，随着智能家居的迅速发展，其产生的数据也很庞大，在巨大的数据群之间，使得用户很难寻找目标数据，数据检索异常困难。
发明内容
针对现有技术的不足，本发明公开了一种应用云计算技术实现物联网智能家居信息管理的系统和方法，借助于云计算、物联网技术实现智能家居信息管理，管理手段还采用了大数据降维算法和BP神经网络算法，通过所述大数据降维算法实现微观分析，输出反映智能家居数据信息的微观物理量，通过所述BP神经网络算法实现微观物理量之间的关系；使得用户快速地从海量的物联网智能家居信息中获取有用的信息资源，并对获取的宏观数据进行微观分析，获取更本质的数据信息，便于用户把控智能家居信息。
本发明采用以下技术方案：
一种应用云计算实现物联网智能家居信息管理的系统，其特征在于：包括：
信息感知层，用于通过传感网络获取或采集设备信息；
信息传输层，用于通过有线通讯模块或无线通讯模块将底层感知的数据传递到数据处理层；
数据处理层，用于将所述信息层感知接收的数据进行计算、分析和处理；
数据应用层，用于管理或使用所述数据处理层处理后的数据；
其中所述信息感知层输出端与所述信息传输层的输入端连接，所述信息传输层的输出端与所述数据处理层的输入端连接，所述数据处理层的输出端与所述数据应用层的输入端连接。
作为本发明进一步的技术方案，所述应用层通过无线通讯方式连接有云端服务器和远程管理中心。
作为本发明进一步的技术方案，所述信息感知层包含有传感器、读写器、二维码标签、RFID标签、GPS设备或M2M终端。
作为本发明进一步的技术方案，所述信息传输层包含有线通讯模块和无线通讯模块，其中所述有线通讯模块包括RS485通讯模块或RS232通讯模块，所述无线通讯模块包括TCP/IP网络系统、ZigBee无线网络、GPRS通讯模块或CDMA无线通讯或蓝牙通讯模块。
作为本发明进一步的技术方案，所述数据处理层包含有数据管理服务器，与所述数据管理服务器连接有数据存储单元、数据显示单元和数据计算单元，其中所述数据计算单元为基于E-PCA算法的数据处理单元。
一种利用上述技术方案中所述的一种应用云计算实现物联网智能家居信息管理的系统进行工作的方法，所述方法包括以下步骤：
（S1）感知数据；通过传感网络获取或采集设备信息，并且通过数据接口传递感知的数据；
（S2）数据传递；通过有线通讯模块或无线通讯模块将底层感知的数据传递到数据处理层；
（S3）数据处理；将所述信息感知层实现接收的数据进行计算、分析和处理；所述数据处理方法为大数据降维算法和BP神经网络算法，通过所述大数据降维算法实现微观分析，输出反映智能家居数据信息的微观物理量，通过所述BP神经网络算法实现微观物理量之间的关系；
（S4）数据应用；用户管理或使用所述数据处理层处理后的数据。
作为本发明进一步的技术方案，将智能家居信息输入至大数据降维算法模型，通过大数据降维算法进行处理，降维处理后，再通过BP神经网络算法模型进行计算，其中所述大数据降维算法为基于信息熵的 PCA 降维算法 E-PCA。
根据权利要求7所述的方法，其特征在于：在所述BP神经网络算法模型中，其中：
调整输出层权系统的公式为：
；
调整隐含层权系数的公式为：
；
对于每一种数字资产信息样本中的输入模式对的二次型准确函数模型为：
;
对于N个数字资产信息样本的总准确函数表达式：
。
作为本发明进一步的技术方案，所述降维算法E-PCA的工作方法为：
（S31）初始化信息；设定智能家居样本数据矩阵Un*m，数据降维后输出的数据矩阵为Yk*m，定义数据类型分别为m、n、δ、f，其中m表示抽取家居数据的个数，n表示抽取家居数据特征属性的个数，δ表示为信息熵阈值，f表示为共享率；
（S32）计算每种不同类型数据的智能家居信息属性的信息熵值，将计算的信息熵值与信息熵阈值 δ 进行比较，然后进行特征筛选，其中筛选办法为: 如果选取的样本数据ai的信息熵H(ai)＞δ，将属性ai放入数据 A 中，如果选取的样本数据ai 的信息熵H(ai)≤δ，则放弃不选；
（S33）将数据矩阵Un*m进行中心化操作，得出矩阵Xn*m，其中将数据矩阵Un*m进行中心化操作的公式为：
X=A-repmat(mean(A,2),1,m)； 式（1）
其操作方法是指X的变量减去X的均值，以增加基向量的正交性。
（S34）然后计算不同数据属性维度之间的协方差，构建成协方差矩阵 Cov，其中协方差矩阵 Cov的公式表示为：
Cov=（XXT）/（size（X,2）-1）； 式（2）
（S35）计算 Cov 的特征值 eigenValue 和特征向量eigenVector；
（S36）选定变换基：选择最大的 k 个特征值对应的 k 个特征向量分别作为列向量组成特征向量矩阵Vn×k；
（S37）计算降维结果：
Y=VTX； 式（3）
（S38）输出结果。
作为本发明进一步的技术方案，所述贡献率是指选取的特征值的和与所有特征值的和的比值，用公式表示为：
式（4）。
积极有益效果：
本发明将物联网技术、云计算技术以及大数据处理技术结合在一起，借助于云计算、物联网技术实现智能家居信息管理，管理手段还采用了大数据降维算法和BP神经网络算法，将大数据降维算法和BP神经网络算法融入物联网技术、云计算技术，通过所述大数据降维算法实现微观分析，输出反映智能家居数据信息的微观物理量，通过所述BP神经网络算法实现微观物理量之间的关系；使得用户快速地从海量的物联网智能家居信息中获取有用的信息资源，并对获取的宏观数据进行微观分析，获取更本质的数据信息，便于用户把控智能家居信息，从而实现智能家居信息的管理，有利于用户对如智能灯、冰箱、洗衣机、风扇等家居信息的监控进行分析、把握，提高了智能家居信息管理的能力。
附图说明
图1为本发明一种应用云计算技术实现物联网智能家居信息管理系统的架构示意图；
图2为本发明一种应用云计算技术实现物联网智能家居信息管理方法的流程示意图；
图3为本发明一种应用云计算技术实现物联网智能家居信息管理方法的算法架构示意图；
图4为本发明一种应用云计算技术实现物联网智能家居信息管理系统中基于Hadoop平台的一种实施例架构图；
图5为本发明一种应用云计算技术实现物联网智能家居信息管理系统中基于Hadoop平台的一种实施例的物联网架构示意图。
具体实施方式
在对本文的实施例进行介绍之前，首先了解以下几个概念：
云计算(Cloud Computing)是分布式计算(Distributed Computing)、并行计算(Parallel Computing)、效用计算(Utility Computing)、网络存储(NetworkStorageTechnologies)、虚拟化(Virtualization)、负载均衡(Load Balance)、热备份冗余(HighAvailable)等传统计算机和网络技术发展融合的产物。美国国家标准与技术研究院(NIST)给出的云计算定义是：云计算是一种按使用量付费的模式，这种模式提供可用的、便捷的按需的网络访问，进入可配置的计算资源共享池(资源包括网络，服务器，存储，应用软件，服务)，这些资源能够被快速提供，只需投入很少的管理工作，或与服务供应商进行很少的交互。
物联网的概念可以从两方面进行理解，物联网是建立在互联网的基础上的，通过一定的方法进行拓展和延伸后形成的一种网络，但是互联网仍是其核心基础。从另一方面来说，物联网的用户端可以延伸到任何物品和物品之间，有效实现二者信息的交换和通信。物联网融合了红外感应技术、全球定位技术和信息传感技术，将设备和物联网有效的结合在一起，能有效实现信息的通信和交换，从而实现职能定位、跟踪、识别和监控作用。物联网的关键技术包括传感技术、通讯技术和云计算技术，这些先进的计算机技术被广泛应用到现代智能家居系统的设计中。
所谓智能家居，就是指将先进的计算机网络技术、通信技术和现代化的家居生活有效的融合起来，利用云计算技术对智能家居进行统筹规划和管理，实现现代家居的智能性，充分满足人们对现代家居的使用要求，让现代化的家居生活变得更加科学、安全、舒适、高效。现代化的智能家居和普通家居相比，不仅具有传统家居所具备的基本的居住功能和使用功能，为人们提供一定舒适度的生活空间，还有原来的被动静止状态转变为只能动态，能够有效确保智能家居内部和外部信息交流的畅通性，使人们的生活环境更加舒适，并在极大程度上增强了现代化家居生活的安全性，用户可以打破时间和空间的限制控制智能家居中的各种能源。智能家居设计的基本目标是，将家庭中的各种涉及到信息技术的通信设备、家用电器等连接到家居的智能化系统中，进行统一的监视、控制和管理，确保家庭设施的实用性更加，实现家居设施和家居环境的相互协调。智能家居在建立在安装智能家居系统平台的基础上的，这种现代化的家居环境成为人们的追求和目标、随着科学技术和计算机网络技术的不断革新和优化，可以将物联网技术和云计算技术充分结合起来，应用到现代化的智能家居系统设计中，有效提高人们现代化家居生活环境智能性、安全性和高效性。
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。
如图1所示，一种应用云计算实现物联网智能家居信息管理的系统，其特征在于：包括：
信息感知层，用于通过传感网络获取或采集设备信息；
信息传输层，用于通过有线通讯模块或无线通讯模块将底层感知的数据传递到数据处理层；
数据处理层，用于将所述信息层感知接收的数据进行计算、分析和处理；
数据应用层，用于管理或使用所述数据处理层处理后的数据；
其中所述信息感知层输出端与所述信息传输层的输入端连接，所述信息传输层的输出端与所述数据处理层的输入端连接，所述数据处理层的输出端与所述数据应用层的输入端连接。
进一步地，所述应用层通过无线通讯方式连接有云端服务器和远程管理中心。云计算是一种以数据为中心的超级计算方式，体系结构复杂，涉及众多技术领域，其中最为关键的技术包含数据存储技术和虚拟化技术等技术。将云计算应用到本发明中，具有很强的数据存储和处理能力。其采用的数据平台为基于Hadoop的数据平台，并且Hadoop是以Hadoop 分布式文件（Hadoop Distributed File System，HDFS）和 MapReduce为核心，当用户使用 Map 和 Reduce 函数的应用程序时，Hadoop 自动并行执行这些函数。Hadoop 允许用户使用任意可用的 Map 和 Reduce 函数创建和执行任务。其应用架构示意图如图4所示，在云平台上，智能家居中的各种功能以服务的形式呈现给使用者，服务的使用者可以安全方便地在平台上订阅并使用所需的智慧家居服务。通过云计算平台，将原本千千万万独立的智能家居系统融合成网络，在这个智慧服务网络中，服务提供者的信息是开放、用户信息的私密的，业务是集成的，服务是智慧化的，计算处理是分布式的，而用户单元是异构的，体现了服务的个性化。将基于Hadoop平台应用到物联网上。
进一步地，所述信息感知层包含有传感器、读写器、二维码标签、RFID标签、GPS设备或M2M终端。
在上文所讨论的感知层中，数据感知层包含对原始传感数据的采集和对数据和通信格式转换两方面内容。数据采集部分沿用传统智能家居系统中的各种方法，采用各类传感器对室内的环境信息进行实时或周期性采集，然后将传感信息通过室内无线局域网络传送至智能终端。通信与数据格式转换部分由智能终端完成，与现有的智能家居系统不同的是，智能处理终端不再是集数据接收、数据存储、数据处理等多项功能于一身，而是指负责接收实时传感信息，并对传感信息进行通信格式和数据格式的转换，这样既降低了智能终端的工作强度，又提高了云计算平台对数据的处理效率。数据感知层通过室内的传感器、摄像头采集室内的环境信息数据，数据经过通信格式和数据格式的转换，传送到云平台的数据存储层。数据存储层运用数据库和文件系统等的方式对传感信息进行存储，为数据计算层提供处理资料。
进一步地，所述信息传输层包含有线通讯模块和无线通讯模块，其中所述有线通讯模块包括RS485通讯模块或RS232通讯模块，所述无线通讯模块包括TCP/IP网络系统、ZigBee无线网络、GPRS通讯模块或CDMA无线通讯或蓝牙通讯模块。目前主流的无线通信技术主要有移动蜂窝通信、蓝牙、WiFi，以及 ZigBee 等，而目前主要的智能家居系统解决方案都是采用 ZigBee 技术作为室内的无线组网方案。ZigBee 技术是基于 OSI 协议和IEEE802.15.4 协议开发的一种短距离无线通信技术，具有复杂度低、动态路由、通信距离短、数据速率低、可自组网、低功耗、低成本等特点。ZigBee 具有很多技术特点，非常适合用于覆盖面积小、低成本开发的智能家居系统。
ZigBee 协议使用的频段是工业科学医疗（IMS）频段，具有 2.4GHz 频段、868MHz和915MHz 频段三个不同的频段，其中将 868MHz 和 915MHz 归为低频段，2.4GHz 频段为高频段。所以 ZigBee 协议具有两种不同的物理层。这两种物理层的主要区别除了传输频率不同外，数据传输速率、扩频码片长度和调制解调技术等也有所不同
进一步地，所述数据处理层包含有数据管理服务器，与所述数据管理服务器连接有数据存储单元、数据显示单元和数据计算单元，其中所述数据计算单元为基于E-PCA算法的数据处理单元。在进行数据处理时，如图1所示，本发明还采用故障诊断设备，实现信息传递过程中的诊断，数据处理信息可以通过智能移动设备接收，也可以通过上层数据管理中心，即远程管理中心监控与管理。
利用上述技术方案中所述的一种应用云计算实现物联网智能家居信息管理的系统进行工作的方法，所述方法包括以下步骤：
（S1）感知数据；通过传感网络获取或采集设备信息，并且通过数据接口传递感知的数据；
（S2）数据传递；通过有线通讯模块或无线通讯模块将底层感知的数据传递到数据处理层；
（S3）数据处理；将所述信息感知层实现接收的数据进行计算、分析和处理；所述数据处理方法为大数据降维算法和BP神经网络算法，通过所述大数据降维算法实现微观分析，输出反映智能家居数据信息的微观物理量，通过所述BP神经网络算法实现微观物理量之间的关系；
（S4）数据应用；用户管理或使用所述数据处理层处理后的数据。
进一步地，将智能家居信息输入至大数据降维算法模型，通过大数据降维算法进行处理，降维处理后，再通过BP神经网络算法模型进行计算，其中所述大数据降维算法为基于信息熵的 PCA 降维算法 E-PCA，如图3所示。
进一步地，所述降维算法E-PCA的工作方法为：
（S31）初始化信息；设定智能家居样本数据矩阵Un*m，数据降维后输出的数据矩阵为Yk*m，定义数据类型分别为m、n、δ、f，其中m表示抽取家居数据的个数，n表示抽取家居数据特征属性的个数，δ表示为信息熵阈值，f表示为共享率；
（S32）计算每种不同类型数据的智能家居信息属性的信息熵值，将计算的信息熵值与信息熵阈值 δ 进行比较，然后进行特征筛选，其中筛选办法为: 如果选取的样本数据ai的信息熵H(ai)＞δ，将属性ai放入数据 A 中，如果选取的样本数据ai 的信息熵H(ai)≤δ，则放弃不选；
（S33）将数据矩阵Un*m进行中心化操作，得出矩阵Xn*m，其中将数据矩阵Un*m进行中心化操作的公式为：
X=A-repmat(mean(A,2),1,m)； 式（1）
其操作方法是指X的变量减去X的均值，以增加基向量的正交性。
（S34）然后计算不同数据属性维度之间的协方差，构建成协方差矩阵 Cov，其中协方差矩阵 Cov的公式表示为：
Cov=（XXT）/（size（X,2）-1）； 式（2）
（S35）计算 Cov 的特征值 eigenValue 和特征向量eigenVector；
（S36）选定变换基：选择最大的 k 个特征值对应的 k 个特征向量分别作为列向量组成特征向量矩阵Vn×k；
（S37）计算降维结果：
Y=VTX； 式（3）
（S38）输出结果。
作为本发明进一步的技术方案，所述贡献率是指选取的特征值的和与所有特征值的和的比值，用公式表示为：
式（4）。
在利用上述E-PCA 算法进行高维稀疏大数据降维时，数据计算时的内存占用与数据维数、信息熵以及贡献率有关，在计算过程中，需要计算 Cov 的特征值和特征向量，但这里 Cov 的规模受属性信息熵阈值 δ 的影响， δ 越大， Cov 规模越小；反之，越大。分布均匀的数据，在贡献率 f 相同的条件下，数据维数越高，计算开销越大。
神经网络（Neural Networks,NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。BP网络（Back-ProPagation Network）又称反向传播神经网络， 通过样本数据的训练，不断修正网络权值和阈值使误差函数沿负梯度方向下降，逼近期望输出。它是一种应用较为广泛的神经网络模型，多用于函数逼近、模型识别分类、数据压缩和时间序列预测等。BP网络由输入层、隐层和输出层组成，隐层可以有一层或多层。该算法特别适合于求解智能家居信息数据内部机制复杂的问题，比如燃气报警器和温度之间的关系等。BP神经网络的结构直接影响网络的逼近能力及推广性质。因此，应用中如何选择合适的网络结构是一个重要的问题。下面应用以下公式进行说明：
在所述BP神经网络算法模型中，其中：
调整输出层权系统的公式为：
;
调整隐含层权系数的公式为：
对于每一种数字资产信息样本中的输入模式对的二次型准确函数模型为：
;
对于N个数字资产信息样本的总准确函数表达式：
。
通过上述公式能够实现智能家居信息的进一步获取智能家居中某个小类别的数据的分析、计算，通过映射、处理智能家居中的某个家居数据类型的复杂非线性关系。从而快速实现智能家居信息的精确估计和检测。
本发明将物联网技术、云计算技术以及大数据处理技术结合在一起，借助于云计算、物联网技术实现智能家居信息管理，管理手段还采用了大数据降维算法和BP神经网络算法，通过所述大数据降维算法实现微观分析，输出反映智能家居数据信息的微观物理量，通过所述BP神经网络算法实现微观物理量之间的关系；使得用户快速地从海量的物联网智能家居信息中获取有用的信息资源，并对获取的宏观数据进行微观分析，获取更本质的数据信息，便于用户把控智能家居信息，从而实现智能家居信息的管理，有利于用户对如智能灯、冰箱、洗衣机、风扇等家居信息的监控进行分析、把握，提高了智能家居信息管理的能力。
虽然以上描述了本发明的具体实施方式，但是本领域的技术人员应当理解，这些具体实施方式仅是举例说明，本领域的技术人员在不脱离本发明的原理和实质的情况下，可以对上述方法和系统的细节进行各种省略、替换和改变。例如，合并上述方法步骤，从而按照实质相同的方法执行实质相同的功能以实现实质相同的结果则属于本发明的范围。因此，本发明的范围仅由所附权利要求书限定。
Claims (10)
1.一种应用云计算实现物联网智能家居信息管理的系统，其特征在于：包括：
信息感知层，用于通过传感网络获取或采集设备信息；
信息传输层，用于通过有线通讯模块或无线通讯模块将底层感知的数据传递到数据处理层；
数据处理层，用于将所述信息层感知接收的数据进行计算、分析和处理；
数据应用层，用于管理或使用所述数据处理层处理后的数据；
其中所述信息感知层输出端与所述信息传输层的输入端连接，所述信息传输层的输出端与所述数据处理层的输入端连接，所述数据处理层的输出端与所述数据应用层的输入端连接。
2.根据权利要求1所述的一种应用云计算实现物联网智能家居信息管理的系统，其特征在于：所述应用层通过无线通讯方式连接有云端服务器和远程管理中心。
3.根据权利要求1所述的一种应用云计算实现物联网智能家居信息管理的系统，其特征在于：所述信息感知层包含有传感器、读写器、二维码标签、RFID标签、GPS设备或M2M终端。
4.根据权利要求1所述的一种应用云计算实现物联网智能家居信息管理的系统，其特征在于：所述信息传输层包含有线通讯模块和无线通讯模块，其中所述有线通讯模块包括RS485通讯模块或RS232通讯模块，所述无线通讯模块包括TCP/IP网络系统、ZigBee无线网络、GPRS通讯模块或CDMA无线通讯或蓝牙通讯模块。
5.根据权利要求1所述的一种应用云计算实现物联网智能家居信息管理的系统，其特征在于：所述数据处理层包含有数据管理服务器，与所述数据管理服务器连接有数据存储单元、数据显示单元和数据计算单元，其中所述数据计算单元为基于E-PCA算法的数据处理单元。
6.一种利用权利要求1-5任意一项应用云计算实现物联网智能家居信息管理的系统进行工作的方法，所述方法包括以下步骤：
（S1）感知数据；通过传感网络获取或采集设备信息，并且通过数据接口传递感知的数据；
（S2）数据传递；通过有线通讯模块或无线通讯模块将底层感知的数据传递到数据处理层；
（S3）数据处理；将所述信息感知层实现接收的数据进行计算、分析和处理；所述数据处理方法为大数据降维算法和BP神经网络算法，通过所述大数据降维算法实现微观分析，输出反映智能家居数据信息的微观物理量，通过所述BP神经网络算法实现微观物理量之间的关系；
（S4）数据应用；用户管理或使用所述数据处理层处理后的数据。
7.根据权利要求6所述的方法，其特征在于：其中所述步骤（S3）中数据算法运行的步骤为：将智能家居信息输入至大数据降维算法模型，通过大数据降维算法进行处理，降维处理后，再通过BP神经网络算法模型进行计算，其中所述大数据降维算法为基于信息熵的 PCA降维算法 E-PCA。
8.根据权利要求7所述的方法，其特征在于：在所述BP神经网络算法模型中，其中：
调整输出层权系统的公式为：
；
调整隐含层权系数的公式为：
；
对于每一种数字资产信息样本中的输入模式对的二次型准确函数模型为：
；
对于N个数字资产信息样本的总准确函数表达式：
。
9.根据权利要求8所述的方法，其特征在于：所述降维算法E-PCA的工作方法为：
（S31）初始化信息；设定智能家居样本数据矩阵Un*m，数据降维后输出的数据矩阵为Yk*m，定义数据类型分别为m、n、δ、f，其中m表示抽取家居数据的个数，n表示抽取家居数据特征属性的个数，δ表示为信息熵阈值，f表示为共享率；
（S32）计算每种不同类型数据的智能家居信息属性的信息熵值，将计算的信息熵值与信息熵阈值 δ 进行比较，然后进行特征筛选，其中筛选办法为: 如果选取的样本数据ai的信息熵H(ai)＞δ，将属性ai放入数据 A 中，如果选取的样本数据ai 的信息熵H(ai)≤δ，则放弃不选；
（S33）将数据矩阵Un*m进行中心化操作，得出矩阵Xn*m，其中将数据矩阵Un*m进行中心化操作的公式为：
X=A-repmat(mean(A,2),1,m)； 式（1）
其操作方法是指X的变量减去X的均值，以增加基向量的正交性；
（S34）然后计算不同数据属性维度之间的协方差，构建成协方差矩阵 Cov，其中协方差矩阵 Cov的公式表示为：
Cov=（XXT）/（size（X,2）-1）； 式（2）
（S35）计算 Cov 的特征值 eigenValue 和特征向量eigenVector；
（S36）选定变换基：选择最大的 k 个特征值对应的 k 个特征向量分别作为列向量组成特征向量矩阵Vn×k；
（S37）计算降维结果：
Y=VTX； 式（3）
（S38）输出结果。
10.根据权利要求9所述的方法，其特征在于：所述贡献率是指选取的特征值的和与所有特征值的和的比值，用公式表示为：
式（4）。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910856267.3A CN110501917A (zh) | 2019-09-11 | 2019-09-11 | 应用云计算实现物联网智能家居信息管理的系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910856267.3A CN110501917A (zh) | 2019-09-11 | 2019-09-11 | 应用云计算实现物联网智能家居信息管理的系统和方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110501917A true CN110501917A (zh) | 2019-11-26 |
Family
ID=68591629
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910856267.3A Pending CN110501917A (zh) | 2019-09-11 | 2019-09-11 | 应用云计算实现物联网智能家居信息管理的系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110501917A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111597167A (zh) * | 2020-05-18 | 2020-08-28 | 黄会仙 | 一种应用区块链技术的大数据管理系统及方法 |
| CN111770190A (zh) * | 2020-07-06 | 2020-10-13 | 夏正键 | 基于5g、物联网模式的区块链分布式实时消防监控警报系统 |
| CN111787114A (zh) * | 2020-07-06 | 2020-10-16 | 重庆知翔科技有限公司 | 一种新型区块链网络架构构建的方法 |
| CN112039986A (zh) * | 2020-08-28 | 2020-12-04 | 刘凤 | 一种实现企业各部门之间的信息交互系统及方法 |
| CN113111543A (zh) * | 2021-05-14 | 2021-07-13 | 杭州贺鲁科技有限公司 | 物联网服务系统 |
| CN113542354A (zh) * | 2021-06-09 | 2021-10-22 | 广州沃声电子科技有限公司 | 一种基于云计算的物联网感知总控方法及其系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103389719A (zh) * | 2013-08-02 | 2013-11-13 | 临沂市拓普网络股份有限公司 | 基于云计算的智能家居监控系统及方法 |
| CN103810528A (zh) * | 2012-11-08 | 2014-05-21 | 无锡津天阳激光电子有限公司 | 一种物联网智慧城市方法与装置 |
| CN106407363A (zh) * | 2016-09-08 | 2017-02-15 | 电子科技大学 | 一种基于信息熵的超高维数据降维算法 |
| CN109388068A (zh) * | 2018-11-23 | 2019-02-26 | 上海神添实业有限公司 | 一种基于人工智能及通用组合传感器的智能家居应用系统 |
-
2019
- 2019-09-11 CN CN201910856267.3A patent/CN110501917A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103810528A (zh) * | 2012-11-08 | 2014-05-21 | 无锡津天阳激光电子有限公司 | 一种物联网智慧城市方法与装置 |
| CN103389719A (zh) * | 2013-08-02 | 2013-11-13 | 临沂市拓普网络股份有限公司 | 基于云计算的智能家居监控系统及方法 |
| CN106407363A (zh) * | 2016-09-08 | 2017-02-15 | 电子科技大学 | 一种基于信息熵的超高维数据降维算法 |
| CN109388068A (zh) * | 2018-11-23 | 2019-02-26 | 上海神添实业有限公司 | 一种基于人工智能及通用组合传感器的智能家居应用系统 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111597167A (zh) * | 2020-05-18 | 2020-08-28 | 黄会仙 | 一种应用区块链技术的大数据管理系统及方法 |
| CN111770190A (zh) * | 2020-07-06 | 2020-10-13 | 夏正键 | 基于5g、物联网模式的区块链分布式实时消防监控警报系统 |
| CN111787114A (zh) * | 2020-07-06 | 2020-10-16 | 重庆知翔科技有限公司 | 一种新型区块链网络架构构建的方法 |
| CN112039986A (zh) * | 2020-08-28 | 2020-12-04 | 刘凤 | 一种实现企业各部门之间的信息交互系统及方法 |
| CN113111543A (zh) * | 2021-05-14 | 2021-07-13 | 杭州贺鲁科技有限公司 | 物联网服务系统 |
| CN113111543B (zh) * | 2021-05-14 | 2022-08-16 | 杭州贺鲁科技有限公司 | 物联网服务系统 |
| CN113542354A (zh) * | 2021-06-09 | 2021-10-22 | 广州沃声电子科技有限公司 | 一种基于云计算的物联网感知总控方法及其系统 |
| CN113542354B (zh) * | 2021-06-09 | 2024-03-01 | 广州沃声电子科技有限公司 | 一种基于云计算的物联网感知总控方法及其系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110501917A (zh) | 应用云计算实现物联网智能家居信息管理的系统和方法 | |
| Zhang et al. | Mobile edge computing and networking for green and low-latency Internet of Things | |
| Yu et al. | Intelligent edge: Leveraging deep imitation learning for mobile edge computation offloading | |
| Zhang et al. | Game theory based real‐time shop floor scheduling strategy and method for cloud manufacturing | |
| Huang | Intelligent remote monitoring and manufacturing system of production line based on industrial Internet of Things | |
| Geetha et al. | Green energy aware and cluster based communication for future load prediction in IoT | |
| Rui et al. | Architecture design of the Internet of Things based on cloud computing | |
| Zhang et al. | Toward Green Metaverse Networking: Technologies, Advancements, and Future Directions | |
| CN111984697B (zh) | 一种基于云计算的热量表计量系统及方法 | |
| Saraswat et al. | Energy efficient data forwarding scheme in fog-based ubiquitous system with deadline constraints | |
| Mao et al. | Analysis of node deployment in wireless sensor networks in warehouse environment monitoring systems | |
| CN117391810A (zh) | 物联网客户信息管理系统及方法 | |
| Lin et al. | Device clustering algorithm based on multimodal data correlation in cognitive Internet of Things | |
| Li et al. | Research on QoS service composition based on coevolutionary genetic algorithm | |
| Shen et al. | The analysis of intelligent real-time image recognition technology based on mobile edge computing and deep learning | |
| Liu et al. | A novel research on the influence of enterprise culture on internal control in big data and Internet of things | |
| Lohan et al. | Research challenges for Internet of Things: A review | |
| Liu et al. | A Novel DBSCAN Clustering Algorithm via Edge Computing‐Based Deep Neural Network Model for Targeted Poverty Alleviation Big Data | |
| Xia et al. | The interplay between artificial intelligence and fog radio access networks | |
| Ahmid et al. | Internet of Things Overview: Architecture, Technologies, Application, and Challenges | |
| Lijun et al. | Analysis of intelligent agricultural system and control mode based on fuzzy control and sensor network | |
| Xie et al. | Research on energy saving technology at mobile edge networks of IoTs based on big data analysis | |
| Zhang et al. | Design and Analysis of an Efficient Multiresource Allocation System for Cooperative Computing in Internet of Things | |
| Xu et al. | Decentralized and distributed learning for AIoT: A comprehensive review, emerging challenges and opportunities | |
| Zhang et al. | Offloading approach for mobile edge computing based on chaotic quantum particle swarm optimization strategy |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191126 |