CN113156826B - 一种基于人工智能的家居自动管理方法、管理系统及终端 - Google Patents

Abstract

本发明属于智能家居技术领域，公开了一种基于人工智能的家居自动管理方法、管理系统及终端，语音模块包括语音接收器、语音识别单元和语音处理单元，传感器模块包括传感器汇集单元、红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器，智能家居包括照明设备、安全门锁、窗帘、空调、烹饪设备和出行规划单元。中央控制器包括数据命令接收单元、处理器单元和数据命令发送单元，数据信息交互模块包括数据信息接收/发送单元、无线远程控制装置和用户模块。本发明是以住宅为基础平台，利用了人工智能和网络通信技术结合起来，具有便利、实用、安全性高、个性化强和布置轻巧等优点。

Description

一种基于人工智能的家居自动管理方法、管理系统及终端

技术领域

本发明属于智能家居技术领域，尤其涉及一种基于人工智能的家居自动管理方法、管理系统及终端。

背景技术

目前，随着人工智能、云计算和物联网技术的不断发展，人们对生活的质量水平也日益提高，也出现了一些智能家居服务设备，智能家居是物联网应用中的朝阳产业，家居生活正在不断走向智能化。物联网相关政策的不断出台为智能家居行业提供了强有力的支撑，而关键技术的进步和产业体系的完善是行业发展的重要基础。因为契合人工智能、智慧城市、消费升级等众多概念，智能家居同时受到各个新兴领域的高度关注。然而，目前智能家居最大的阻碍主要体现在消费者认知程度有限和行业标准的缺位，首要的是用户会担心智能家居的安全性和便利性问题。当今社会中存在的智能家居服务没有独立的个性化，固定模式的智能家居服务具有很大的局限性，用户体验感也就会相应的下降，没有一定的行业技术标准。

通过上述分析，现有技术存在的问题及缺陷为：

(1)目前的智能家居服务个性化不强，具有很大的局限性，结构模式太过单一。

(2)安全性不高，门锁和火灾监测不具有实时性。

(3)用户对于智能家居服务的操作繁杂，没有达到轻巧和实施便利。

发明内容

针对现有技术存在的问题，本发明提供了一种基于人工智能的家居自动管理方法、管理系统及终端。

本发明是这样实现的，一种基于人工智能的家居自动管理系统，包括：

语音模块，包括语音接收器、语音识别单元和语音处理单元；所述语音接收器能捕捉用户的语音信息，将此语言信息转化为数据信号发送到语音识别单元，所述语音识别单元接收到来自语音接收器的数据信号后，将此信息加以识别，分析是哪一种类型的命令语言，包括打开空调或者启动烹饪设备；所述语音识别单元将符合此住宅信息的简短命令提取出来，然后以文本文件的形式发送至语音处理单元，再语音处理单元中将此文本信息转化为指令代码信息，发送至中央处理器等待下一步的实施处理；

中央控制器，包括数据命令接收单元、处理器单元和数据命令发送单元；所述数据命令接收单元接收来自语音模块的指令信息，将此指令信息在处理器中转化为控制智能家居服务或传感器工作的命令，通过数据命令发送单元发送至相应位置，满足用户需求；还接收来自传感器模块的监测信息，将此监测信息在连接有数据库的处理器中加以分析判断和保存，根据各种指数的值，相应的打开或者关闭某个智能家居的服务；还用于将报警信息或者家居工作的反馈信息发送到数据信息交互模块，还用于根据用户的需求将相应的传感器处理模块或者智能家居编写进去，处理器通过处理算法增加智能家居的个性化；

所述处理器对监测信息分析判断包括：

(1)通过计算每个指数值传感器监测异常位点的t值筛选差异传感器监测异常位点：计算统计量为：

其中

为组间差异比较的回归系数估计，s_i ²为样本的剩余标准差，v_i为第i个指数值做简单回归时协方差矩阵对角元素，d_i为第i个指数值的线性模型误差自由度，d₀是d_i的先验估计，s₀ ²是在自由度为d₀时s_i ²的先验估计，先验估计可以由假定的先验分布和传感器监测及传感器监测异常数据得到，根据每个指数值最终所得的t值来筛选差异表达指数值；

以信息监测交互作用网络PPI为架构，网络包括多个指数值以及多条指数曲线；整合前一步得出的结果作为PPI网络的权重，利显著差异性模块；将每个指数值的t_g ^(D)传感器监测异常数据差异性分析结果和t_g ^(R)传感器监测数据差异性分析结果的方差进行统一化处理，具有相同的方差：

t_g＝{H(t_g ^(D))H(-t_g ^(R))+H(-t_g ^(D))H(t_g ^(R))}|t_g ^(D)-t_g ^(R)|；

t_g ^(D)和t_g ^(R)符号相同：t_g＝0；

t_g ^(D)和t_g ^(R)符号不同：t_g＝|t_g ^(D)-t_g ^(R)|；

其中

网络中两个指数值g和h连接的边的权重定义为：w_gh＝(t_g+t_h)/2；利用自旋玻璃算法，将t_g值大的前100个指数值作为种子，利用社区发现算法找出包括种子指数值的最大化权重和的子网模块；

将每个指数值的表达差异和传感器监测异常差异程度的相对差值作为PPI网络中节点的值，两节点值的平均值作为所述曲线的权重；找出网络中显著的子网模块，哈密尔顿函数作为评估不同模块之间关联性衡量函数：

其中，σ_i表示i所属的部分，W_ij网络的权重邻接矩阵，p_ij表示点i和点j之间存在的边的概率；δ(σ_i,σ_j)是克罗内克函数，输入的值相同，输出为1；否则，输出为0；选取γ＝0.5，使结果模块的大小在10到100个指数值；

(2)导出的差异表达模块依赖于PPI网络拓扑结构，利用蒙特卡洛方法评估所得子网模块的统计显著性；对网络中的节点数据进行1000次的排列并且重新计算子网模块，将错误发现率FDR大于阈值的子网模块删除，得到具有统计显著性的子网模块；

为验证所得每个子网模块的统计显著性，根据下式求得模块C的模块值：

C中的每个边的权重值为w_gh，模块中点的集合为V(C)

(3)找出传感器监测和传感器监测异常之间相似的关联模式和共同的调节指数值；

传感器模块，包括传感器汇集单元、红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器，根据用户实际的需求进行多种传感器的组合；

所述的传感器汇集单元将红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器实时监测的信息汇集起来，每隔固定的时间将汇集的数据预处理，用户自己设置，设置时间间隔为五分钟，将预处理后的准确信息打包发送给中央处理器；其中红外线传感器用于监测人体发出的红外线，当有陌生人进入监测区的时候，发出报警信息，同时也附有火焰监测和温度监测结合的功能，实时的监测家中是否会发生火灾，当温度烟雾达到一定的值时，相应的发出警报，报警的信息实时发送；光照传感器在有光照时，将灯光关闭，夜晚时用户在室内行走时，传感器感应到用户后，将灯光开启到柔和效果，在用户在工作回家后，光照传感器会将室内灯光开启，与之相应的是智能家居中的照明设备；温度传感器和湿度传感器是感应室内的温度，与之相应的是智能家居中的空调，在预先设定好的室内温度和湿度值之后，两个传感器实时的监测温度和湿度，若是监测的值超出设定的范围时，开启空调进行室内温度湿度的调节，用于用户始终处于一个适宜的环境内；所述指纹传感器基于智能家居中的安全门锁设备，当用户回家时，利用安装在门板上的门锁指纹传感器监测用户的指纹，将监测的指纹信息与预先录入数据库的指纹信息进行比对，若是信息一致，则打开门锁，安全进入，若是信息不一致，则通过中央处理器和数据信息交互模块将报警信息实时的发送给用户；传感器模块根用户的需求加入相应的传感器设备；

数据信息交互模块，包括数据信息接收/发送单元、无线远程控制装置和用户模块；用户模块通过无线远程控制装置进行无线远程控制实现空调、窗帘、烹饪设备的控制，利用数据信息接收/发送单元接收实时的查看中央控制器中的住宅实时信息，包括报警火灾报警信息、陌生人进入住宅的报警信息和门锁安全报警信息；

智能家居，包括照明设备、安全门锁、窗帘、空调、烹饪设备和出行规划单元，根据实际的所需，对上述设备进行任意组合。

进一步，所述的智能家居中的照明设备、安全门锁和空调受传感器模块和中央控制器控制，系统监测到用户早晨闹钟铃声响起的时候，窗帘自动打开，烹饪设备自动为用户准备早餐，窗帘根据电机控制，电机的转速和时间受中央控制器控制，烹饪设备是自动烹饪用户提前放入烤箱或者其他与电相关的烹饪设备的食物；出行规划单元根据用户手机或笔记本电脑中的日程管理在用户出门之间以可视化界面的方式向用户展示出来，还向用户展示当天的行程路线，搜索高德地图、百度地图找到最优路线，向用户展示，出行规划单元的显示器在餐桌或者门口处，智能家居还根据用户的需求加入相应的家居设备。

进一步，所述处理器通过处理算法增加智能家居的个性化包括：

第一步，将原始数据集进行初始的静态平均分区，然后计算区内密度和均值密度；具体包括：

(1)根据原始数据集Φ＝{x₁，x₂，……，x_n}，将数据集Φ以一定规模划分成k个子数据集，将子数据集的下标按顺序标记为

构成子数据集集合

称为基础子数据集，；

(2)将这k个基础子数据集按照

分别计算其块内密度，其中密度计算函数为

d_c为自定义的距离称为截断距离；再计算出原始数据集Φ的均值密度

将计算出来的块内密度和均值密度结果进行比较

(3)如果

则设置对应的子数据集

的标签为1，反之亦反。

第二步，计算出静态分区的各区内密度后，以原数据集的均值密度作为阈值将数据集进行精简；

第三步，利用节点的递归方法构建孤立森林；

(1)从训练数据中随机选择Ψ个点样本点作为subsample，放入树的根节点；

(2)随机指定一个维度，在当前节点数据中随机产生一个切割点p——切割点产生于当前节点数据中指定维度的最大值和最小值之间；

(3)以此切割点生成了一个超平面，将当前节点数据空间划分为2个子空间：把指定维度里小于p的数据放在当前节点的左孩子，把大于等于p的数据放在当前节点的右孩子；

(4)在孩子节点中递归，不断构造新的孩子节点，直到孩子节点中只有一个数据或子节点已到达限定高度。

第四步，对原始数据集进行相应特征的提取并数据化，计算聚类中心点与其他点的空间位置距离；

第五步，将由基于密度和距离算出的异常分数及由基于特证信息计算出来的异常分数相加，与相对应的阈值即指数值进行比较。

本发明的另一目的在于提供一种基于人工智能的家居自动管理方法，包括：

利用语音接收器能捕捉用户的语音信息，将此语言信息转化为数据信号发送到语音识别单元，所述语音识别单元接收到来自语音接收器的数据信号后，将此信息加以识别，分析是哪一种类型的命令语言，包括打开空调或者启动烹饪设备；所述语音识别单元将符合此住宅信息的简短命令提取出来，然后以文本文件的形式发送至语音处理单元，再语音处理单元中将此文本信息转化为指令代码信息，发送至中央处理器等待下一步的实施处理；

数据命令接收单元接收来自语音模块的指令信息，将此指令信息在处理器中转化为控制智能家居服务或传感器工作的命令，通过数据命令发送单元发送至相应位置，满足用户需求；还接收来自传感器模块的监测信息，将此监测信息在连接有数据库的处理器中加以分析判断和保存，根据各种指数的值，相应的打开或者关闭某个智能家居的服务；还将报警信息或者家居工作的反馈信息发送到数据信息交互模块，还根据用户的需求将相应的传感器处理模块或者智能家居编写进去；

传感器汇集单元将红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器实时监测的信息汇集起来，每隔固定的时间将汇集的数据预处理，将预处理后的准确信息打包发送给中央处理器；其中红外线传感器用于监测人体发出的红外线，当有陌生人进入监测区的时候，发出报警信息，同时也附有火焰监测和温度监测结合的功能，实时的监测家中是否会发生火灾，当温度烟雾达到一定的值时，相应的发出警报，报警的信息实时发送；

通过无线远程控制装置进行无线远程控制实现空调、窗帘、烹饪设备的控制，利用数据信息接收/发送单元接收实时的查看中央控制器中的住宅实时信息。

本发明的另一目的在于提供一种信息数据处理终端，所述信息数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述基于人工智能的家居自动管理系统的功能。

本发明的另一目的在于提供一种智能家居设备，所述智能家居设备执行所述基于人工智能的家居自动管理系统的功能

结合上述的所有技术方案，本发明所具备的优点及积极效果为：

本发明提供的是开放性的智能家居服务系统，可以根据用户的需求进行对本系统中各个模块信息交互的编写，个性化强。在语音模块和传感器模块中有各自的数据信息与处理单元，实现了系统的分工运作，降低系统的结构耦合性，便于后期的维护。本发明中布置轻巧，实用、便利，在住宅内设置结合指纹传感器和红外线传感器提高了安全性。

本发明处理器对监测信息分析判断包括：通过计算每个指数值传感器监测异常位点的t值筛选差异传感器监测异常位点：以信息监测交互作用网络PPI为架构，网络包括多个指数值以及多条指数曲线；整合前一步得出的结果作为PPI网络的权重，利显著差异性模块；将每个指数值的t_g ^(D)传感器监测异常数据差异性分析结果和t_g ^(R)传感器监测数据差异性分析结果的方差进行统一化处理，具有相同的方差：将每个指数值的表达差异和传感器监测异常差异程度的相对差值作为PPI网络中节点的值，两节点值的平均值作为所述曲线的权重；找出网络中显著的子网模块；导出的差异表达模块依赖于PPI网络拓扑结构，利用蒙特卡洛方法评估所得子网模块的统计显著性；对网络中的节点数据进行1000次的排列并且重新计算子网模块，将错误发现率FDR大于阈值的子网模块删除，得到具有统计显著性的子网模块；找出传感器监测和传感器监测异常之间相似的关联模式和共同的调节指数值；实现了本发明的智能控制。

本发明处理器通过处理算法增加智能家居的个性化。适应了不同需求。

附图说明

为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种基于人工智能的家居自动管理方法及管理系统结构示意图。

图2是本发明实施例提供的系统中央控制器内部结构示意图。

图3是本发明实施例提供的系统数据信息交互模块结构示意图。

图4是本发明实施例提供的处理器对监测信息分析判断流程图。

图5是本发明实施例提供的处理器增加智能家居的个性化处理方法流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

针对现有技术存在的问题，本发明提供了一种基于人工智能的家居自动管理方法及管理系统，下面结合附图对本发明作详细的描述。

如图1所示，本发明提供一种基于人工智能的家居自动管理系统，包括语音模块、中央控制器、传感器模块、数据信息交互模块和智能家居，其中语音模块包括语音接收器、语音识别单元和语音处理单元，传感器模块包括传感器汇集单元、红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器，可以根据用户实际的需求进行传感器的增减，智能家居包括照明设备、安全门锁、窗帘、空调、烹饪设备和出行规划单元，根据实际的所需，对智能家居设备进行增减。本发明的核心部分在于中央控制器和数据信息交互模块，其中中央控制器包括数据命令接收单元、处理器单元和数据命令发送单元，数据信息交互模块包括数据信息接收/发送单元、无线远程控制装置和用户模块。

作为本发明优选实施例，所述的语音模块中的语音接收器能捕捉用户的语音信息，将此语言信息转化为数据信号发送到语音识别单元，语音识别单元接收到来自语音接收器的数据信号后，将此信息加以识别，分析是哪一种类型的命令语言，比如是打开空调或者启动烹饪设备。语音识别单元将符合此住宅信息的简短命令提取出来，然后以文本文件的形式发送至语音处理单元，再语音处理单元中将此文本信息转化为指令代码信息，发送至中央处理器等待下一步的实施处理。

作为本发明优选实施例，所述的传感器模块中的传感器汇集单元将红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器实时监测的信息汇集起来，每隔固定的时间将汇集的数据预处理，用户可以自己设置，一般设置时间间隔为五分钟，将预处理后的准确信息打包发送给中央处理器。其中红外线传感器在本发明中应用的是报警的功能，能够监测人体发出的红外线，当有陌生人进入监测区的时候，会发出报警信息，同时也附有火焰监测和温度监测结合的功能，实时的监测家中是否会发生火灾，当温度烟雾达到一定的值时，会相应的发出警报，报警的信息是实时发送的，不用等待一定的时间间隔。光照传感器是在有光照的时候，将灯光关闭，夜晚时用户在室内行走时，传感器感应到用户之后，会将灯光开启到柔和效果，在用户在工作回家之后，光照传感器会将室内灯光开启，与之相应的是智能家居中的照明设备。温度传感器和湿度传感器是感应室内的温度，与之相应的是智能家居中的空调，在预先设定好的室内温度和湿度值之后，两个传感器会实时的监测温度和湿度，若是监测的值超出设定的范围时，会开启空调进行室内温度湿度的调节，保证用户始终处于一个适宜的环境内生活。指纹传感器是基于智能家居中的安全门锁设备，当用户回家的时，利用安装在门板上的门锁指纹传感器监测用户的指纹，将监测的指纹信息与预先录入数据库的指纹信息进行比对，若是信息一致，则打开门锁，安全进入，若是信息不一致，则通过中央处理器和数据信息交互模块将报警信息实时的发送给用户。传感器模块可以根用户的需求加入相应的传感器设备。

作为本发明优选实施例，所述的智能家居中的照明设备、安全门锁和空调受传感器模块和中央控制器控制，系统监测到用户早晨闹钟铃声响起的时候，窗帘自动打开，烹饪设备自动为用户准备早餐，窗帘是根据电机控制的，电机的转速和时间受中央控制器控制，烹饪设备是自动烹饪用户提前放入烤箱或者其他与电相关的烹饪设备的食物。出行规划单元可以根据用户手机或笔记本电脑中的日程管理在用户出门之间以可视化界面的方式向用户展示出来，还可以向用户展示当天的行程路线，搜索高德地图、百度地图找到最优路线，向用户展示，出行规划单元的显示器在餐桌或者门口处，智能家居还可以根据用户的需求加入相应的家居设备。

如图2所示，中央控制器中的数据命令接收单元接收来自语音模块的指令信息，将此指令信息在处理器中转化为控制智能家居服务或传感器工作的命令，通过数据命令发送单元发送至相应位置，满足用户需求。还接收来自传感器模块的监测信息，将此监测信息在连接有数据库的处理器中加以分析判断和保存，根据各种指数的值，相应的打开或者关闭某个智能家居的服务。还可以将报警信息或者家居工作的反馈信息发送到数据信息交互模块，除此之外，还可以在中央控制器中根据用户的需求将相应的传感器处理模块或者智能家居编写进去，处理器中的处理算法是开放式的程序，目的是增加智能家居的个性化。

如图3所示，所述的数据信息交互模块是通过无线远程控制实现用户对本发明的控制，用户可以远程控制系统中的基本服务比如空调、窗帘、烹饪设备等，还可以接收实时的查看中央控制器中的住宅实时信息，包括报警火灾报警信息、陌生人进入住宅的报警信息和门锁安全报警信息。

下面结合实验效果对本发明的技术方案作进一步描述。

本发明提供的是开放性的智能家居服务系统，可以根据用户的需求进行对本系统中各个模块信息交互的编写，个性化强。在语音模块和传感器模块中有各自的数据信息与处理单元，实现了系统的分工运作，降低系统的结构耦合性，便于后期的维护。本发明中布置轻巧，实用、便利，在住宅内设置结合指纹传感器和红外线传感器提高了安全性。

本发明解决的技术问题是：实现了智能家居服务个性化，具有很大的适应所需能力，安全性很高，门锁和火灾监测报警信息具有实时性。用户对于智能家居服务的操作简单便利，系统布置轻巧。

本系统的实际工作过程是：用户回家，通过在安全门锁中的指纹传感器中录入自己的指纹信息，实现与预先信息的比对，信息一致，实现开锁。进入室内之后，光照感应器控制打开照明设备。用户可以根据自己的实际所需说话，打开空调或者窗帘，传感器是实时工作的，用户也可以在回家之前发送命令到家居系统中，控制空调或者烹饪设备的运行。若是家中有火灾或者自行进入的陌生人，系统则会向用户发送报警信息，智能家居中的出行规划单元规划用户当天的工作行程路线。在家中用语音控制系统的运行，在外可以用手机或笔记本控制系统的具体运行。

本发明还提供一种基于人工智能的家居自动管理方法，包括：

利用语音接收器能捕捉用户的语音信息，将此语言信息转化为数据信号发送到语音识别单元，所述语音识别单元接收到来自语音接收器的数据信号后，将此信息加以识别，分析是哪一种类型的命令语言，包括打开空调或者启动烹饪设备；所述语音识别单元将符合此住宅信息的简短命令提取出来，然后以文本文件的形式发送至语音处理单元，再语音处理单元中将此文本信息转化为指令代码信息，发送至中央处理器等待下一步的实施处理；

数据命令接收单元接收来自语音模块的指令信息，将此指令信息在处理器中转化为控制智能家居服务或传感器工作的命令，通过数据命令发送单元发送至相应位置，满足用户需求；还接收来自传感器模块的监测信息，将此监测信息在连接有数据库的处理器中加以分析判断和保存，根据各种指数的值，相应的打开或者关闭某个智能家居的服务；还将报警信息或者家居工作的反馈信息发送到数据信息交互模块，还根据用户的需求将相应的传感器处理模块或者智能家居编写进去；

传感器汇集单元将红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器实时监测的信息汇集起来，每隔固定的时间将汇集的数据预处理，将预处理后的准确信息打包发送给中央处理器；其中红外线传感器用于监测人体发出的红外线，当有陌生人进入监测区的时候，发出报警信息，同时也附有火焰监测和温度监测结合的功能，实时的监测家中是否会发生火灾，当温度烟雾达到一定的值时，相应的发出警报，报警的信息实时发送；

通过无线远程控制装置进行无线远程控制实现空调、窗帘、烹饪设备的控制，利用数据信息接收/发送单元接收实时的查看中央控制器中的住宅实时信息。

如图4所示，所述处理器对监测信息分析判断包括：

S101，通过计算每个指数值传感器监测异常位点的t值筛选差异传感器监测异常位点：计算统计量为：

其中

为组间差异比较的回归系数估计，s_i ²为样本的剩余标准差，v_i为第i个指数值做简单回归时协方差矩阵对角元素，d_i为第i个指数值的线性模型误差自由度，d₀是d_i的先验估计，s₀ ²是在自由度为d₀时s_i ²的先验估计，先验估计可以由假定的先验分布和传感器监测及传感器监测异常数据得到，根据每个指数值最终所得的t值来筛选差异表达指数值；

S102，以信息监测交互作用网络PPI为架构，网络包括多个指数值以及多条指数曲线；整合前一步得出的结果作为PPI网络的权重，利显著差异性模块；将每个指数值的t_g ^(D)传感器监测异常数据差异性分析结果和t_g ^(R)传感器监测数据差异性分析结果的方差进行统一化处理，具有相同的方差：

t_g＝{H(t_g ^(D))H(-t_g ^(R))+H(-t_g ^(D))H(t_g ^(R))}|t_g ^(D)-t_g ^(R)|；

t_g ^(D)和t_g ^(R)符号相同：t_g＝0；

t_g ^(D)和t_g ^(R)符号不同：t_g＝|t_g ^(D)-t_g ^(R)|；

其中

网络中两个指数值g和h连接的边的权重定义为：w_gh＝(t_g+t_h)/2；利用自旋玻璃算法，将t_g值大的前100个指数值作为种子，利用社区发现算法找出包括种子指数值的最大化权重和的子网模块；

将每个指数值的表达差异和传感器监测异常差异程度的相对差值作为PPI网络中节点的值，两节点值的平均值作为所述曲线的权重；找出网络中显著的子网模块，哈密尔顿函数作为评估不同模块之间关联性衡量函数：

其中，σ_i表示i所属的部分，W_ij网络的权重邻接矩阵，p_ij表示点i和点j之间存在的边的概率；δ(σ_i,σ_j)是克罗内克函数，输入的值相同，输出为1；否则，输出为0；选取γ＝0.5，使结果模块的大小在10到100个指数值；

S103，导出的差异表达模块依赖于PPI网络拓扑结构，利用蒙特卡洛方法评估所得子网模块的统计显著性；对网络中的节点数据进行1000次的排列并且重新计算子网模块，将错误发现率FDR大于阈值的子网模块删除，得到具有统计显著性的子网模块；

为验证所得每个子网模块的统计显著性，根据下式求得模块C的模块值：

C中的每个边的权重值为w_gh，模块中点的集合为V(C)

S104，找出传感器监测和传感器监测异常之间相似的关联模式和共同的调节指数值。

如图5所示，所述处理器通过处理算法增加智能家居的个性化包括：

S201，将原始数据集进行初始的静态平均分区，然后计算区内密度和均值密度；具体包括：

(1)根据原始数据集Φ＝{x₁，x₂，……，x_n}，将数据集Φ以一定规模划分成k个子数据集，将子数据集的下标按顺序标记为

构成子数据集集合

称为基础子数据集，；

(2)将这k个基础子数据集按照

分别计算其块内密度，其中密度计算函数为

d_c为自定义的距离称为截断距离；再计算出原始数据集Φ的均值密度

将计算出来的块内密度和均值密度结果进行比较

(3)如果

则设置对应的子数据集

的标签为1，反之亦反。

S202，计算出静态分区的各区内密度后，以原数据集的均值密度作为阈值将数据集进行精简；

S203，利用节点的递归方法构建孤立森林；

(1)从训练数据中随机选择Ψ个点样本点作为subsample，放入树的根节点；

(2)随机指定一个维度，在当前节点数据中随机产生一个切割点p——切割点产生于当前节点数据中指定维度的最大值和最小值之间；

(3)以此切割点生成了一个超平面，将当前节点数据空间划分为2个子空间：把指定维度里小于p的数据放在当前节点的左孩子，把大于等于p的数据放在当前节点的右孩子；

(4)在孩子节点中递归，不断构造新的孩子节点，直到孩子节点中只有一个数据或子节点已到达限定高度。

S204，对原始数据集进行相应特征的提取并数据化，计算聚类中心点与其他点的空间位置距离；

S205，将由基于密度和距离算出的异常分数及由基于特证信息计算出来的异常分数相加，与相对应的阈值即指数值进行比较。

以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (9)

1.一种基于人工智能的家居自动管理系统，其特征在于，所述基于人工智能的家居自动管理系统包括：

语音模块，包括语音接收器、语音识别单元和语音处理单元；所述语音接收器能捕捉用户的语音信息，将此语言信息转化为数据信号发送到语音识别单元，所述语音识别单元接收到来自语音接收器的数据信号后，将此信息加以识别，分析是哪一种类型的命令语言，包括打开空调或者启动烹饪设备；所述语音识别单元将符合此住宅信息的简短命令提取出来，然后以文本文件的形式发送至语音处理单元，再语音处理单元中将此文本信息转化为指令代码信息，发送至中央处理器等待下一步的实施处理；

中央控制器，包括数据命令接收单元、处理器单元和数据命令发送单元；所述数据命令接收单元接收来自语音模块的指令信息，将此指令信息在处理器中转化为控制智能家居服务或传感器工作的命令，通过数据命令发送单元发送至相应位置，满足用户需求；还接收来自传感器模块的监测信息，将此监测信息在连接有数据库的处理器中加以分析判断和保存，根据各种指数的值，相应的打开或者关闭某个智能家居的服务；还用于将报警信息或者家居工作的反馈信息发送到数据信息交互模块，还用于根据用户的需求将相应的传感器处理模块或者智能家居编写进去，处理器通过处理算法增加智能家居的个性化；

所述处理器对监测信息分析判断包括：

(1)通过计算每个指数值传感器监测异常位点的t值筛选差异传感器监测异常位点：计算统计量为：

其中

为组间差异比较的回归系数估计，s_j ²为样本的剩余标准差，v_i为第i个指数值做简单回归时协方差矩阵对角元素，d_i为第i个指数值的线性模型误差自由度，d₀是d_i的先验估计，s₀ ²是在自由度为d₀时s_j ²的先验估计，先验估计可以由假定的先验分布和传感器监测及传感器监测异常数据得到，根据每个指数值最终所得的t值来筛选差异表达指数值；

以信息监测交互作用网络PPI为架构，网络包括多个指数值以及多条指数曲线；整合前一步得出的结果作为PPI网络的权重，利显著差异性模块；将每个指数值的t_g ^(D)传感器监测异常数据差异性分析结果和t_g ^(R)传感器监测数据差异性分析结果的方差进行统一化处理，具有相同的方差：

t_g＝{H(t_g ^(D))H(-t_g ^(R))+H(-t_g ^(D))H(t_g ^(R))}|t_g ^(D)-t_g ^(R)|；

t_g ^(D)和t_g ^(R)符号相同：t_g＝0；

t_g ^(D)和t_g ^(R)符号不同：t_g＝|t_g ^(D)-t_g ^(R)|；

其中H(x)＝1

H(x)＝0

网络中两个指数值g和h连接的边的权重定义为：w_gh＝(t_g+t_h)/2；利用自旋玻璃算法，将t_g值大的前100个指数值作为种子，利用社区发现算法找出包括种子指数值的最大化权重和的子网模块；

将每个指数值的表达差异和传感器监测异常差异程度的相对差值作为PPI网络中节点的值，两节点值的平均值作为所述曲线的权重；找出网络中显著的子网模块，哈密尔顿函数作为评估不同模块之间关联性衡量函数：

其中，σ_i表示i所属的部分，W_ij网络的权重邻接矩阵，p_ij表示点i和点j之间存在的边的概率；δ(σ_i,σ_j)是克罗内克函数，输入的值相同，输出为1；否则，输出为0；选取γ＝0.5，使结果模块的大小在10到100个指数值；

(2)导出的差异表达模块依赖于PPI网络拓扑结构，利用蒙特卡洛方法评估所得子网模块的统计显著性；对网络中的节点数据进行1000次的排列并且重新计算子网模块，将错误发现率FDR大于阈值的子网模块删除，得到具有统计显著性的子网模块；

为验证所得每个子网模块的统计显著性，根据下式求得模块C的模块值：

C中的每个边的权重值为w_gh，模块中点的集合为V(C)

(3)找出传感器监测和传感器监测异常之间相似的关联模式和共同的调节指数值；

传感器模块，包括传感器汇集单元、红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器，根据用户实际的需求进行多种传感器的组合；

所述的传感器汇集单元将红外线传感器、光照传感器、温度传感器、指纹传感器和湿度传感器实时监测的信息汇集起来，每隔固定的时间将汇集的数据预处理，用户自己设置，设置时间间隔为五分钟，将预处理后的准确信息打包发送给中央处理器；其中红外线传感器用于监测人体发出的红外线，当有陌生人进入监测区的时候，发出报警信息，同时也附有火焰监测和温度监测结合的功能，实时的监测家中是否会发生火灾，当温度烟雾达到一定的值时，相应的发出警报，报警的信息实时发送；光照传感器在有光照时，将灯光关闭，夜晚时用户在室内行走时，传感器感应到用户后，将灯光开启到柔和效果，在用户在工作回家后，光照传感器会将室内灯光开启，与之相应的是智能家居中的照明设备；温度传感器和湿度传感器是感应室内的温度，与之相应的是智能家居中的空调，在预先设定好的室内温度和湿度值之后，两个传感器实时的监测温度和湿度，若是监测的值超出设定的范围时，开启空调进行室内温度湿度的调节，用于用户始终处于一个适宜的环境内；所述指纹传感器基于智能家居中的安全门锁设备，当用户回家时，利用安装在门板上的门锁指纹传感器监测用户的指纹，将监测的指纹信息与预先录入数据库的指纹信息进行比对，若是信息一致，则打开门锁，安全进入，若是信息不一致，则通过中央处理器和数据信息交互模块将报警信息实时的发送给用户；传感器模块根用户的需求加入相应的传感器设备；

数据信息交互模块，包括数据信息接收/发送单元、无线远程控制装置和用户模块；用户模块通过无线远程控制装置进行无线远程控制实现空调、窗帘、烹饪设备的控制，利用数据信息接收/发送单元接收实时的查看中央控制器中的住宅实时信息，包括报警火灾报警信息、陌生人进入住宅的报警信息和门锁安全报警信息；

智能家居，包括照明设备、安全门锁、窗帘、空调、烹饪设备和出行规划单元，根据实际的所需，对上述设备进行任意组合。

2.如权利要求1所述的基于人工智能的家居自动管理系统，其特征在于，所述的智能家居中的照明设备、安全门锁和空调受传感器模块和中央控制器控制，系统监测到用户早晨闹钟铃声响起的时候，窗帘自动打开，烹饪设备自动为用户准备早餐，窗帘根据电机控制，电机的转速和时间受中央控制器控制，烹饪设备是自动烹饪用户提前放入烤箱或者其他与电相关的烹饪设备的食物；出行规划单元根据用户手机或笔记本电脑中的日程管理在用户出门之间以可视化界面的方式向用户展示出来，还向用户展示当天的行程路线，搜索高德地图、百度地图找到最优路线，向用户展示，出行规划单元的显示器在餐桌或者门口处，智能家居还根据用户的需求加入相应的家居设备。

3.如权利要求1所述的基于人工智能的家居自动管理系统，其特征在于，所述处理器通过处理算法增加智能家居的个性化包括：

将原始数据集进行初始的静态平均分区，然后计算区内密度和均值密度；具体包括：

(1)根据原始数据集Φ＝{x₁，x₂，……，x_n}，将数据集Φ以一定规模划分成k个子数据集，将子数据集的下标按顺序标记为

构成子数据集集合

称为基础子数据集，；

(2)将这k个基础子数据集按照

分别计算其块内密度，其中密度计算函数为

d_c为自定义的距离称为截断距离；再计算出原始数据集Φ的均值密度

将计算出来的块内密度和均值密度结果进行比较

(3)如果

则设置对应的子数据集

的标签为1，反之亦反。

4.如权利要求3所述的基于人工智能的家居自动管理系统，其特征在于，计算出静态分区的各区内密度后，以原数据集的均值密度作为阈值将数据集进行精简。

5.如权利要求4所述的基于人工智能的家居自动管理系统，其特征在于，利用节点的递归方法构建孤立森林；

(1)从训练数据中随机选择Ψ个点样本点作为subsample，放入树的根节点；

(2)随机指定一个维度，在当前节点数据中随机产生一个切割点p——切割点产生于当前节点数据中指定维度的最大值和最小值之间；

(3)以此切割点生成了一个超平面，将当前节点数据空间划分为2个子空间：把指定维度里小于p的数据放在当前节点的左孩子，把大于等于p的数据放在当前节点的右孩子；

(4)在孩子节点中递归，不断构造新的孩子节点，直到孩子节点中只有一个数据或子节点已到达限定高度。

6.如权利要求5所述的基于人工智能的家居自动管理系统，其特征在于，

对原始数据集进行相应特征的提取并数据化，计算聚类中心点与其他点的空间位置距离。

7.如权利要求6所述的基于人工智能的家居自动管理系统，其特征在于，

将由基于密度和距离算出的异常分数及由基于特证信息计算出来的异常分数相加，与相对应的阈值即指数值进行比较。

8.一种信息数据处理终端，其特征在于，所述信息数据处理终端包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行权利要求1～7任意一项所述基于人工智能的家居自动管理系统的功能。

9.一种智能家居设备，其特征在于，所述智能家居设备执行权利要求1～7 任意一项所述基于人工智能的家居自动管理系统的功能。

Images