CN115065600A - 设备分组方法、装置、设备及存储介质 - Google Patents

设备分组方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115065600A
CN115065600A CN202210665841.9A CN202210665841A CN115065600A CN 115065600 A CN115065600 A CN 115065600A CN 202210665841 A CN202210665841 A CN 202210665841A CN 115065600 A CN115065600 A CN 115065600A
Authority
CN
China
Prior art keywords
devices
attribute
grouping
equipment
feature vectors
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
Application number
CN202210665841.9A
Other languages
English (en)
Other versions
CN115065600B (zh
Inventor
徐松
明朗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Envision Innovation Intelligent Technology Co Ltd
Envision Digital International Pte Ltd
Original Assignee
Shanghai Envision Innovation Intelligent Technology Co Ltd
Envision Digital International Pte Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Envision Innovation Intelligent Technology Co Ltd, Envision Digital International Pte Ltd filed Critical Shanghai Envision Innovation Intelligent Technology Co Ltd
Priority to CN202210665841.9A priority Critical patent/CN115065600B/zh
Publication of CN115065600A publication Critical patent/CN115065600A/zh
Application granted granted Critical
Publication of CN115065600B publication Critical patent/CN115065600B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0893—Assignment of logical groups to network elements
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L45/00—Routing or path finding of packets in data switching networks
    • H04L45/26—Route discovery packet
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
    • H04L63/104—Grouping of entities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • Computer Hardware Design (AREA)
  • Computer Security & Cryptography (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请实施例提供了一种设备分组方法、装置、设备及存储介质，涉及设备管理和数据分类技术领域。所述方法包括：获取多个设备的属性信息；基于多个设备的属性信息，得到多个设备分别对应的特征向量；按照多个设备分别对应的特征向量，基于聚类算法对多个设备进行分组，得到多个设备分别对应的分组结果。采用本申请实施例提供给的技术方案，能够提升设备分组的准确性。

Description

设备分组方法、装置、设备及存储介质
技术领域
本申请实施例涉及设备管理和数据分类技术领域，特别涉及一种设备分组方法、装置、设备及存储介质。
背景技术
随着物联网技术的飞速发展，智能设备的数量爆炸式增长，这就给物联网平台带来了巨大的压力。因此，物联网平台需要定位智能设备的方法，降低物联网平台搜索设备的压力。
在相关技术中，是先通过外网IP(Internet Protocol，网络互连协议)地址来确定处于同一地理区域内的待分组智能设备，然后通过待分组智能设备的连接标识，各个待分组的智能设备对各自周围区域进行扫描获取周围智能设备的信号强度，再基于此对之前的确定结果进行校正，得到智能设备最终的分组结果。
在上述相关技术中，信号强度受距离和遮挡物的影响较大，因而智能设备分组的准确性较低。
发明内容
本申请实施例提供了一种设备分组、装置、设备及存储介质，能够提升智能设备分组的准确性。所述技术方案如下：
根据本申请实施例的一个方面，提供了一种设备分组方法，所述方法包括：
获取多个设备的属性信息；
基于所述多个设备的属性信息，得到所述多个设备分别对应的特征向量；
按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果。
根据本申请实施例的一个方面，提供了一种设备分组装置，所述装置包括：
信息获取模块，用于获取多个设备的属性信息；
向量确定模块，用于向量基于所述多个设备的属性信息，得到所述多个设备分别对应的特征向量；
分组确定模块，用于按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果。
根据本申请实施例的一个方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现上述设备分组方法。
根据本申请实施例的一个方面，提供了一种计算机可读存储介质，所述存储介质中存储有计算机程序，所述计算机程序由处理器加载并执行以实现上述设备分组方法。
根据本申请实施例的一个方面，提供了一种计算机程序产品，所述计算机程序产品由处理器加载并执行以实现上述设备分组方法。
本申请实施例提供的技术方案可以包括如下有益效果：
通过获取多个设备的属性信息，基于属性信息得到各个设备的特征向量，通过特征向量来表示各个设备的属性特征，并基于各个设备分别对应的特征向量采用聚类算法，对多个设备进行分组，得到多个设备的分组结果，由于设备的属性信息是相对确定的，提升了设备分组的准确性。
另外，本申请实施例提供的技术方案中，按照设备的属性信息分组，待分组的设备不必局限在同一地理区域内，从而扩大了应用范围。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中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是本申请一个实施例提供的设备分组方法的流程图；
图2是本申请另一个实施例提供的设备分组方法的流程图；
图3是本申请另一个实施例提供的设备分组方法的流程图；
图4是本申请另一个实施例提供的设备分组方法的流程图；
图5是本申请另一个实施例提供的设备分组方法的流程图；
图6是本申请一个实施例提供的设备分组装置的框图；
图7是本申请另一个实施例提供的设备分组装置的框图；
图8是本申请一个实施例提供的计算机设备的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的方法的例子。
本申请实施例提供的方法，各步骤的执行主体可以是计算机设备，该计算机设备是指具备数据计算、处理和存储能力的电子设备。该计算机设备可以是诸如PC(PersonalComputer，个人计算机)、平板电脑、智能手机、可穿戴设备、智能机器人等终端；也可以是服务器。其中，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云计算服务的云服务器。
下面，通过几个实施例对本申请技术方案进行介绍说明。
请参考图1，其示出了本申请一个实施例提供的设备分组方法的流程图。在本实施例中，主要以该方法应用于上文介绍的计算机设备中来举例说明。该方法可以包括如下几个步骤(101～103)：
步骤101，获取多个设备的属性信息。
在一些实施例中，多个设备可以是一个房间、一个家庭、或一个商场、或一个厂房、或一栋楼里部分或全部的设备；也可以是多个房间、或多个家庭、或多个商场、或多个厂房、或多栋楼里部分或全部的设备；还可以是其他设定地理区域范围内部分或全部的设备，具体可以由相关技术人员根据实际情况进行设定，本申请实施例对此不作具体限定。在一些实施例中，多个设备可以是智能设备，设备可以与服务器和/或多个设备中的其他设备建立有通信连接。
属性信息是指设备的属性特征。可选地，属性信息包括设备的类型、额定功率、温度、湿度、压力、尺寸、振动数据、压强、容量、颜色、材料、节能等级等等。在一些实施例中，设备类型可以按照设备功能划分，多个设备可以包括取暖类设备(如电热器、可制热空调、暖风机、暖气片等等)、加热类设备(如电热水壶、电磁炉、燃气灶、热水器、烤箱、烤盘、电饭煲、高压锅、微波炉等等)、降温类设备(如可制冷空调、电风扇等等)、清洁类设备(如洗衣机、吸尘器、扫地/拖地机器人等等)、电子设备(如智能手机、PC、智能音箱等等)、其他设备(如吹风机等等)、恒温设备(如恒温箱、冰箱等)等等。以上设备分类仅是示例性的，多个设备还可以按照其他方式分类，具体可以由相关技术人员根据实际情况进行设定，本申请实施例对此不作具体限定。
在一些实施例中，属性的属性值为一个数值。例如，电热水壶的额定功率为1200W(Watt，瓦特)；又例如，烤箱的容量为35L(Liter，升)等等。在一些实施例中，属性的属性值包括多个特征。例如，微波炉的尺寸为：长50cm(centimetre，厘米)、宽40cm、高35cm；又例如，恒温恒湿箱在12小时内，每隔两小时测得的湿度分别为：85％RH(Relative Humidity，相对湿度)、88％RH、90％RH、90％RH、88％RH、86％RH、89％RH；又例如，冰箱中的4个采样区域，在12小时内每隔三个小时测得的温度如下表一：
表一
采样区域1 采样区域2 采样区域3 采样区域4
0时 4.8℃ 4.6℃ 4.2℃ 4.2℃
3时 4.0℃ 4.0℃ 4.1℃ 4.2℃
6时 4.0℃ 3.9℃ 4.0℃ 4.0℃
9时 3.9℃ 3.7℃ 4.0℃ 3.9℃
12时 3.7℃ 3.6℃ 3.5℃ 3.5℃
步骤102，基于多个设备的属性信息，得到多个设备分别对应的特征向量。
在一些实施例中，多个设备的属性信息可以量化表示，并基于量化后的属性信息得到各个设备分别对应的特征向量。
步骤103，按照多个设备分别对应的特征向量，基于聚类算法对多个设备进行分组，得到多个设备分别对应的分组结果。
可选地，特征向量量化表示了各个设备的属性特征，基于此可以采用聚类算法对多个设备分别对应的特征向量进行分组，即可得到多个设备分别对应的分组结果(也可以说是得到各个分组中包含的设备)。
综上所述，本申请实施例提供的技术方案，通过获取多个设备的属性信息，基于属性信息得到各个设备的特征向量，通过特征向量来表示各个设备的属性特征，并基于各个设备分别对应的特征向量采用聚类算法，对多个设备进行分组，得到多个设备的分组结果，由于设备的属性信息是相对确定的，提升了设备分组的准确性。
请参考图2，其示出了本申请另一个实施例提供的设备分组方法的流程图。在本实施例中，主要以该方法应用于上文介绍的计算机设备中来举例说明。该方法可以包括如下几个步骤(201～209)：
步骤201，获取多个设备的属性信息。
该步骤201与上述图1实施例中的步骤101的内容相同或相近，此处不再赘述。
步骤202，对于多个设备中的第一设备，在第一设备的第一属性的属性值为一个数值的情况下，将第一属性的属性值，确定为第一设备对应的特征向量中，对应于第一属性的元素值。
在一些实施例中，第一设备的某个或某些属性的属性值(如第一属性的属性值)为单个数值，则将该属性值直接确定为第一设备中的元素值。如上图1实施例的步骤101中的例子，若电热水壶(即第一设备)的额定功率(即第一属性)为1200W，则将“1200”确定为第一设备对应的特征向量中，对应于额定功率的元素值；若烤箱(即第一设备)的容量(即第一属性)为35L，则将“35”确定为第一设备对应的特征向量中，对应于容量的元素值。
在一些实施例中，不同设备对应的特征向量中，各个属性对应的元素值所在的位置均相同；对于不同的设备，相同属性对应的元素值的数量也相同。
步骤203，在第一设备的第二属性的属性值包括多个数值的情况下，对第二属性的属性值进行处理，得到第一设备对应的特征向量中，对应于第二属性的元素值。
在一些实施例中，第一设备的某个或某些属性的属性值包括多个数值，有时属性的多个数值需要进行处理，处理后得到的数值才能作为对应设备的特征向量中的元素值。如上图1实施例的步骤101中的例子，恒温恒湿箱(即第一设备)在12小时内，每隔两小时测得的湿度(即第二属性)分别为：85％RH、88％RH、90％RH、90％RH、88％RH、86％RH、89％RH，计算得到第二属性对应的多个数值的数学期望为88％RH，则将“0.88”(88％对应的小数)确定为第一设备对应的特征向量中，对应于湿度的元素值。
在一些实施例中，该步骤203包括如下几个步骤：
1、在第二属性的属性值为数组的情况下，计算第二属性对应的特征值，特征值包括数学期望、极差、方差、标准差、中位数、众数中的至少一项；
2、将特征值确定为第一设备对应的特征向量中对应于第二属性的元素值。
也即，对于属性值为数组形式的属性，可以通过计算数学期望、极差、方差、标准差、中位数、众数等的方式对数组进行处理，以得到便于组成特征向量的元素值。
需要说明的是，上述步骤202和203的执行顺序不分先后，可以仅执行步骤202；也可以仅执行步骤203；还可以同时执行步骤202和203，本申请实施例对此不作具体限定。
可选地，若对于某个设备，其某个属性的属性值缺失，该属性对应的元素值可以设置为很小的负数。例如，若某个设备的压强的属性值缺失，可将对应的元素值设为-1000000000000。
步骤204，将第一设备的各个属性分别对应的元素值按照预设组合顺序进行组合，得到第一设备对应的特征向量。
在一些实施例中，各个设备对应的特征向量中的元素并不是随机排序的，而是按照相同的属性顺序排列的。也即，不同设备对应的特征向量中，相同位置的元素值对应的属性相同。
在示例性实施例中，设备D具有属性A、B、C、D、F，其中，属性A、B、C、D、F分别对应的属性值为：a、b、c、d、f，f为数组；对于属性f，将求得的其数学期望E和方差σ作为特征元素，并按照属性A、B、C、D、F的顺序组合特征向量，那么设备D的特征向量可以表示为[a，b，c，d，E，σ]。可选地，每一个设备，有且仅对应有一个特征向量。
步骤205，随机选取多个设备中的k个设备对应的特征向量，作为k个分组分别对应的聚类中心，k为大于1的整数。
聚类算法又称为邻近算法，或者K最近邻(KNN，K-NearestNeighbor)分类算法，是将数据集合中每一个数据进行分类的方法，属于数据挖掘分类技术。所谓K最近邻，可以理解为K个最近的邻居的意思，意思是每个样本都可以用它最接近的K个邻近值来表示。在一些实施例中，确定多个设备需要被分成k组，则一开始先从多个设备中随机选取k个设备对应的特征向量，作为k个分组初始的聚类中心。
步骤206，计算多个设备中除k个聚类中心对应的设备之外的其他设备，与k个聚类中心分别对应的距离。
在步骤205中，k个分组已分配了初始的聚类中心，接下来计算其他设备对应的特征向量，与当前的k个聚类中心之间的欧式距离。由于本申请实施例中的特征向量是设备属性的量化表示，则两个特征向量之间的距离，可以表示对应的两个设备的属性的相似程度。其中，距离越小，表示两个设备的属性的相似程度越高；反之，距离越大，表示两个设备的属性的相似程度越低。
可选的，两个设备对应的特征向量之间的距离的计算方式可以参考如下公式一：
公式一：
Figure BDA0003691618900000071
其中，xn表示两个设备中的一个设备对应的特征性向量的第n个元素值，yn表示两个设备中的另一个设备对应的特征性向量的第n个元素值。
步骤207，按照多个设备中除k个聚类中心对应的设备之外的其他设备，与k个聚类中心分别对应的距离，将多个设备中除k个设备之外的其他设备分别划分到对应的分组中。
在一些实施例中，根据多个设备中除k个聚类中心对应的设备之外的其他设备，与k个聚类中心分别对应的距离，将多个设备中除k个设备之外的其他设备划分到对应的最小距离对应的分组中。
在一个示例中，k为5，多个设备中除k个设备之外的设备B对应的特征向量，与5个分组的聚类中心对应的特征向量之间的距离分别为：L1、L2、L3、L4、L5，其中，L1表示设备B对应的特征向量与分组1的聚类中心对应的特征向量之间的距离，L2表示设备B对应的特征向量与分组2的聚类中心对应的特征向量之间的距离，L3表示设备B对应的特征向量与分组3的聚类中心对应的特征向量之间的距离，L4表示设备B对应的特征向量与分组4的聚类中心对应的特征向量之间的距离，L5表示设备B对应的特征向量与分组5的聚类中心对应的特征向量之间的距离；且L2＜L1＜L3＜L5＜L4，则将L1、L2、L3、L4、L5中的最小值L2对应的聚类中心所在的分组2，确定为设备B在该步骤中被划分到的分组。
步骤208，重新计算k个分组分别对应的聚类中心。
在一些实施例中，对于k个分组的每一分组，分别在组内重新计算各自对应的聚类中心。例如，将分组内位于中心或与分组中心最近的特征向量，确定为该分组新的聚类中心。
在一些实施例中，该方法还包括如下几个步骤：
1、缓存多个设备之间已计算得到的两两设备分别对应的特征向量之间的距离；
2、在设备分组过程中，调用多个设备之间已计算得到的两两设备分别对应的特征向量之间的距离。
在一些实施例中，在属性未变化的情况下，对于已经计算过特征向量之间的距离的两个设备，存储对应的距离，并再之后需要计算这两个设备的特征向量之间的距离的时候，直接调取对应的已计算并缓存的距离，无需重复计算，节省了处理资源和分组时间，提升了分组速度和分组效率。
步骤209，重复上述步骤207～208，直到满足停止条件，得到k个设备分别对应的分组结果。
在一些实施例中，重复上述步骤207～208共j次，得到k个设备分别对应的分组结果，j为大于1的整数。可选地，停止条件为j达到预设循环次数。其中，预设循环次数可以为2、3、4、8、12、15等等，其具体数值可以由相关技术人员根据实际情况进行设定，本申请实施例对此不作具体限定。可选地，停止条件为行的聚类中心与原始聚类中心相等或小于指定阈值。
综上所述，本申请实施例提供的技术方案，通过将包含多个数值的属性值预先进行处理，再处理后得到的数值确定为对应特征向量中的元素值，从而避免了特征向量中的元素数量过多，也避免了属性值包含多个数值的属性对分组的影响因素过大的风险，从而提升了设备分组过程中的计算效率和设备分组的准确性。
另外，本申请实施例中，可以自定义需要得到的分组的数量，较为灵活方便；分组数量越多，分组结果越精确；分组数量越少，分组结果越不精确，但所需分组时间较短。
另外，本申请实施例中，在设备分组过程中，直接调取对应的已计算并缓存的距离，无需重复计算，节省了处理资源和分组时间，提升了分组速度和分组效率。
在一些可能的实现方式中，上述多个设备分组完成之后，需要对新的设备进行分组。可选地，上述步骤208之后，还包括如下几个步骤：
1、获取第二设备对应的特征向量，第二设备为多个设备之外的其他设备；
2、计算第二设备的特征向量，分别与多个设备对应的特征向量之间的距离；
3、确定与第二设备的特征向量的距离最接近的n个特征向量对应的n个设备，n为正整数；
4、将k个分组中，包含n个设备中的设备数量最多的分组，确定为第二设备对应的分组，k为大于1的整数。
上述多个设备分组完成之后，若有新的设备(即第二设备)需要进行分组(被分到其中的一个分组中)，若按照图2实施例从头开始重新计算，计算量大且浪费处理资源。在一些实施例中，已经分组完成的多个设备的分组结果保持不变，仅需计算已经分组完成的多个设备对应的特征向量，分别与第二设备对应的特征向量之间的距离，并选取最近的n个距离对应的n个设备，n个设备中哪个分组的设备数量最多，就将该分组确定为第二设备对应的分组，将第二设备分配到该分组中。
如图3所示，已分组完成的设备的分组结果，可以称为设备分组模型31；在得到设备分组模型之后，对第二设备进行分组，可以认为是对设备分组模型31的调整过程。
如图4所示，需要同时对N个第二设备41(N为大于1的整数)进行分组时，分别确定N个第二设备41分别对应的特征向量42，基于设备分组模型31并结合聚类算法，分别确定N个第二设备41分别对应的分组结果43。
在上述实现方式中，在需要在已分组完成的分组模型中加入新的设备(即第二设备)时，仅需要计算新的设备与各组中的设备对应的特征向量之间距离，以确定第二设备对应的分组，其他分组中包含的设备不发生变化，也即，无需将已确定分组结果的设备再重新分组，从而节省了处理资源，提升了新的设备的分组效率。
在一些可能的实现方式中，上述步骤208之后，还包括如下几个步骤：
1、获取第三设备对应的特征向量，第三设备为多个设备之外的其他设备；
2、计算第三设备的特征向量，分别与k个分组的聚类中心的设备对应的特征向量之间的距离，得到第三设备对应的k个距离，k为大于1的整数；
3、将第三设备对应的k个距离中的最小距离对应的聚类中心所在的分组，确定为第三设备对应的分组。
在上述实现方式中，在上述多个设备已分组完成之后，对于新的设备(即第三设备)，仅需要计算k个分组的聚类中心对应的特征向量分别与第三设备对应的特征向量之间的距离，并将k个距离中的最小值对应的分组，确定为第三设备对应的分组；也即，仅需计算k次距离，即可确定新的设备(即第三设备)对应的分组，计算量更小，从而进一步节省了处理资源，并进一步提升了新的设备的分组效率。
在一些可能的实现方式中，多个设备共对应有k个分组，k为大于1的整数；上述步骤208之后，还包括如下几个步骤：
1、响应于多个设备中的第四设备的属性信息发生变化，基于第四设备变化后的属性信息，得到第四设备对应的更新后特征向量；
2、计算第四设备对应的更新后特征向量，分别与除第四设备之外的多个设备对应的特征向量之间的距离；
3、确定与第四设备的特征向量的距离最接近的m个特征向量对应的m个设备，m为正整数；
4、将k个分组中，包含m个设备中的设备数量最多的分组，确定为第四设备对应的更新后分组。
在一些实施例中，对于已分组完成的设备，若属性信息发生变化，需要对该设备重新进行分组，则分别计算第四设备对应的更新后特征向量，与其他已分组完成的设备对应的特征向量之间的距离，并将选出其中最近的m个距离对应的m个设备，m个设备中哪个分组的设备数量最多，就将该分组确定为第四设备对应的更新后分组，将第四设备分配到更新后分组中。
在示例性实施例中，在得到初始的设备分组模型时，将设备各个属性的属性值以及对应的元素值存储到缓存(cache)中；如图5所示，该实现方式还包括如下几个步骤：
步骤51，在第四设备的属性的属性值发送变化时，原有分组无效，清除缓存中发生变化的属性值对应的元素值；
步骤52，计算发生变化的属性值与设备分组模型中每个设备对应属性值的差的平方，并存储到缓存中；
步骤53，通过缓存获取各个设备当前分别对应的特征性向量，并计算第四设备对应的更新后特征向量，分别与除第四设备之外的多个设备对应的特征向量之间的距离；对计算得到的距离进行排序，然后选择距离最小的m个已知分组的设备；对这m个设备所属的分组进行比较，将第四设备归入在m个设备中占比最高的分组，即确定第四设备的更新后分组。
在上述实现方式中，仅需要计算第四设备与其他设备对应的特征向量之间距离，属性未发生变化的设备无需再重新分组，从而节省了处理资源，提升了新的设备的分组效率。
另外，当设备的属性值发生改变时，可以动态地更新分组结果(即设备分组模型)，从而提升设备分组的灵活性。
下述为本申请装置实施例，可以用于执行本申请方法实施例。对于本申请装置实施例中未披露的细节，请参照本申请方法实施例。
请参考图6，其示出了本申请一个实施例提供的设备分组装置的框图。该装置具有实现上述设备分组的方法示例的功能，所述功能可以由硬件实现，也可以由硬件执行相应的软件实现。该装置可以是上文介绍的计算机设备，也可以设置在计算机设备上。该装置600可以包括：信息获取模块610、向量确定模块620和分组确定模块630。
所述信息获取模块610，用于获取多个设备的属性信息。
所述向量确定模块620，用于向量基于所述多个设备的属性信息，得到所述多个设备分别对应的特征向量。
所述分组确定模块630，用于按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果。
综上所述，本申请实施例提供的技术方案，通过获取多个设备的属性信息，基于属性信息得到各个设备的特征向量，通过特征向量来表示各个设备的属性特征，并基于各个设备分别对应的特征向量采用聚类算法，对多个设备进行分组，得到多个设备的分组结果，由于设备的属性信息是相对确定的，提升了设备分组的准确性。
在示例性实施例中，如图7所示，所述向量确定模块620，包括：元素确定子模块621和向量确定子模块622。
所述元素确定子模块621，用于对于所述多个设备中的第一设备，在所述第一设备的第一属性的属性值为一个数值的情况下，将所述第一属性的属性值，确定为所述第一设备对应的特征向量中，对应于所述第一属性的元素值。
所述元素确定子模块621，还用于在所述第一设备的第二属性的属性值包括多个数值的情况下，对所述第二属性的属性值进行处理，得到所述第一设备对应的特征向量中，对应于所述第二属性的元素值。
所述向量确定子模块622，用于将所述第一设备的各个属性分别对应的元素值按照预设组合顺序进行组合，得到所述第一设备对应的特征向量。
在示例性实施例中，如图7所示，所述元素确定子模块621，用于：
在所述第二属性的属性值为数组的情况下，计算所述第二属性对应的特征值，所述特征值包括数学期望、极差、方差、标准差、中位数、众数中的至少一项；
将所述特征值确定为所述第一设备对应的特征向量中对应于所述第二属性的元素值。
在示例性实施例中，如图7所示，所述分组确定模块630，用于：
随机选取所述多个设备中的k个设备对应的特征向量，作为所述k个分组分别对应的聚类中心，所述k为大于1的整数；
计算所述多个设备中除所述k个聚类中心对应的设备之外的其他设备，与所述k个聚类中心分别对应的距离；
按照所述多个设备中除所述k个聚类中心对应的设备之外的其他设备，与所述k个聚类中心分别对应的距离，将所述多个设备中除所述k个设备之外的其他设备分别划分到对应的分组中；
重新计算所述k个分组分别对应的聚类中心；
重复上述步骤：按照所述多个设备中除所述k个聚类中心对应的设备之外的其他设备，与所述k个聚类中心分别对应的距离，将所述多个设备中除所述k个设备之外的其他设备分别划分到对应的分组中；重新计算所述k个分组分别对应的聚类中心；直到满足停止条件，得到所述k个设备分别对应的分组结果。
在示例性实施例中，如图7所示，所述装置600还包括：距离计算模块640和设备确定模块650。
所述向量确定模块620，还用于获取第二设备对应的特征向量，所述第二设备为所述多个设备之外的其他设备。
所述距离计算模块640，用于计算所述第二设备的特征向量，分别与所述多个设备对应的特征向量之间的距离。
所述设备确定模块650，用于确定与所述第二设备的特征向量的距离最接近的n个特征向量对应的所述n个设备，所述n为正整数。
所述分组确定模块630，还用于将k个分组中，包含所述n个设备中的设备数量最多的分组，确定为所述第二设备对应的分组，所述k为大于1的整数。
在示例性实施例中，如图7所示，所述向量确定模块620，还用于获取第三设备对应的特征向量，所述第三设备为所述多个设备之外的其他设备。
所述距离计算模块640，还用于计算所述第三设备的特征向量，分别与k个分组的聚类中心的设备对应的特征向量之间的距离，得到所述第三设备对应的所述k个距离，所述k为大于1的整数。
所述分组确定模块630，还用于将所述第三设备对应的所述k个距离中的最小距离对应的聚类中心所在的分组，确定为所述第三设备对应的分组。
在示例性实施例中，所述多个设备共对应有k个分组，所述k为大于1的整数。如图7所示，所述装置600还包括：向量更新模块660。
所述向量更新模块660，用于响应于所述多个设备中的第四设备的属性信息发生变化，基于所述第四设备变化后的属性信息，得到所述第四设备对应的更新后特征向量。
所述距离计算模块640，还用于计算所述第四设备对应的更新后特征向量，分别与除所述第四设备之外的所述多个设备对应的特征向量之间的距离。
所述设备确定模块650，还用于确定与所述第四设备的特征向量的距离最接近的m个特征向量对应的所述m个设备，所述m为正整数。
所述分组确定模块630，还用于将所述k个分组中，包含所述m个设备中的设备数量最多的分组，确定为所述第四设备对应的更新后分组。
在示例性实施例中，如图7所示，所述装置600还包括：距离缓存模块670和距离调用模块680。
所述距离缓存模块670，用于缓存所述多个设备之间已计算得到的两两设备分别对应的特征向量之间的距离。
所述距离调用模块680，用于在设备分组过程中，调用所述多个设备之间已计算得到的两两设备分别对应的特征向量之间的距离。
需要说明的是，上述实施例提供的装置，在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置与方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
请参考图8，其示出了本申请一个实施例提供的计算机设备的结构框图。该计算机设备用于实施上述实施例中提供的设备分组方法。具体来讲：
所述计算机设备800包括CPU(Central Processing Unit，中央处理单元)801、包括RAM(Random Access Memory，随机存取存储器)802和ROM(Read-Only Memory，只读存储器)803的系统存储器804，以及连接系统存储器804和中央处理单元801的系统总线805。所述计算机设备800还包括帮助计算机内的各个器件之间传输信息的基本I/O(Input/Output，输入/输出)系统806，和用于存储操作系统813、应用程序814和其他程序模块815的大容量存储设备807。
所述基本输入/输出系统806包括有用于显示信息的显示器808和用于用户输入信息的诸如鼠标、键盘之类的输入设备809。其中所述显示器808和输入设备809都通过连接到系统总线805的输入输出控制器810连接到中央处理单元801。所述基本输入/输出系统806还可以包括输入输出控制器810以用于接收和处理来自键盘、鼠标、或电子触控笔等多个其他设备的输入。类似地，输入输出控制器810还提供输出到显示屏、打印机或其他类型的输出设备。
所述大容量存储设备807通过连接到系统总线805的大容量存储控制器(未示出)连接到中央处理单元801。所述大容量存储设备807及其相关联的计算机可读介质为计算机设备800提供非易失性存储。也就是说，所述大容量存储设备807可以包括诸如硬盘或者CD-ROM(Compact Disc Read-Only Memory，只读光盘)驱动器之类的计算机可读介质(未示出)。
不失一般性，所述计算机可读介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM(Erasable Programmable Read Only Memory，可擦除可编程只读存储器)、EEPROM(Electrically Erasable Programmable Read Only Memory，可擦除可编程只读存储器)、闪存或其他固态存储其技术，CD-ROM、DVD(Digital Video Disc，高密度数字视频光盘)或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知所述计算机存储介质不局限于上述几种。上述的系统存储器804和大容量存储设备807可以统称为存储器。
根据本申请的各种实施例，所述计算机设备800还可以通过诸如因特网等网络连接到网络上的远程计算机运行。也即计算机设备800可以通过连接在所述系统总线805上的网络接口单元811连接到网络812，或者说，也可以使用网络接口单元811来连接到其他类型的网络或远程计算机系统(未示出)。
在示例性实施例中，还提供了一种计算机可读存储介质，所述存储介质中存储有计算机程序，所述计算机程序在被处理器执行时以实现上述设备分组方法。
在示例性实施例中，还提供了一种计算机程序产品，当该计算机程序产品被处理器执行时，其用于实现上述设备分组方法。
应当理解的是，在本文中提及的“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
以上所述仅为本申请的示例性实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (10)

1.一种设备分组方法，其特征在于，所述方法包括：
获取多个设备的属性信息；
基于所述多个设备的属性信息，得到所述多个设备分别对应的特征向量；
按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果。
2.根据权利要求1所述的方法，其特征在于，所述基于所述多个设备的属性信息，得到所述多个设备分别对应的特征向量，包括：
对于所述多个设备中的第一设备，在所述第一设备的第一属性的属性值为一个数值的情况下，将所述第一属性的属性值，确定为所述第一设备对应的特征向量中，对应于所述第一属性的元素值；
在所述第一设备的第二属性的属性值包括多个数值的情况下，对所述第二属性的属性值进行处理，得到所述第一设备对应的特征向量中，对应于所述第二属性的元素值；
将所述第一设备的各个属性分别对应的元素值按照预设组合顺序进行组合，得到所述第一设备对应的特征向量。
3.根据权利要求2所述的方法，其特征在于，所述对所述第二属性的属性值进行处理，得到所述第一设备对应的特征向量中，对应于所述第二属性的元素值，包括：
在所述第二属性的属性值为数组的情况下，计算所述第二属性对应的特征值，所述特征值包括数学期望、极差、方差、标准差、中位数、众数中的至少一项；
将所述特征值确定为所述第一设备对应的特征向量中对应于所述第二属性的元素值。
4.根据权利要求1所述的方法，其特征在于，所述按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果，包括：
随机选取所述多个设备中的k个设备对应的特征向量，作为所述k个分组分别对应的聚类中心，所述k为大于1的整数；
计算所述多个设备中除所述k个聚类中心对应的设备之外的其他设备，与所述k个聚类中心分别对应的距离；
按照所述多个设备中除所述k个聚类中心对应的设备之外的其他设备，与所述k个聚类中心分别对应的距离，将所述多个设备中除所述k个设备之外的其他设备分别划分到对应的分组中；
重新计算所述k个分组分别对应的聚类中心；
重复上述步骤：按照所述多个设备中除所述k个聚类中心对应的设备之外的其他设备，与所述k个聚类中心分别对应的距离，将所述多个设备中除所述k个设备之外的其他设备分别划分到对应的分组中；重新计算所述k个分组分别对应的聚类中心；直到满足停止条件，得到所述k个设备分别对应的分组结果。
5.根据权利要求1至4任一项所述的方法，其特征在于，所述按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果之后，还包括：
获取第二设备对应的特征向量，所述第二设备为所述多个设备之外的其他设备；
计算所述第二设备的特征向量，分别与所述多个设备对应的特征向量之间的距离；
确定与所述第二设备的特征向量的距离最接近的n个特征向量对应的所述n个设备，所述n为正整数；
将k个分组中，包含所述n个设备中的设备数量最多的分组，确定为所述第二设备对应的分组，所述k为大于1的整数。
6.根据权利要求1至4任一项所述的方法，其特征在于，所述按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果之后，还包括：
获取第三设备对应的特征向量，所述第三设备为所述多个设备之外的其他设备；
计算所述第三设备的特征向量，分别与k个分组的聚类中心的设备对应的特征向量之间的距离，得到所述第三设备对应的所述k个距离，所述k为大于1的整数；
将所述第三设备对应的所述k个距离中的最小距离对应的聚类中心所在的分组，确定为所述第三设备对应的分组。
7.根据权利要求1至4任一项所述的方法，其特征在于，所述多个设备共对应有k个分组，所述k为大于1的整数；
所述按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果之后，还包括：
响应于所述多个设备中的第四设备的属性信息发生变化，基于所述第四设备变化后的属性信息，得到所述第四设备对应的更新后特征向量；
计算所述第四设备对应的更新后特征向量，分别与除所述第四设备之外的所述多个设备对应的特征向量之间的距离；
确定与所述第四设备的特征向量的距离最接近的m个特征向量对应的所述m个设备，所述m为正整数；
将所述k个分组中，包含所述m个设备中的设备数量最多的分组，确定为所述第四设备对应的更新后分组。
8.根据权利要求1至4任一项所述的方法，其特征在于，所述方法还包括：
缓存所述多个设备之间已计算得到的两两设备分别对应的特征向量之间的距离；
在设备分组过程中，调用所述多个设备之间已计算得到的两两设备分别对应的特征向量之间的距离。
9.一种设备分组装置，其特征在于，所述装置包括：
信息获取模块，用于获取多个设备的属性信息；
向量确定模块，用于向量基于所述多个设备的属性信息，得到所述多个设备分别对应的特征向量；
分组确定模块，用于按照所述多个设备分别对应的特征向量，基于聚类算法对所述多个设备进行分组，得到所述多个设备分别对应的分组结果。
10.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有计算机程序，所述计算机程序由所述处理器加载并执行以实现如上述权利要求1至8任一项所述的设备分组方法。
CN202210665841.9A 2022-06-13 2022-06-13 设备分组方法、装置、设备及存储介质 Active CN115065600B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210665841.9A CN115065600B (zh) 2022-06-13 2022-06-13 设备分组方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210665841.9A CN115065600B (zh) 2022-06-13 2022-06-13 设备分组方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN115065600A true CN115065600A (zh) 2022-09-16
CN115065600B CN115065600B (zh) 2024-01-05

Family

ID=83200205

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210665841.9A Active CN115065600B (zh) 2022-06-13 2022-06-13 设备分组方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN115065600B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115618206A (zh) * 2022-10-27 2023-01-17 圣名科技(广州)有限责任公司 干扰数据确定方法、装置、电子设备及存储介质
CN115821560A (zh) * 2022-11-25 2023-03-21 浙江衣拿智能科技股份有限公司 一种基于除尘机的衣物除尘控制方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100202686A1 (en) * 2009-02-10 2010-08-12 Canon Kabushiki Kaisha Image processing method, image processing apparatus, and program
WO2018153469A1 (en) * 2017-02-24 2018-08-30 Telefonaktiebolaget Lm Ericsson (Publ) Classifying an instance using machine learning
CN111027048A (zh) * 2019-12-11 2020-04-17 北京天融信网络安全技术有限公司 一种操作系统识别方法、装置、电子设备及存储介质
CN112131382A (zh) * 2020-08-20 2020-12-25 彭涛 民生问题高发地的识别方法、装置及电子设备
CN112883875A (zh) * 2021-02-22 2021-06-01 北京三快在线科技有限公司 图像聚类方法、装置、服务器及存储介质
CN113298115A (zh) * 2021-04-19 2021-08-24 百果园技术(新加坡)有限公司 基于聚类的用户分组方法、装置、设备和存储介质
CN113761259A (zh) * 2021-04-29 2021-12-07 腾讯科技（深圳）有限公司 一种图像处理方法、装置以及计算机设备
CN113869408A (zh) * 2021-09-27 2021-12-31 北京迪力科技有限责任公司 一种分类方法及计算机设备
CN114385436A (zh) * 2021-12-06 2022-04-22 网宿科技股份有限公司 服务器分组方法、装置、电子设备和存储介质

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100202686A1 (en) * 2009-02-10 2010-08-12 Canon Kabushiki Kaisha Image processing method, image processing apparatus, and program
WO2018153469A1 (en) * 2017-02-24 2018-08-30 Telefonaktiebolaget Lm Ericsson (Publ) Classifying an instance using machine learning
CN111027048A (zh) * 2019-12-11 2020-04-17 北京天融信网络安全技术有限公司 一种操作系统识别方法、装置、电子设备及存储介质
CN112131382A (zh) * 2020-08-20 2020-12-25 彭涛 民生问题高发地的识别方法、装置及电子设备
CN112883875A (zh) * 2021-02-22 2021-06-01 北京三快在线科技有限公司 图像聚类方法、装置、服务器及存储介质
CN113298115A (zh) * 2021-04-19 2021-08-24 百果园技术(新加坡)有限公司 基于聚类的用户分组方法、装置、设备和存储介质
CN113761259A (zh) * 2021-04-29 2021-12-07 腾讯科技（深圳）有限公司 一种图像处理方法、装置以及计算机设备
CN113869408A (zh) * 2021-09-27 2021-12-31 北京迪力科技有限责任公司 一种分类方法及计算机设备
CN114385436A (zh) * 2021-12-06 2022-04-22 网宿科技股份有限公司 服务器分组方法、装置、电子设备和存储介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
M KHALIL GIBRAN; ERNA BUDHIARTI NABABAN; POLTAK SIHOMBING: "Analysis of Face Recognition with Fuzzy C-Means Clustering Image Segmentation and Learning Vector Quantization", IEEE *
王凯;杨枢;刘玉文;: "基于多层次概念格的图像场景语义分类方法", 山西师范大学学报(自然科学版), no. 02 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115618206A (zh) * 2022-10-27 2023-01-17 圣名科技(广州)有限责任公司 干扰数据确定方法、装置、电子设备及存储介质
CN115821560A (zh) * 2022-11-25 2023-03-21 浙江衣拿智能科技股份有限公司 一种基于除尘机的衣物除尘控制方法及装置

Also Published As

Publication number Publication date
CN115065600B (zh) 2024-01-05

Similar Documents

Publication Publication Date Title
CN115065600B (zh) 设备分组方法、装置、设备及存储介质
US20210019557A1 (en) System for distributed data processing using clustering
CN109800270B (zh) 一种数据存储和查询的方法及物联网系统
CN109140660B (zh) 用于空调的智能控温方法及装置、空调、存储介质
WO2016001998A1 (ja) 類似度算出システム、類似度算出方法およびプログラム
JP2009065394A (ja) センサネットワーク用減衰定数推定システム、ノード位置推定システム、推定方法、及びそのプログラム
CN111787082A (zh) 一种多级业务数据上报的方法、设备及系统
WO2021190095A1 (zh) 空调选型方法、系统及装置
CN114143143A (zh) 网关设备的确定方法和装置、存储介质及电子装置
CN108112031B (zh) 网络类型确定方法及装置
CN111542796A (zh) 解耦建模方法和系统
WO2024001189A1 (zh) 食物存储信息的确定方法及装置、存储介质及电子装置
CN108648136B (zh) 对二维查找表进行压缩的方法及装置
JP2017162046A (ja) センサーデータ処理装置、センサーデータ処理システム、センサーデータ処理方法、及び、センサーデータ処理プログラム
CN110793163B (zh) 空调配置处理方法及装置
CN106778872B (zh) 基于密度的连通图的聚类方法与装置
CN112925793B (zh) 一种多种结构数据分布式混合存储方法和系统
CN113094149B (zh) 一种数据中心虚拟机放置方法、系统、介质及设备
CN112561138B (zh) 电力负荷预测方法、装置、计算机设备和存储介质
CN109802491B (zh) 具有实时电量和环境参数显示功能的云控制系统及其控制方法
CN108366003B (zh) 家居服务框架创建方法、调用方法、装置、服务器及介质
CN114135513A (zh) 一种风扇控制方法、装置、设备及存储介质
CN111756606A (zh) 基于云计算的家居设备控制系统
EP4179479A1 (en) Parameter optimization method, device, and storage medium
CN111880419A (zh) 家电设备的控制方法、系统、家电设备及运算设备

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
GR01 Patent grant
GR01 Patent grant