TWI671693B - 行為分析學習系統及方法 - Google Patents

行為分析學習系統及方法 Download PDF

Info

Publication number
TWI671693B
TWI671693B TW104144123A TW104144123A TWI671693B TW I671693 B TWI671693 B TW I671693B TW 104144123 A TW104144123 A TW 104144123A TW 104144123 A TW104144123 A TW 104144123A TW I671693 B TWI671693 B TW I671693B
Authority
TW
Taiwan
Prior art keywords
user
association
trigger
terminal
cluster
Prior art date
Application number
TW104144123A
Other languages
English (en)
Other versions
TW201725541A (zh
Inventor
陸欣
張歡歡
劉學順
張玉勇
Original Assignee
鴻海精密工業股份有限公司
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 鴻海精密工業股份有限公司 filed Critical 鴻海精密工業股份有限公司
Publication of TW201725541A publication Critical patent/TW201725541A/zh
Application granted granted Critical
Publication of TWI671693B publication Critical patent/TWI671693B/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • 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
    • G05B2219/23—Pc programming
    • G05B2219/23288—Adaptive states; learning transitions

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Automation & Control Theory (AREA)
  • Telephonic Communication Services (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Selective Calling Equipment (AREA)

Abstract

一種行為分析學習系統及方法，應用於一伺服器中，所述伺服器與複數採集終端進行通訊。所述系統包括：關聯模組，用於建立一關聯表，所述關聯表包括複數關聯集群，所述關聯集群包括複數採集終端之間的關聯；獲取模組，用於獲取每一採集終端採集到的資料；分析模組，用於對每一關聯集群中的採集終端採集到的資料進行分析並確定該關聯集群中的觸發條件及觸發結果；學習模組，用於當一關聯集群中的採集終端採集到的資料符合該關聯集群中的一觸發條件時，根據該觸發條件對應的觸發結果提供一指導建議。

Description

行為分析學習系統及方法
本發明涉及一種資料分析學習領域，特別涉及一種行為分析學習系統及方法。
隨著智慧家居系統日益普及，物聯網的發展也隨之越來越迅速。然而，習知的物聯網技術都是依賴預先編寫好的程式實現智慧化，其所能提供的服務過於模式化，無法根據外界環境的變化進行靈活調整。
有鑒於此，有必要提出一種行為分析學習系統及方法。
一種行為分析學習系統，安裝並運行於一伺服器中，所述伺服器與複數採集終端進行通訊連接。所述系統包括：一關聯模組，用於建立一關聯表並儲存於一記憶體中，所述關聯表包括複數關聯集群，所述關聯集群包括複數採集終端之間的關聯；一獲取模組，用於獲取每一採集終端採集到的資料；一分析模組，用於對每一關聯集群中的採集終端採集到的資料進行分析並確定該關聯集群中的至少一觸發條件及至少一觸發結果，其中，每一觸發條件對應一觸發結果；及一學習模組，用於當一關聯集群中的採集終端採集到的資料符合該關聯集群中的一觸發條件時，根據該觸發條件對應的觸發結果提供一指導建議或發送一控制指令控制對應的採集終端執行該觸發條件對應的觸發結果。
一種行為分析學習方法，應用於一伺服器中，所述伺服器與複數採集終端進行通訊連接。所述方法包括：關聯步驟：建立一關聯表並儲存於一 記憶體中，所述關聯表包括複數關聯集群，所述關聯集群包括複數採集終端之間的關聯；獲取步驟：獲取每一採集終端採集到的資料；分析步驟：對每一關聯集群中的採集終端採集到的資料進行分析並確定該關聯集群中的至少一觸發條件及至少一觸發結果，其中，每一觸發條件對應一觸發結果；及學習步驟：如果一關聯集群中的採集終端採集到的資料符合該關聯集群中的一觸發條件，根據該觸發條件對應的觸發結果提供一指導建議或發送一控制指令控制對應的採集終端執行該觸發條件對應的觸發結果。
本發明的行為分析學習系統及方法藉由對採集終端採集到的資料進行分析學習，能夠根據使用者的習慣靈活調整控制輸出，從而給使用者提供更加全面靈活的服務。
100‧‧‧伺服器
10‧‧‧行為分析學習系統
11‧‧‧設置模組
12‧‧‧關聯模組
13‧‧‧獲取模組
14‧‧‧分析模組
15‧‧‧學習模組
20‧‧‧記憶體
30‧‧‧處理器
40‧‧‧通訊裝置
200A~200H、200a~200h‧‧‧採集終端
300A、300a‧‧‧使用者終端
5‧‧‧行為分析學習方法
S501~S505‧‧‧步驟
圖1是本發明一實施方式中行為分析學習系統的應用環境示意圖。
圖2是本發明一實施方式中行為分析學習系統的功能模組示意圖。
圖3是本發明一實施方式中使用者介面的示意圖。
圖4是本發明一實施方式中資料分析的示意圖。
圖5是本發明一實施方式中行為分析學習方法的步驟流程圖。
請參閱圖1及圖2，圖1是本發明一實施方式中的行為分析學習系統的應用環境示意圖，圖2是本發明行為分析學習系統10的功能模組示意圖。所述行為分析學習系統10安裝並運行於如圖1所示的一伺服器100中，所述伺服器100與複數採集終端200A~200H、200a~200h及複數使用者終端300A、300a進行通訊連接。
所述複數採集終端200A~200H、200a~200h可以是同一使用者設置的用於採集其日常生活資料的終端，也可以是複數使用者設置的用於採集每一使用者日常生活資料的終端。所述複數使用者終端300A、300a用於供使用者添加或設置採集各自日常生活資料的採集終端200A~200H、200a~200h。所述採集終端200可以是溫度感測器、攝像頭、濕度感測器、時鐘、空調遙控器、電視遙控器等，也可以是帶電子標籤的一般物件，如衣服、桌子、鑰匙扣等。所述 使用者終端300A、300a為使用者隨身攜帶的電子設備，例如行動電話、平板電腦、筆記型電腦等，供使用者與伺服器100進行資料互動，方便使用者即時瞭解自己的生活狀況及在必要時刻獲取伺服器100關於某一事件的指導建議。在本實施方式中，所述使用者終端300A、300a還可以同時作為採集終端，採集使用者生活的相關資料，例如使用者所處的地理位置等。
請一併參閱圖2，所述伺服器100還包括，但不限於，記憶體20、處理器30及通訊裝置40。所述記憶體20可以是所述伺服器100本身的記憶體，也可以是與所述伺服器100相互獨立並能與所述伺服器100進行資料交換的儲存單元，如安全數位卡、智慧媒體卡、快閃記憶體卡等。所述記憶體20用於儲存所述伺服器100中安裝的程式碼以及各類資料。在本發明其他實施方式中，所述記憶體20還可以是與所述伺服器100實現通訊連接的使用者終端300中的記憶體。所述處理器30與所述記憶體20及所述通訊裝置40通訊連接，用於運行所述記憶體20中儲存的程式碼及運算各類資料，以執行相應的功能。所述通訊裝置40用於實現伺服器100與複數採集終端200及複數使用者終端300之間的通訊資料傳輸。在本實施方式中，所述記憶體20中儲存有一行為分析學習系統10，所述行為分析學習系統10被所述處理器30所執行，用來實現所述伺服器100的部分功能。
在本實施方式中，所述行為分析學習系統10可以被分割為一個或複數模組，所述一個或複數模組被儲存在所述記憶體20中，並被配置成由一個或複數處理器(本實施方式為所述處理器30)執行，以完成本發明。例如，如圖2所示，所述行為分析學習系統10被分割成設置模組11、關聯模組12、獲取模組13、分析模組14及學習模組15。本發明所稱的模組是指一種能夠完成特定功能的一系列程式指令段，比程式更適合於描述軟體在所述伺服器100中的執行過程。
在本實施方式中，以使用者個數為兩個(使用者A及使用者a)為例對本發明的行為分析學習系統10進行詳細的說明。
所述設置模組11在所述使用者終端300A、300a提供一使用者介面供使用者添加採集終端200A~200H、200a~200h及根據各個採集終端200A~200H、200a~200h之間的關聯設置一個或複數關聯集群。所述每一關聯集群包括與至少一事件或動作關聯的複數採集終端。在本實施方式中，所述設置 模組11還在所述使用者終端300A、300a提供一使用者介面供使用者設置許可權使用者。
具體地，在本實施方式中，使用者A的使用者終端為300A，如圖3所示，是本發明一實施方式中的使用者介面示意圖。使用者A可以藉由所述使用者終端300A上的使用者介面添加需要管理的物件，例如家、辦公室等。使用者A還可以在該使用者介面設置每一管理物件的許可權使用者，例如設置家裡的許可權使用者為室友(使用者B)、辦公室的許可權使用者為同事(使用者C及使用者D)。進一步地，使用者A還可以在該使用者介面添加設置在使用者A家裡的採集終端為200A~200D，設置在使用者A的辦公室的採集終端200E~200H。使用者A還可以在該使用者介面設置各個採集終端200A~200H的屬性及根據各個採集終端200A~200H之間的關聯設置一個或複數關聯集群，所述每一關聯集群包含複數採集終端。在本實施方式中，所述採集終端200A、200E為溫度感測器，用於採集所處環境的溫度；採集終端200B、200F為攝像頭，用於採集所在區域是否有人或採集周圍環境資料；採集終端200C、200G為時鐘，用於即時採集時間；採集終端200D為電視遙控器，用於採集電視所處的狀態(例如關閉或開啟)；採集終端200H為空調遙控器，用於採集空調所處的狀態(例如關閉或開啟、空調問題等)。此外，使用者A還可以根據自己的實際需求設置更多的採集終端對家裡或辦公室的其他狀態進行採集，並不僅限於本實施方式中的電視機、空調等。在本實施方式中，使用者A建立的關聯集群1包括關聯的採集終端200B~200D、關聯集群2包括關聯的採集終端200E、200F及200H。
同樣地，使用者a也可以在其使用者終端300a上的使用者介面添加設置在使用者a家裡的採集終端200a~200d，設置在使用者a辦公室的採集終端200e~200h以及設置各個採集終端200a~200h的屬性及其組成的一個或複數關聯集群等。
所述關聯模組12獲取使用者在所述使用者介面上的設置，根據使用者設置的關聯集群建立一關聯表並儲存於所述記憶體20中。在本實施方式中，所述關聯模組12將使用者A設置的所述關聯集群1、2建立一關聯表或添加至已有的關聯表中。
所述獲取模組13獲取每一採集終端200A~200H、200a~200h採集到的資料。在本實施方式中，所述獲取模組13每隔一預設時間獲取每一採集終端200A~200H、200a~200h採集的資料。
所述分析模組14對每一關聯集群中的採集終端200A~200H、200a~200h採集到的資料進行分析並確定該關聯集群中的至少一觸發條件及至少一觸發結果，其中，每一觸發條件對應一觸發結果。在本實施方式中，所述分析模組14根據統計原理對所述獲取模組13目前時刻獲取到的資料以及先前時刻獲取到的資料進行分析，然後確定每一關聯集群中的至少一觸發條件及至少一觸發結果。如圖4所示，是本發明一實施方式中的資料分析的示意圖。所述分析模組14根據所述採集終端200B~200D採集到的多項資料進行分析，最後確定觸發條件為：200B採集到有人及200C採集到時間為19：00；觸發結果為：200D開啟，即19：00家裡有人時，電視機開啟。所述分析模組14根據所述採集終端200E、200F及200H採集到的多項資料進行分析，最後確定的觸發條件為：200E採集溫度為28℃以上且200F採集到有人；觸發結果為：200G開啟，及當辦公室有人且溫度在28℃以上時，空調開啟。
當一關聯集群中的採集終端採集到的資料符合該關聯集群中的一觸發條件時，所述學習模組15根據該觸發條件對應的觸發結果提供一指導建議或發送一控制指令控制對應的採集終端執行該觸發條件對應的觸發結果。
具體地，所述學習模組15會根據所述分析模組14確定的該關聯集群的觸發條件及觸發結果對該關聯集群或其他與該關聯集群類似的關聯集群給出以下指導建議或控制。
所述學習模組15對使用者的一些行為習慣進行學習，並根據學習結果給該使用者自己提供相應的指導建議或控制。舉例而言，如果所述分析模組14分析到一使用者A每天晚上七點在家的時候會開啟電視機，當採集終端採集到的狀態為晚上七點且家裡有人時，所述學習模組15會根據所述分析模組14的分析結果發送一資訊指導或建議該使用者A開啟電視機，或者直接發送一控制信號控制電視機開啟。具體地，如果當使用者A設置的所述關聯集群1中的採集終端200B採集到有人且200C採集到的時間為19：00時，所述學習模組15根據該觸發條件對應的觸發結果(200D開啟)發送一指導建議至使用者A的使用者終端300A建議使用者A開啟電視(如發送一內容為“您每天晚上七點都會開啟電視機，現在是晚上時間七點，為了避免錯過您喜歡的電視節目，建議現 在開啟電視機”至使用者A的使用者終端300A)或發送一控制指令至採集終端200D控制其開啟電視機。
此外，所述學習模組15還會對使用者的一些行為習慣進行學習，並根據學習結果對其他使用者提供相應的指導建議或控制。例如，如果所述分析模組14分析到一使用者A每天在辦公室且辦公室溫度高於28℃時就會開啟空調，當另一使用者a設置的採集終端採集到的狀態為該使用者a在辦公室且辦公室溫度高於28℃時，所述學習模組15會根據所述分析模組14分析的所述使用者A的行為習慣給使用者a提供一些指導建議以供其參考或直接控制使用者a辦公室的空調開啟，如發送一內容為“使用者A每天在辦公室溫度高於28℃時就會開啟空調，您現在辦公室溫度高於28℃，為了提高您的辦公舒適度，建議開啟空調”的資訊至使用者a的使用者終端300a或直接發送一控制指令控制使用者a辦公室的空調200h開啟。
請參閱圖5，是本發明一實施方式中行為分析學習方法5的步驟流程圖。根據不同的需求，圖5所示的流程圖中步驟的執行順序可以改變，某些步驟可以省略。
步驟S501，在使用者終端提供一使用者介面供使用者設置許可權使用者、添加採集終端及根據各個採集終端之間的關聯設置一個或複數關聯集群。
步驟S502，根據使用者設置的關聯集群建立一關聯表並儲存於一記憶體中。
步驟S503，獲取每一採集終端採集到的資料。在本實施方式中，所述行為分析學習方法5每隔一預設時間獲取每一採集終端採集到的資料。
步驟S504，對每一關聯集群中的採集終端採集到的資料進行分析並確定該關聯集群中的至少一觸發條件及至少一觸發結果，其中，每一觸發條件對應一觸發結果。
步驟S505，如果一關聯集群中的採集終端採集到的資料符合該關聯集群中的一觸發條件，根據該觸發條件對應的觸發結果提供一指導建議或發送一控制指令控制對應的採集終端執行該觸發條件對應的觸發結果。
本發明的行為分析學習系統及方法藉由對採集終端採集到的資料進行分析，進而確定使用者設置的每一關聯集群中的至少一觸發條件及觸發結果，然後根據該確定的觸發條件及觸發結果給使用者自己或其他使用者提供相 應的指導建議或直接控制對應的控制終端執行該對應的觸發結果，實現對使用者生活或工作更加靈活全面且智慧化的管理，給使用者提供了很大的方便。
最後應該說明的是，以上實施例僅用以說明本發明的技術方案而限制，儘管參照較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或等同替換，而不脫離本發明技術方案的精神和範圍。

Claims (10)

  1. 一種行為分析學習系統，其可安裝並運行於一伺服器中，所述伺服器與複數採集終端進行通訊連接，其改良在於，所述系統包括：一關聯模組，用於建立一關聯表並儲存於一記憶體中，所述關聯表包括複數關聯集群，所述關聯集群包括複數採集終端之間的關聯；一獲取模組，用於獲取每一採集終端採集到的資料；一分析模組，用於對每一關聯集群中的採集終端採集到的資料進行分析並確定該關聯集群中的至少一觸發條件及至少一觸發結果，其中，每一觸發條件對應一觸發結果，其中，所述每一關聯集群中的採集終端採集到的資料包括溫度感測器所採集的所處環境的溫度，攝像頭所採集的所在區域是否有人，以及空調遙控器所採集的空調所處的狀態；及一學習模組，用於當一關聯集群中的採集終端採集到的資料符合該關聯集群中的一觸發條件時，根據該觸發條件對應的觸發結果提供一指導建議或發送一控制指令控制對應的採集終端執行該觸發條件對應的觸發結果。
  2. 如申請專利範圍第1項所述之行為分析學習系統，其中，還包括一設置模組，用於在一使用者終端提供一使用者介面供使用者添加採集終端及根據與該使用者相關的採集終端之間的關聯設置關聯集群，所述關聯模組獲取使用者設置的關聯集群並添加至關聯表中。
  3. 如申請專利範圍第1項所述之行為分析學習系統，其中，還包括一設置模組，用於在一使用者終端提供一使用者介面供使用者設置許可權使用者。
  4. 如申請專利範圍第1項所述之行為分析學習系統，其中，所述獲取模組每隔一預設時間獲取每一採集終端採集的資料；所述分析模組對獲取模組目前時刻獲取到的資料以及先前時刻獲取到的資料進行分析，然後確定每一關聯集群中的至少一觸發條件及至少一觸發結果。
  5. 如申請專利範圍第4項所述之行為分析學習系統，其中，所述分析模組根據統計原理對獲取到的資料進行分析。
  6. 一種行為分析學習方法，其可應用於一伺服器中，所述伺服器與複數採集終端進行通訊連接，其改良在於，所述方法包括：關聯步驟：建立一關聯表並儲存於一記憶體中，所述關聯表包括複數關聯集群，所述關聯集群包括複數採集終端之間的關聯；獲取步驟：獲取每一採集終端採集到的資料；分析步驟：對每一關聯集群中的採集終端採集到的資料進行分析並確定該關聯集群中的至少一觸發條件及至少一觸發結果，其中，每一觸發條件對應一觸發結果，其中，所述每一關聯集群中的採集終端採集到的資料包括溫度感測器所採集的所處環境的溫度，攝像頭所採集的所在區域是否有人，以及空調遙控器所採集的空調所處的狀態；及學習步驟：如果一關聯集群中的採集終端採集到的資料符合該關聯集群中的一觸發條件，根據該觸發條件對應的觸發結果提供一指導建議或發送一控制指令控制對應的採集終端執行該觸發條件對應的觸發結果。
  7. 如申請專利範圍第6項所述之行為分析學習方法，其中，所述關聯步驟前還包括一設置步驟，所述設置步驟為：在一使用者終端提供一使用者介面供使用者添加採集終端及根據與該使用者相關的採集終端之間的關聯設置關聯集群；所述關聯步驟為：獲取使用者設置的關聯集群並添加至關聯表中。
  8. 如申請專利範圍第6項所述之行為分析學習方法，其中，還包括一設置步驟：在一使用者終端提供一使用者介面供使用者設置許可權使用者。
  9. 如申請專利範圍第6項所述之行為分析學習方法，其中，所述獲取步驟為：每隔一預設時間獲取每一採集終端採集的資料；所述分析步驟具體為：對目前時刻獲取到的資料以前先前時刻獲取到的資料進行分析，然後確定每一關聯集群中的一觸發條件及至少一觸發結果。
  10. 如申請專利範圍第9項所述之行為分析學習方法，其中，所述分析步驟根據統計原理對獲取到的資料進行分析。
TW104144123A 2015-12-03 2015-12-28 行為分析學習系統及方法 TWI671693B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201510875534.3A CN106842908A (zh) 2015-12-03 2015-12-03 行为分析学习系统及方法
??201510875534.3 2015-12-03

Publications (2)

Publication Number Publication Date
TW201725541A TW201725541A (zh) 2017-07-16
TWI671693B true TWI671693B (zh) 2019-09-11

Family

ID=58798420

Family Applications (1)

Application Number Title Priority Date Filing Date
TW104144123A TWI671693B (zh) 2015-12-03 2015-12-28 行為分析學習系統及方法

Country Status (3)

Country Link
US (1) US20170161636A1 (zh)
CN (1) CN106842908A (zh)
TW (1) TWI671693B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109636688A (zh) * 2018-12-11 2019-04-16 武汉文都创新教育研究院（有限合伙） 一种基于大数据的学生行为分析系统
CN110334129A (zh) * 2019-07-08 2019-10-15 国家电网有限公司 学习行为分析方法、装置及存储介质
CN113516447B (zh) * 2021-05-21 2024-04-23 陕西迅税通智能科技有限公司 基于计算机输出财税推理匹配结果的电子装置及方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150019553A1 (en) * 2013-07-11 2015-01-15 Neura, Inc. Data consolidation mechanisms for internet of things integration platform
US20160147402A1 (en) * 2014-11-24 2016-05-26 C-Labs Corporation Method for dynamic and automatic creation of user interfaces

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101782768A (zh) * 2010-02-09 2010-07-21 华南理工大学 一种基于上下文感知的智能家居系统
CN102927660B (zh) * 2012-11-30 2014-09-10 四川长虹电器股份有限公司 基于自适应温控技术的智能空调控制方法及系统
US9521239B2 (en) * 2014-04-24 2016-12-13 Samsung Electronics Co., Ltd. Apparatus and method for automatic discovery and suggesting personalized gesture control based on user's habit and context
US10102738B2 (en) * 2014-09-30 2018-10-16 Henry's Products Llc Portable security device
CN104808499B (zh) * 2015-03-09 2019-01-15 联想(北京)有限公司 一种基于联动规则控制智能家居设备的方法及控制装置
KR102354943B1 (ko) * 2015-05-20 2022-01-25 삼성전자주식회사 전자 장치가 외부 기기를 제어하는 방법 및 상기 전자 장치
CN105116735A (zh) * 2015-06-27 2015-12-02 广东天际电器股份有限公司 一种智能小家电系统及其应用
CN105093947A (zh) * 2015-07-13 2015-11-25 小米科技有限责任公司 智能设备控制方法和装置
CN105094093B (zh) * 2015-07-30 2018-09-25 四川长虹电器股份有限公司 一种智能家居控制方法及控制中心

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150019553A1 (en) * 2013-07-11 2015-01-15 Neura, Inc. Data consolidation mechanisms for internet of things integration platform
US20160147402A1 (en) * 2014-11-24 2016-05-26 C-Labs Corporation Method for dynamic and automatic creation of user interfaces

Also Published As

Publication number Publication date
TW201725541A (zh) 2017-07-16
CN106842908A (zh) 2017-06-13
US20170161636A1 (en) 2017-06-08

Similar Documents

Publication Publication Date Title
CN113412457B (zh) 场景推送方法、装置、系统、电子设备以及存储介质
Lu IoT-enabled adaptive context-aware and playful cyber-physical system for everyday energy savings
US20190058985A1 (en) Methods and Apparatus for Using Smart Environment Devices Via Application Program Interfaces
US10057079B2 (en) Wireless building automation
US20170220940A1 (en) Interoperability mechanisms for internet of things integration platform
US10181960B2 (en) Method and apparatus for configuring and recommending device action using user context
KR102060573B1 (ko) 개방식 감시 시스템 및 그 조작 방법
TWI486893B (zh) 在社群網路中分享群組狀態的系統及其方法
CN105404385B (zh) 一种智能显示终端与体感设备实现数据交互的方法及装置
CN110308661B (zh) 基于机器学习的智能设备控制方法及装置
TW201636887A (zh) 智慧控制裝置與系統
KR20150028191A (ko) 사용자 컨텍스트를 이용한 디바이스 동작의 설정 및 추천 방법 및 장치
KR20180072468A (ko) 빅데이터기반 사용자의 지능형 냉방 및 난방 서비스 제공 방법
TWI671693B (zh) 行為分析學習系統及方法
CN107306383B (zh) 推定操作者的方法、装置以及记录介质
TWI594636B (zh) 智慧家電控制系統及方法
US10778516B2 (en) Determination of a next state of multiple IoT devices within an environment
KR102626524B1 (ko) 시스템의 상태를 수집하고 분석하는 시스템 및 방법
EP4330931A1 (en) Systems and methods for on-device person recognition and provision of intelligent alerts
TWI677833B (zh) 個性化定制系統及方法
CN110737200A (zh) 一种智能衣柜运行系统及方法
US20190317662A1 (en) Information providing method and electronic device supporting same
CN116184851A (zh) 一种睡眠模式调节方法、装置、终端及存储介质
CN104155943A (zh) 基于Android的室内微环境感知及家电控制方法
CN104102618A (zh) 存在感知信息系统