基于物联网的智能家居远程控制方法与流程

本发明一般地涉及数据处理领域。更具体地，本发明涉及基于物联网的智能家居远程控制方法。

背景技术：

1、智能家居系统的远程控制使用户能够随时随地监控和管理家庭设备，提高生活的便捷性。同时，物联网技术的迅速发展为智能家居提供了技术基础，各种传感器、嵌入式设备和通信技术的进步使得设备之间能够互联互通，实现智能化和远程控制。而云计算的兴起也为智能家居系统提供了强大的数据存储和处理能力，使得用户能够通过云端服务实现对家居设备的远程管理和控制，如温度、照明等，提高居住舒适度。同时，智能家居系统的远程监控功能有助于提高家庭安全性，例如通过烟雾传感器及时发现火灾风险。面临能源紧缺和环境保护压力时，智能家居系统可以通过远程监控和调控，实现更有效的能源利用，降低能耗。

2、在对智能家居进行远程控制时，一般依据对室内相关数据进行监测来实现对智能家居的远程控制，当识别到室内相关数据发生异常时智能家居可直接采取相应手段对其进行控制，例如，当室内温度过高时，智能空调可提醒用户对室内温度进行降低或者停止其运行，以避免事故灾害的发生。

3、目前对室内温度数据进行异常数据识别通常会使用孤立森林算法，但是孤立森林算法中，分裂值的选取多为随机数据，此时分裂值选取的随机性会影响到异常数据识别的效率，从而会导致异常数据识别误报。

技术实现思路

1、为解决上述一个或多个技术问题，本发明提出对数据进行分析获得最优分裂阈值，以提高对异常数据的识别效率本申请没有多个方面。

2、基于物联网的智能家居远程控制方法，包括：采集室内温度数据，其中，所述室内温度数据基于时序进行数据采集；根据所述室内温度数据设置初始分段序列，对每一个所述初始分段序列设置固定个数的分段数据，将初始分段序列中目标数据序列的后续数据加入所述目标数据序列中，计算所述目标数据序列的方差作为目标数据序列的变化值，基于所述变化值进行分类，得到多个显著分段序列；对所述显著分段序列中每一样本数据进行最小二乘拟合，得到每一样本数据的数据特征，计算每一样本数据作为分裂值时两类样本数据集的差异值；根据所述数据特征和差异值，得到显著分段序列中每一样本数据的特征程度值，计算显著分段序列中最大的特征程度值作为分裂值的评价指标，进而获得最优分裂值，对多个所述显著分段序列进行遍历，得到每个显著分段序列对应的最优分裂值；基于所述最优分裂值进行二叉树的搭建；根据所述二叉树获得显著分段序列内的异常数据，计算所述异常数据的异常程度值，响应于异常程度值大于预设异常阈值，控制智能家居停止运行。

3、在一个实施例中，计算所述目标数据序列的方差作为目标数据序列的变化值，基于所述变化值进行分类，得到多个显著分段序列，包括：

4、所述目标数据序列的变化值满足下述关系式：

5、

6、式中，表示后续数据加入目标数据序列后的变化值，表示目标数据序列内的数据方差，表示后续数据加入目标数据序列后的数据方差，表示归一化函数，表示与差值的绝对值。

7、响应于所述变化值大于预设变化阈值时，判定后续数据不能加入目标数据序列，将所述后续数据为起始进行下一分段，得到多个显著分段序列。

8、在一个实施例中，每一样本数据的数据特征，满足下述关系式：

9、

10、式中，表示显著分段序列中样本数据的数据特征，表示样本数据不参与显著分段序列内整体数据拟合时的残差，表示样本数据参与显著分段序列内整体数据拟合时的残差，表示样本数据在显著分段序列内出现的频率，表示样本数据在显著分段序列内的数值，表示样本数据在显著分段序列的整体数据均值，表示归一化函数，表示与差值的绝对值，表示与差值的绝对值。

11、在一个实施例中，计算每一样本数据作为分裂值时两类样本数据集的差异值，包括：

12、根据所述显著分段序列内样本数据的个数和样本数据的数据特征的信息熵作为权重，计算两类样本数据集的差异值；

13、所述样本数据作为分裂值时两类样本数据集的差异值，满足下列多项式：

14、

15、

16、

17、式中，表示样本数据作为分裂值时显著分段序列中小于分裂值的样本数据集的信息熵，表示显著分段序列中小于分裂值的样本数据集的个数，表示样本数据所在显著分段序列中数据个数，表示样本数据集在方差变化中的权重；表示样本数据作为分裂值时显著分段序列中大于分裂值的样本数据集的信息熵，表示显著分段序列中大于分裂值的样本数据集的个数，表示样本数据集在方差变化中的权重，表示指数函数；表示样本数据作为分裂值时两类样本数据集的差异，表示样本数据所在显著分段序列的方差，表示样本数据集的方差，表示样本数据集的方差。

18、在一个实施例中，根据所述数据特征和差异值，得到显著分段序列中每一样本数据的特征程度值，包括：

19、所述样本数据的特征程度值，满足下述关系式：

20、

21、式中，表示显著分段序列中第个样本数据的特征程度值，表示显著分段序列中第个样本数据的数据特征，表示样本数据作为分裂值时两类样本数据集的差异。

22、在一个实施例中，计算所述异常数据的异常程度值，满足下述关系式：

23、

24、式中，表示当前异常数据的异常程度值，表示当前异常数据的数值，表示当前异常数据所处分段内其余数据的数值，表示当前异常数据所处分段内数据个数，表示归一化函数，表示与差值的绝对值。

25、在一个实施例中，根据所述异常数据的异常程度值控制调节智能家居的运行状态，包括：

26、响应于所述异常程度值大于预设异常阈值，则智能家居发出异常警示，控制家具停止运行。

27、本发明具有以下效果：

28、1.本发明通过对分裂值的遍历，选择最优的分裂点将数据集划分为样本数据集，使得在构建树的过程中，异常值更有可能被划分到子树的较小分支，从而在树的结构中更早被定位，有助于提高孤立森林对异常值的敏感度。

29、2.本发明通过获得样本数据的分裂值评价指标时，从样本数据本身以及样本数据所划分的两类样本数据集之间的差异进行分析，进行分段处理，可以更好地捕捉室内温度数据的局部异常，提高对动态变化的敏感性，有助于实现实时监测，及时发现和应对数据中的异常情况，从而使智能家居远程控制系统更可靠和智能，提高样本数据分裂值评价指标结果的准确性。

技术特征：

1.基于物联网的智能家居远程控制方法，其特征在于，包括：

2.根据权利要求1所述的基于物联网的智能家居远程控制方法，其特征在于，计算所述目标数据序列的方差作为目标数据序列的变化值，基于所述变化值进行分类，得到多个显著分段序列，包括：

3.根据权利要求1所述的基于物联网的智能家居远程控制方法，其特征在于，每一样本数据的数据特征，满足下述关系式：

4.根据权利要求1所述的基于物联网的智能家居远程控制方法，其特征在于，计算每一样本数据作为分裂值时两类样本数据集的差异值，包括：

5.根据权利要求1所述的基于物联网的智能家居远程控制方法，其特征在于，根据所述数据特征和差异值，得到显著分段序列中每一样本数据的特征程度值，包括：

6.根据权利要求1所述的基于物联网的智能家居远程控制方法，其特征在于，计算所述异常数据的异常程度值，满足下述关系式：

7.根据权利要求1所述的基于物联网的智能家居远程控制方法，其特征在于，根据所述异常数据的异常程度值控制调节智能家居的运行状态，包括：

技术总结
本发明涉及数据处理领域，更具体地，本发明涉及基于物联网的智能家居远程控制方法，方法包括：采集室内温度数据，并设置初始分段序列，将初始分段序列中目标数据序列的后续数据加入目标数据序列中，计算目标数据序列的变化值并进行分类，得到多个显著分段序列，对显著分段序列中计算每一样本数据的数据特征和差异值；根据数据特征和差异值得到每一样本数据的特征程度值，进而获得最优分裂值，基于最优分裂值进行二叉树的搭建，获得异常数据的异常程度值控制调节智能家居的运行状态。本发明通过对分裂值的遍历，选择最优的分裂点将数据集划分为样本数据集，提高样本数据分裂值的评价指标结果的准确性。

技术研发人员：王一鹏,王军,王一飞
受保护的技术使用者：山西顺达胜业通信工程有限公司
技术研发日：
技术公布日：2024/4/29