本发明涉及数据处理,具体而言,涉及一种智慧家居的设备特征确定方法及系统。
背景技术:
1、智慧家居是在物联网的影响之下通过物联化来体现。智慧家居通过物联网技术将家中的各种设备(如音视频设备、照明系统、窗帘控制、空调控制、安防系统、数字影院系统、网络家电以及三表抄送等)连接到一起,提供家电控制、照明控制、窗帘控制、电话远程控制、室内外遥控、防盗报警、环境监测、暖通控制、红外转发以及可编程定时控制等多种功能和手段。与普通家居相比,智慧家居不仅具有传统的居住功能,兼备建筑、网络通信、信息家电、设备自动化,集系统、结构、服务、管理为一体的高效、舒适、安全、便利、环保的居住环境,提供全方位的信息交互功能,帮助家庭与外部保持信息交流畅通,优化人们的生活方式,帮助人们有效安排时间,增强家居生活的安全性,甚至为各种能源费用节约资金。
2、其中,在智慧家居的应用中,基于一些需求,需要对智慧家居设备进行分析,以确定出智慧家居设备对应的设备特征种类信息,即设备分类标识,但是,在现有技术中,存在设备特征种类确定的可靠度不高的问题。
技术实现思路
1、有鉴于此,本发明的目的在于提供一种智慧家居的设备特征确定方法及系统,以提高设备特征种类确定的可靠度。
2、为实现上述目的,本发明实施例采用如下技术方案:
3、一种智慧家居的设备特征确定方法,包括:
4、挖掘出待确定智慧家居设备对应的运行行为描述向量,并挖掘出参考智慧家居设备对应的参考运行行为描述向量;
5、依据所述参考智慧家居设备对应的参考运行行为描述向量,将多个所述参考智慧家居设备进行分类操作,以形成对应的至少一个参考设备集合,所述至少一个参考设备集合中的任意一个参考设备集合包括具有一样的设备特征种类信息的至少一个参考智慧家居设备;
6、基于包括的参考智慧家居设备对应的参考运行行为描述向量,分析出每一个所述参考设备集合对应的种类设备行为描述向量;
7、依据所述种类设备行为描述向量和所述待确定智慧家居设备对应的运行行为描述向量,在所述至少一个参考设备集合中,分析出与所述待确定智慧家居设备之间最匹配的参考设备集合,以及,将该参考设备集合标记为对应的匹配参考设备集合;
8、对所述匹配参考设备集合对应的设备特征种类信息进行标记处理,以标记为所述待确定智慧家居设备对应的设备特征种类信息。
9、在一些优选的实施例中,在上述智慧家居的设备特征确定方法中,在所述挖掘出待确定智慧家居设备对应的运行行为描述向量,并挖掘出参考智慧家居设备对应的参考运行行为描述向量的步骤之前,所述智慧家居的设备特征确定方法,还包括:
10、采集到参考智慧家居设备对应的多角度设备运行行为数据,并确定出所述参考智慧家居设备对应的设备特征种类信息;
11、将所述参考智慧家居设备对应的多角度设备运行行为数据进行关键信息挖掘,输出所述参考智慧家居设备对应的运行行为描述向量;
12、通过典型设备运行行为数据,将初始神经网络进行更新操作,输出对应的候选神经网络,所述典型设备运行行为数据包括所述参考智慧家居设备对应的运行行为描述向量和对应的设备特征种类信息;
13、将所述候选神经网络进行网络可靠度的分析操作,以输出所述候选神经网络对应的网络可靠度表征参数;
14、在所述网络可靠度表征参数大于或等于预先配置的参考可靠度表征参数的情况下,对所述候选神经网络进行标记处理,以标记为对应的运行行为分析神经网络。
15、在一些优选的实施例中,在上述智慧家居的设备特征确定方法中,所述依据所述种类设备行为描述向量和所述待确定智慧家居设备对应的运行行为描述向量,在所述至少一个参考设备集合中,分析出与所述待确定智慧家居设备之间最匹配的参考设备集合,以及,将该参考设备集合标记为对应的匹配参考设备集合的步骤,包括:
16、依据对应的所述种类设备行为描述向量和所述待确定智慧家居设备的运行行为描述向量,通过所述运行行为分析神经网络,在所述至少一个参考设备集合中,分析出与所述待确定智慧家居设备之间最匹配的参考设备集合;
17、将最匹配的参考设备集合标记为对应的匹配参考设备集合。
18、在一些优选的实施例中,在上述智慧家居的设备特征确定方法中,所述依据对应的所述种类设备行为描述向量和所述待确定智慧家居设备的运行行为描述向量,通过所述运行行为分析神经网络,在所述至少一个参考设备集合中,分析出与所述待确定智慧家居设备之间最匹配的参考设备集合的步骤,包括:
19、通过所述运行行为分析神经网络,依据所述种类设备行为描述向量,分析出所述参考设备集合对应的自身聚焦特征分析结果和所述参考设备集合对应的关联聚焦特征分析结果;
20、基于所述种类设备行为描述向量对应的关联聚焦特征分析结果和自身聚焦特征分析结果,分析出所述种类设备行为描述向量和所述待确定智慧家居设备对应的运行行为描述向量之间的向量匹配参数;
21、基于所述向量匹配参数,在所述至少一个参考设备集合中,分析出与所述待确定智慧家居设备之间最匹配的参考设备集合。
22、在一些优选的实施例中,在上述智慧家居的设备特征确定方法中,所述通过所述运行行为分析神经网络,依据所述种类设备行为描述向量,分析出所述参考设备集合对应的自身聚焦特征分析结果和对应的关联聚焦特征分析结果的步骤,包括:
23、通过所述运行行为分析神经网络,依据所述参考设备集合对应的所述种类设备行为描述向量,分析出自身聚焦特征分析结果;
24、通过所述运行行为分析神经网络,依据所述待确定智慧家居设备对应的运行行为描述向量和所述参考设备集合对应的每一个所述种类设备行为描述向量,分析出每一个所述参考设备集合的关联聚焦特征分析结果。
25、在一些优选的实施例中,在上述智慧家居的设备特征确定方法中,所述通过所述运行行为分析神经网络,依据所述待确定智慧家居设备对应的运行行为描述向量和所述参考设备集合对应的每一个所述种类设备行为描述向量,分析出每一个所述参考设备集合的关联聚焦特征分析结果的步骤,包括:
26、基于所述运行行为分析神经网络包括的第一参数分布,对所述待确定智慧家居设备对应的运行行为描述向量进行加权处理,以输出对应的加权运行行为描述向量,以及,对于每一个所述参考设备集合,对该参考设备集合对应的种类设备行为描述向量进行向量参数的行列调换操作,以输出对应的调换设备行为描述向量;
27、对于每一个所述参考设备集合,对该参考设备集合对应的调换设备行为描述向量和所述待确定智慧家居设备对应的加权运行行为描述向量进行相乘处理,并对相乘处理的结果进行激励映射处理,以输出该参考设备集合对应的激励映射描述向量,以及,对该参考设备集合对应的种类设备行为描述向量和该激励映射描述向量进行相乘处理,以输出该参考设备集合对应的关联聚焦特征分析结果。
28、在一些优选的实施例中,在上述智慧家居的设备特征确定方法中,所述通过所述运行行为分析神经网络,依据所述参考设备集合对应的所述种类设备行为描述向量,分析出自身聚焦特征分析结果的步骤,包括:
29、将任意一个所述参考设备集合作为第一参考设备集合;
30、基于所述运行行为分析神经网络包括的第二参数分布矩阵,将所述第一参考设备集合对应的种类设备行为描述向量进行加权处理,以输出对应的加权种类行为描述向量;
31、对所述第一参考设备集合对应的种类设备行为描述向量进行向量参数的行列调换操作,以输出对应的调换种类行为描述向量;
32、对所述加权种类行为描述向量进行第一激励映射处理,以输出所述第一参考设备集合对应的第一激励映射描述向量,以及,对所述调换种类行为描述向量和所述第一激励映射描述向量进行相乘处理,对相乘处理的结果进行第二激励映射处理,以输出对应的第二激励映射描述向量,所述第一激励映射处理不同于所述第二激励映射处理;
33、对所述第一参考设备集合对应的种类设备行为描述向量和对应的第二激励映射描述向量进行相乘处理,以输出所述第一参考设备集合对应的自身聚焦特征分析结果。
34、在一些优选的实施例中,在上述智慧家居的设备特征确定方法中,所述挖掘出待确定智慧家居设备对应的运行行为描述向量的步骤,包括:
35、采集到所述待确定智慧家居设备的多角度设备运行行为数据;
36、将所述待确定智慧家居设备对应的所述多角度设备运行行为数据进行关键信息挖掘操作,以输出所述待确定智慧家居设备的多个角度的运行行为描述向量;
37、将所述待确定智慧家居设备对应的多个角度的运行行为描述向量进行向量的级联组合处理,以输出所述待确定智慧家居设备对应的运行行为描述向量。
38、本发明实施例还提供一种智慧家居的设备特征确定系统,包括:
39、描述向量挖掘模块,用于挖掘出待确定智慧家居设备对应的运行行为描述向量,并挖掘出参考智慧家居设备对应的参考运行行为描述向量;
40、设备分类模块,用于依据所述参考智慧家居设备对应的参考运行行为描述向量,将多个所述参考智慧家居设备进行分类操作,以形成对应的至少一个参考设备集合,所述至少一个参考设备集合中的任意一个参考设备集合包括具有一样的设备特征种类信息的至少一个参考智慧家居设备;
41、种类向量确定模块,用于基于包括的参考智慧家居设备对应的参考运行行为描述向量,分析出每一个所述参考设备集合对应的种类设备行为描述向量;
42、匹配集合确定模块,用于依据所述种类设备行为描述向量和所述待确定智慧家居设备对应的运行行为描述向量,在所述至少一个参考设备集合中,分析出与所述待确定智慧家居设备之间最匹配的参考设备集合,以及,将该参考设备集合标记为对应的匹配参考设备集合;
43、设备特征种类确定模块,用于对所述匹配参考设备集合对应的设备特征种类信息进行标记处理,以标记为所述待确定智慧家居设备对应的设备特征种类信息。
44、在一些优选的实施例中,在上述智慧家居的设备特征确定系统中,所述设备特征确定系统还包括至少一个其它功能模块,用于:
45、采集到参考智慧家居设备对应的多角度设备运行行为数据,并确定出所述参考智慧家居设备对应的设备特征种类信息;
46、将所述参考智慧家居设备对应的多角度设备运行行为数据进行关键信息挖掘,输出所述参考智慧家居设备对应的运行行为描述向量;
47、通过典型设备运行行为数据,将初始神经网络进行更新操作,输出对应的候选神经网络,所述典型设备运行行为数据包括所述参考智慧家居设备对应的运行行为描述向量和对应的设备特征种类信息;
48、将所述候选神经网络进行网络可靠度的分析操作,以输出所述候选神经网络对应的网络可靠度表征参数;
49、在所述网络可靠度表征参数大于或等于预先配置的参考可靠度表征参数的情况下,对所述候选神经网络进行标记处理,以标记为对应的运行行为分析神经网络。
50、本发明实施例提供的一种智慧家居的设备特征确定方法及系统,可以依据参考智慧家居设备对应的参考运行行为描述向量,将多个参考智慧家居设备进行分类操作,以形成至少一个参考设备集合;分析出每一个参考设备集合对应的种类设备行为描述向量;依据种类设备行为描述向量和待确定智慧家居设备对应的运行行为描述向量,分析出与待确定智慧家居设备之间最匹配的参考设备集合,以及,将该参考设备集合标记为对应的匹配参考设备集合;对匹配参考设备集合对应的设备特征种类信息进行标记处理,以标记为待确定智慧家居设备对应的设备特征种类信息。基于前述的内容,一方面由于是与参考设备集合对应的种类设备行为描述向量进行匹配分析,使得依据更为充分,以提高设备特征种类确定的可靠度,另外,还可以降低匹配分析的数量,使得效率更高。
51、为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。