每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息。
[0142]其中，所述属性信息至少包括:衣物类型、衣物成分。
[0143]利用确定的衣物的标识，从衣物数据库中依次匹配出每件衣物的衣物类型、衣物成分等属性信息。
[0144]其中，衣物数据库可以位于云服务器中，以便于根据用户的使用情况进行云端连接并更新。衣物数据库中存储有多件衣物的属性信息，包括:衣物类型(内衣、上衣、裤子、裙子、外套、袜子、床上用品、鞋、帽子、包、其他)、衣物标识、衣物成分(衣物面料类型以及所在百分比)、洗涤水温、洗涤次数等。
[0145]可选地，该衣物数据库可以根据用户的需求进行添加、删除、修改、查询等操作。例如:添加新的衣物的属性信息，或者，为已添加的衣物的属性信息中的衣物标识或衣物成分进行修改。其中，本发明提供了三种主要的属性信息添加方式:
[0146]方式一，通过用户手动输入的方式添加;例如，首先，在终端上输入相关衣物的属性信息，或者从衣物的属性信息列表中选择相关衣物的属性信息，然后发送给云服务器进行分类存储。
[0147]方式二，通过扫描衣物的条形码或二维码的方式添加，例如，利用终端的扫描功能，对衣物上携带的条形码或二维码进行扫描，通过解析二维码或条形码信息从网络检索或爬取相关衣物的属性信息，然后发送给云服务器进行分类存储。
[0148]方式三，通过拍摄、识别衣物标签的方式添加，例如，可以通过终端的摄像头拍摄衣物上的标签，利用图像识别解析技术，提取相关衣物的属性信息，然后发送给云服务器进行分类存储。
[0149]本发明并不对具体的添加方式进行限定。
[0150]步骤23:根据匹配出的每件衣物的属性信息，确定针对所述多件待洗涤衣物的洗衣策略。
[0151]其中，所述洗衣策略至少包括:洗涤分组数以及每个洗涤分组中包含衣物对应的标识，以及与各个洗涤分组对应的洗涤模式。
[0152]可选地，由于衣物的质地以及类型不同，因此，有些衣物不宜混洗，例如，根据用户的个人习惯，鞋子不宜与其他衣物混洗，包也不宜与其他衣物混洗，更不能和鞋子混洗，以免在实际的衣物洗涤过程中，对贴身衣物造成损坏和污染。在本发明实施例中，步骤23可具体执行为以下步骤:
[0153]第一步，根据匹配出的每件衣物的属性信息，检测多件待洗涤衣物中是否存在不宜混洗的衣物;若存在，则跳转至第二步，否则，跳转至第三步。
[0154]其中，不宜混洗、且必须单独洗涤的衣物为:内衣、床上用品、鞋子、包，这四类衣物不建议与其他衣物混洗，也不建议相互之间混洗，最好单独洗涤，例如:多件内衣同时洗涤，或者多双鞋子同时洗涤。
[0155]可选地，在本发明实施例中，不宜混洗的衣物还可以包括:掉色的衣物。其中，掉色的衣物可以根据多种方式认定，一般情况下，可以从衣物标签上获知，用户也可以根据自己的需求进行编辑定义，还可以根据成分推测认定。例如:针对一堆待洗涤衣物，其中颜色较深的可以认定为容易掉色的衣物，颜色较浅的可以认定为不容易掉色的衣物。针对容易掉色的衣物，可以将这些衣物单独分组，并根据这些衣物的材质以及类型确定合适的洗涤模式。
[0156]在实际的检测过程中，可以根据各件衣物的属性信息，例如:根据衣物的名称检测衣物中是否存在不宜混洗的衣物。另外，还可以根据衣物的颜色，从中匹配出大于色域阈值的衣物，并分组单独洗涤。具体地检测条件可根据用户的需求灵活设置。
[0157]第二步，为不宜混洗的衣物确定洗衣策略；以及，将所述多件待洗涤衣物中剩余衣物作为待聚类衣物。
[0158]具体地，针对不宜混洗的衣物，其洗衣策略即为单独洗涤。然后，根据该不宜混洗的衣物的类型，确定洗涤模式以及洗涤水温等。例如:多件内衣独立于其他类型的衣物单独洗涤，考虑到内衣的轻薄柔软程度，应将洗涤模式调整为洗涤次数较少、洗涤强度较小以及洗涤水温适中。
[0159]第三步，将所述多件待洗涤衣物作为待聚类衣物。
[0160]第四步，根据所述待聚类衣物的属性信息，确定针对所述待聚类衣物的洗衣策略。
[0161]可选地，在本发明实施例中，第四步具体可以执行为:根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量;根据所述待聚类衣物的总重量以及预设容量阈值，确定所述待聚类衣物的初始洗涤分组数NI;利用聚类算法，根据所述待聚类衣物的初始洗涤分组数、当前待聚类衣物的属性信息集合以及历史洗涤分组集合，确定针对所述待聚类衣物的洗衣策略。
[0162]通过上述方案，在为待洗涤衣物确定洗涤策略时，首先考虑是否存在不宜混洗的衣物，具体可以根据衣物的类型或是衣物的颜色作为检测条件。从而，可以初步将不宜混洗的衣物挑选出来，由于这些分组条件较为固定，例如:假设确定待洗涤衣物中存在两双鞋子、一个包、三件内衣、η件毛衣、m件裤子和外套、q件裙子、P件T恤，其中，三件内衣中有一件为黑色，其他两件为白色(假设此时定义黑色为褪色颜色)。那么，根据上述初步确定方案，两双鞋子、一个包、三件内衣必须单独洗。即两双鞋子可以划分至分组I，一个包可以划分至分组2，三件内衣中的黑色内衣和白色内衣可以分别划分为分组3和分组4。另外，剩下的η件毛衣、m件裤子和外套、q件裙子、P件T恤作为待聚类衣物。
[0163]可选地，根据所述待聚类衣物的属性信息，确定所述待聚类衣物的总重量，可以具体根据所述待聚类衣物中每件衣物的衣物类型，确定每件衣物的体积;根据所述待聚类衣物中每件衣物的衣物成分，确定每件衣物的密度;根据确定的每件衣物的体积和密度，统计所述待聚类衣物的总重量。
[0164]具体地，在衣物数据库中，预先定义好每种类型衣物的大致体积或容量，从而，可以根据每件衣物的类型估算衣物的体积Vi;进一步，根据衣物含有的各个材质以及各个材质所占百分比估算每件衣物的密度Pi;从而，可以估算出每件待聚类衣物的重量mi。然后，再统计所有待聚类衣物的总重量M。
[0165]其实，之所以计算待聚类衣物的总重量，考虑到洗衣机是有一定洗涤容量的，即最大洗涤公斤数T。在计算出待聚类衣物的总重量之后，就可以根据洗涤容量T，初步确定待聚类衣物的初始洗涤分组数NI。
[0166]在本发明实施例中，为了能够更加准确的微待聚类衣物确定合适的洗涤策略，最主要是确定分组数，本发明采用算法对待聚类衣物进行聚类分组，然后判断聚类得到的各个分组的聚类收敛情况最终确定分组信息。由于涉及到聚类算法，因此，需要确定聚类所用的特征，在本发明实施例中，考虑到洗涤衣物时主要以衣物材质进行区分洗涤，例如:羊毛衣物与棉布衣物可以区分洗涤，由于羊毛衣物较为柔软，不宜洗涤强度过大，而棉布衣物可以采用强度过大的洗涤模式。
[0167]因此，本发明所涉及的聚类算法主要以衣物成分这一属性信息作为聚类的特征向量。首先，统计所有待聚类衣物的衣物成分，作为特征向量的各个元素。例如，待聚类衣物中，一共包含10类材质，分别SS1-Siqi3针对每件待聚类衣物，确定该待聚类衣物的衣物成分，即该待聚类衣物的特征向量为:
[0168]Ck=(xi，x2，x3，x4......χιο)
[0169]其中，^表示该成分在衣物所占百分比，若Χι*0，则表示该衣物中不含有该材质。从而，每件待聚类衣物都可以以Ck来表示。优选地，在每次确定洗涤策略时，可以对衣物成分的类别个数进行灵活设置选择，并不限于本发明所述的10类材质。
[0170]可选地，本发明以下具体方案主要以K-MEANS聚类算法为例进行说明，其优点在于效率高，但对于样本较多的情况下，计算结果可能会不尽如人意，由于本发明中的使用场景中样本(即待聚类衣物)不会过大，所以，就相应地规避了其缺点。当然，如果有更加强大的计算集群，亦可以采用其他效率较高，且更精确的聚类算法。
[0171 ]可选地，针对待聚类衣物，可以按照以下步骤执行分组方案:
[0172]首先，根据由当前待聚类衣物集合以及历史洗涤分组集合，确定当前待聚类衣物的参考集合，其中，所述待聚类衣物集合中的元素分别表征待聚类衣物中的一件衣物，且所述待聚类衣物集合中的每个元素均由表征该衣物中各个衣物成分的向量组成;所述历史洗涤分组集合中的元素分别表征每个历史洗涤分组，且每个历史洗涤分组中包含若干个表征相应衣物的元素;所述参考集合中的元素分别表征一件衣物，且所述参考集合中的每个元素均由表征该衣物中各个衣物成分的向量组成。
[0173]具体地，当前待聚类衣物的集合为A=ICl，C2，C3……Ck}，其中，A中每个元素为每件衣物的各个衣物成分所组成的向量;历史洗涤分组集合H= {Ql，Q2，Q3……Qr }，其中，H中每个元素为Qr={Cl，C2，C3……Ck}，当Qr中的元素与A中的元素有交集时，可以利用历史洗涤分组集合H进行辅助聚类。
[0174]可选地，为了减少聚类复杂度，加快聚类算法，提高分组的准确性，可以引用历史数据中的历史洗涤分组集合，可以具体执行为:
[0175]将历史洗涤分组集合H中的每个元素Qr分别与当前待聚类衣物集合A进行比对，得到若干个交集Br，并从交集Br中确定包含元素(即待聚类衣物)最多的集合B;并判断集合B中包含的元素个数是否超过0.2*k，即待聚类衣物总数量的0.2倍；
[0176]若超过，则需要进一步执行:
[0177]根据当前待聚类衣物集合A以及集合B确定交集P，并根据交集P计算平均向量Cp，例如:当前待聚类衣物集合A= {Cl，C2，C3……Ck}，集合B= {Cl，C2，C3}，则交集P= {Cl，C2，C3 }，得到平均向量CP，然后，补入集合A与集合B的补集中，即确定参考集合A ’ = { Cp，Cp，Cp，C4……Ck}，并跳转至步骤a2。
[0178]若没有超过，则将集合A作为参考集合A’，并跳转至步骤a2。
[0179]假设，在步骤al结束后，确定出的参考集合A’中包含有n+m+p+q个元素，S卩n+m+p+q件衣物，8卩k = n+m+p+q。
[0180]然后，从确定的参考集合中，随机选取NI个元素作为初始聚类中心。
[0181]具体地，考虑到之前已对待聚类衣物进行总重量的估算，从而确定了初始分组数NI，此时，可以初始分组数NI作为初始聚类中心的个数，进行初始聚类。例如，从参考集合A’中选取3个元素作为初始聚类中心，分别为C2、C3、C7。
[0182]下面通过具体的实施方案对聚类分组方案进行介绍。结合图2(b)所示，该聚类分组主要包括以下步骤:
[0183]步骤al:根据选取的初始聚类中心对所述参考集合中的各个元素进行初始聚类分组，得到NI个初始分组，并计算每个初始分组所对应的初始样本方差，以及本次聚类分组所对应的初始样本方差总和。
[0184]具体地，在步骤al中，针对剩下的n+m+p+q-3件衣物，分别计算各个元素距离三个初始聚类中心的欧几里得距离(其具体表征的是相似度，距离越近表示相似度越高)，并将距离初始聚类中心的距离最小的