元素划分至该距离对应的聚类中心。例如:针对元素Cl，分别计算Cl分别距离初始聚类中心C2、C3、C7的距离d(2)、d(3)、d(7)，若d(3)最小，则将Cl划分至C3所在分组中。类似的，针对除了初始聚类中心C2、C3、C7之外的其他元素，依次进行聚类划分，得到三个初始分组U(wl)、U(w2)、U(w3)。其中，wl+w2+w3 = n+m+p+q，即分组U(wl)以C2为初始聚类中心一共包含有wl个元素，分组U(w2)以C3为初始聚类中心一共包含有w2个元素，分组U(w3)以C7为初始聚类中心一共包含有w3个元素。
[0185]同时，针对每个初始分组，计算每个初始分组所对应的初始样本方差，S卩每个初始分组中各个元素(除初始聚类中心)欧几里得距离平方和，具体地，针对U(Wl)的初始样本方差Y(wl)、U(w2)的初始样本方差Y(w2)、U(w3)的初始样本方差Y(w3)。以及，本次聚类所对应的初始样本方差总和，即Y(wl)+Y(w2)+Y(w3)。
[0186]步骤a2:根据聚类得到的每个初始分组的元素，为每个初始分组重新确定聚类中心。
[0187]具体地，针对每个初始分组1](?1)、1](?2)、1](?3)，根据各个初始分组中的元素重新确定每个分组的聚类中心。例如:首先，计算各个初始分组的平均向量，然后，分别计算每个初始分组中，其他元素距离所述平均向量的距离，并确定最小距离对应的元素为该初始分组的聚类中心。
[0188]步骤a3:根据重新确定的聚类中心对所述参考集合中的各个元素进行聚类分组，并计算每个分组所对应的样本方差，并重新计算该次聚类所对应的样本方差总和。
[0189]具体地，根据重新确定的聚类中心02工5、08，得到三个分组1](?4)、1](?5)、1](界6)，其中，w4+w5+w6 = n+m+p+q，即分组U(w4)以C2为初始聚类中心一共包含有w4个元素，分组U(w5)以C5为初始聚类中心一共包含有w5个元素，分组U(w6)以C8为初始聚类中心一共包含有w6个元素。
[0190]针对U(w4)的初始样本方差Y(w4)、U(w5)的初始样本方差Y(w5)、U(w6)的初始样本方差Y(w6)。以及，本次聚类所对应的初始样本方差总和，即Y(w4)+Y(w5)+Y(w6)。
[0191]步骤a4:将重新计算得到的样本方差总和与初始样本方差总和进行比对，若差值小于第一收敛值，则跳转至步骤a5，否则，将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并跳转至步骤a2。
[0192]将Y(w4)+Y(w5)+Y(w6)与Y(wl)+Y(w2)+Y(w3)进行比较，若差值小于第一收敛值EDl，则表示该聚类分组已经收敛，即步骤a3中聚类得到的分组的准确度较高，则可以进一步执行步骤a5;若差值大于第一收敛值EDl，则表示该聚类分组还未收敛，每个聚类分组中的相似度有较大偏差，需要进一步聚类分组，则将根据重新确定的聚类中心进行聚类得到的分组为初始分组，并重新执行步骤a2直至收敛。
[0193]步骤a5:判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值，若是，则执行步骤a6，否则，跳转至步骤a7。
[0194]在本发明实施例中，为了验证每组的元素的相似度，可进一步判断聚类后得到的每个分组所对应的样本方差是否大于第二收敛值ED2，若是，则说明每个分组的相似度不高，需要进一步执行步骤a6;若否，则说明每个分组的相似度很高，该聚类分组是可信的，则可以执行步骤a7。
[0195]步骤a6:确定样本方差大于第二收敛值的分组个数N2，从该N2个分组中，随机选取N2+1个元素作为初始聚类中心，并跳转至步骤al。
[0196]若每个分组的相似度不高，则需要进一步确定样本方差大于第二收敛值ED2的分组的个数，例如:若最终确定分组U(w4)、U(w5)、U(w6)中分组U(w5)的样本方差大于第二收敛值ED2，则表明该分组U(w5)始终不能单独聚类，则重新确定初始聚类中心个数，S卩3-1 = 2个，并从这2个分组中随机选取3个元素作为初始聚类中心，并跳转至步骤al。
[0197]步骤a7:将得到的所有分组以及每个分组中元素信息作为洗衣策略；其中，所述N1、N2均为正整数，且NI大于N2。具体地，根据上述步骤al-alO所进行聚类最终得到的分组，确定洗衣策略，其中，该洗衣策略可以包括聚类得到的分组个数，各个分组的元素。
[0198]可选地，在执行步骤a7之前，还可以判断每个分组中元素所对应的所有衣物的总重量是否大于预设容量阈值，若是，则针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组;否则，跳转至步骤a7。
[0199]在确定聚类得到的每个分组的样本方差都收敛之后，则进一步判断每个分组中元素所对应的衣物，并统计该分组中所有衣物的总重量，然后判断是否大于预设容量阈值T，若是，针对衣物的总重量大于预设容量阈值的分组，将该分组中元素所对应的衣物作为待聚类衣物重新进行聚类分组，否则，跳转至步骤a7。其中，该分组U(w6)对应的初始洗涤分组数可根据其总重量与预设容量阈值的比值关系确定。
[0200]可选地，所述属性信息还包括:衣物颜色；在执行步骤a7之前，该方法还可以判断每个分组中衣物的衣物颜色是否满足预设褪色条件;若是，则将满足预设褪色条件的衣物另外分组;否则，直接跳转至步骤a7。
[0201]需要说明的是，在本发明实施例中，以在对衣物进行聚类分组之后再判断衣物是否褪色作为优选方案，这样可以保证在后续的聚类分组过程中划分出较少的分组。
[0202]可选地，在本发明是实例中，在得到分组信息之后，还可以进一步确定每个分组的洗涤模式，具体地，针对每个分组，统计该分组中所有衣物的材质类型，确定该分组中所占比例最大的材质作为该分组的洗涤参考材质，然后根据该材质的特性确定最佳的洗涤次数、洗涤强度以及洗涤水温。例如:分组U(w6)中包含的衣物基本上都是羊毛衫，则确定该分组的洗涤参考材质为羊毛，而羊毛较为柔软，其洗涤次数可以为2次，洗涤强度为低强度(或者按照洗涤强度分为1-η等级)，洗涤水温为40°。
[0203]步骤24:将洗衣策略发送给终端。
[0204]在云服务器确定好洗衣策略之后，保存该洗衣策略到衣物数据库中，同时，将洗涤分组信息、洗涤模式等洗衣策略发送给终端，并展示给用户，以指示用户对待洗涤衣物进行合理的分类，并根据确定的洗涤模式为每个分组调整合适的洗涤次数、洗涤强度和洗涤水温。从而，实现节水、节能以及减少洗涤对衣物造成的损伤的目的。此外，用户还可以对终端展示的洗衣策略进行修改，并通过终端将修改后的洗衣策略同步到云服务器，实现衣物数据库的更新。
[0205]可选地，本发明实施例中的云服务器还能够实时更新自身存储的衣物数据库以及历史分组数据库，因此，使得该聚类算法能够达到自学习的目的。
[0206]可选地，云服务器在将洗衣策略发送给终端之后，经过用户确认，若洗衣机与终端并不在同一局域网内，则无法与洗衣机进行通信，此时，终端可将经过用户确认后的洗衣策略返回给云服务器，然后云服务器根据终端的指示将洗衣策略中的洗涤模式发送给洗衣机，其中，所述洗涤模式至少包括:洗涤水温、洗涤强度和洗涤次数。从而，无须经过终端展示给用户，直接控制洗衣机为相应的分组对应的衣物调整到最佳的洗涤模式，从而更佳智能化，便捷化。
[0207]实施例二:
[0208]与上述实施例一属于同一发明构思，本发明实施例二提供一种洗衣策略确定方法，该方法以终端侧为例进行说明，具体地，如图3所示，该方法主要包括以下步骤:
[0209]步骤31:确定当前多件待洗涤衣物中每件衣物的标识。
[0210]衣物的标识可以为终端与云服务器协商定义的衣物ID或符号。
[0211 ]步骤32:将所述每件衣物的标识发送给云服务器，以使得所述云服务器根据所述每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，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，其中，所述属性信息至少包括:衣物类型、衣物成分，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。
[0212]步骤33:接收并展示所述洗衣策略。
[0213]可选地，洗衣策略还包括洗涤模式，则终端在接收并展示洗衣策略之后，还将所述洗涤模式发送给洗衣机，其中，洗涤模式至少包括:洗涤水温、洗涤强度和洗涤次数。
[0214]实施例三:
[0215]与上述实施例一属于同一发明构思，本发明实施例还提供了一种云服务器，如图4所示，该云服务器主要包括:
[0216]第一接收单元41，用于接收终端确定的当前多件待洗涤衣物中每件衣物的标识。匹配单元42，用于根据第一接收单元41接收到的每件衣物的标识，从衣物数据库中匹配出每件衣物的属性信息，其中，属性信息至少包括:衣物类型、衣物成分、颜色。第一确定单元43，用于根据匹配单元42匹配出的每件衣物的属性信息，确定针对多件待洗涤衣物的洗衣策略，其中，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。第一发送单元44，用于将第一确定单元43确定出的洗衣策略发送给所述终端。
[0217]可选地，第一确定单元43具体用于根据匹配出的每件衣物的属性信息，检测所述多件待洗涤衣物中是否存在不宜混洗的衣物;若存在，则为所述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，并根据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;若不存在，则将所述多件待洗涤衣物作为待聚类衣物，并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。
[0218]可选地，第一确定单元43在根据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时，具体用于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N1、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。
[0219]可选地，第一确定单元43在根据待聚类衣物的属性信息确定待聚类衣物的总重量时，具体用于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。
[0220]可选地，第一确定单元43在利用聚类算法，根据所述待聚类衣物的初始洗涤分组数N1、当前待聚类衣物的属性信息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时，具体用于: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