基于物联网的智能家居控制方法、系统和电子设备技术方案

本申请公开了一种基于物联网的智能家居控制方法、系统和电子设备，其通过所述多个智能家居设备之间的拓扑矩阵、合取矩阵和析取矩阵，不但能够表示各个智能设备之间的物理拓扑，而且可以表示各个智能设备之间的逻辑状态关联拓扑，从而有效地表示智能家居的状态信息。并且考虑到基于各个所述智能家居的状态变化通常服从泊松分布，即在预定时间段内在预定时间到达预定次数，通过所述合取矩阵和所述析取矩阵分别表示的状态关联的到达速率异质性来进行特征融合，可以在对到达速率异质性进行一定妥协的情况下提供融合平衡机制，使得获取的所述拓扑特征矩阵能够准确地表达数据的物理和逻辑拓扑结构。这样，就能够得到准确的最终适配的控制情境模式。终适配的控制情境模式。终适配的控制情境模式。

【技术实现步骤摘要】
基于物联网的智能家居控制方法、系统和电子设备


[0001]本专利技术涉及智能家居的领域，且更为具体地，涉及一种基于物联网的智能家居控制方法、系统和电子设备。

技术介绍

[0002]智能家居是通过物联网技术将家居生活中的各种硬件设备基于家庭网络而连接到一起，并可以通过移动端的软件进行远程智能控制。随着软硬件的迅速发展和日新月异的信息技术，智能家居已成为人们生活必不可缺的一部分。但现有的智能家居仍依赖于人进行手动控制而显得不够智能。如何让智能家居更加智能，让控制权更多地交给智能家居系统而减少用户的控制，尽量提高用户体验，是智能家居领域期待解决的技术问题。
[0003]用户的行为在时间和空间上往往有很强的自相关性，例如，睡眠时间存在规律性和周期性，但人类行为会随外界环境和内在因素而发生变化，相应地，在人类行为发生改变后，期待智能家居的情境模式能够自适应地改变和匹配，以提高用户的智能家居体验。因此，期望一种基于物联网的智能家居控制方案。

技术实现思路

[0004]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种基于物联网的智能家居控制方法、系统和电子设备，其通过所述多个智能家居设备之间的拓扑矩阵、合取矩阵和析取矩阵，不但能够表示各个智能设备之间的物理拓扑，而且可以表示各个智能设备之间的逻辑状态关联拓扑，从而有效地表示智能家居的状态信息。并且考虑到基于各个所述智能家居的状态变化通常服从泊松分布，即在预定时间段内在预定时间到达预定次数，通过所述合取矩阵和所述析取矩阵分别表示的状态关联的到达速率异质性来进行特征融合，可以在对到达速率异质性进行一定妥协的情况下提供融合平衡机制，使得获取的所述拓扑特征矩阵能够准确地表达数据的物理和逻辑拓扑结构。这样，就能够得到准确的最终适配的控制情境模式。
[0005]根据本申请的一个方面，提供了一种基于物联网的智能家居控制方法，其包括：获取部署于家中的多个智能家居设备之间的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个传感器之间的距离，所述拓扑矩阵中对角线位置上各个位置的值为零；获取所述多个智能家居设备在预设时间段的合取矩阵和析取矩阵，其中，所述合取矩阵中各个位置的值为1表示对应两个智能家居设备同时开启或同时关闭，所述析取矩阵中各个位置的特征值为0表示对应两个智能家居设备不同时开启或关闭；将所述拓扑矩阵、所述合取矩阵和所述析取矩阵分别通过卷积神经网络以获得对应于所述拓扑矩阵的第一特征矩阵、对应于所述合取矩阵的第二特征矩阵和对应于所述析取矩阵的第三特征矩阵；基于泊松分布的关联模型来融合所述第一特征矩阵、所述第二特征矩阵和所述第
三特征矩阵以获得第四特征矩阵和第五特征矩阵，其中，所述第四特征矩阵为所述第一特征矩阵与所述第二特征矩阵的差分矩阵的倒数，所述第五特征矩阵为所述第一特征矩阵乘以单位矩阵与所述第二特征矩阵的差分矩阵再乘以单位矩阵与所述第二特征矩阵和所述第三特征矩阵之间的和矩阵之间的差分矩阵的倒数；融合所述第四特征矩阵和所述第五特征矩阵以获得拓扑特征矩阵；获取所述预设时间段内多个预定时间点的用户行为数据；将所述多个预定时间点的用户行为数据通过包含嵌入层的基于上下文的编码器模型以获得多个行为特征向量，并将所述多个行为特征向量二维排列为行为特征矩阵；将所述行为特征矩阵和所述拓扑特征矩阵输入图神经网络以获得拓扑行为特征矩阵，其中，所述图神经网络通过可学习的神经网络参数来学习到包含不规则的拓扑信息和用户行为特征的特征分布表示；获取近段时间内多个时间点的用户行为数据；将所述近段时间内多个时间点的用户行为数据通过包含一维卷积层和全连接层的时序编码器以获得待匹配行为特征向量；将所述待匹配行为特征向量作为查询向量与所述拓扑行为特征矩阵进行矩阵相乘以获得分类特征矩阵；以及将所述分类特征矩阵通过以各个控制情境模式为标签的分类器以获得分类结果，所述分类结果为最终适配的控制情境模式。
[0006]根据本申请的另一方面，提供了一种基于物联网的智能家居控制系统，其包括：拓扑矩阵获取单元，用于获取部署于家中的多个智能家居设备之间的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个传感器之间的距离，所述拓扑矩阵中对角线位置上各个位置的值为零；逻辑关系矩阵获取单元，用于获取所述多个智能家居设备在预设时间段的合取矩阵和析取矩阵，其中，所述合取矩阵中各个位置的值为1表示对应两个智能家居设备同时开启或同时关闭，所述析取矩阵中各个位置的特征值为0表示对应两个智能家居设备不同时开启或关闭；卷积单元，用于将所述拓扑矩阵获取单元获得的所述拓扑矩阵、所述逻辑关系矩阵获取单元获得的所述合取矩阵和所述逻辑关系矩阵获取单元获得的所述析取矩阵分别通过卷积神经网络以获得对应于所述拓扑矩阵的第一特征矩阵、对应于所述合取矩阵的第二特征矩阵和对应于所述析取矩阵的第三特征矩阵；泊松分布单元，用于基于泊松分布的关联模型来融合所述卷积单元获得的所述第一特征矩阵、所述卷积单元获得的所述第二特征矩阵和所述卷积单元获得的所述第三特征矩阵以获得第四特征矩阵和第五特征矩阵，其中，所述第四特征矩阵为所述第一特征矩阵与所述第二特征矩阵的差分矩阵的倒数，所述第五特征矩阵为所述第一特征矩阵乘以单位矩阵与所述第二特征矩阵的差分矩阵再乘以单位矩阵与所述第二特征矩阵和所述第三特征矩阵之间的和矩阵之间的差分矩阵的倒数；融合单元，用于融合所述泊松分布单元获得的所述第四特征矩阵和所述泊松分布单元获得的所述第五特征矩阵以获得拓扑特征矩阵；用户行为数据获取单元，用于获取所述预设时间段内多个预定时间点的用户行为
数据；编码单元，用于将所述用户行为数据获取单元获得的所述多个预定时间点的用户行为数据通过包含嵌入层的基于上下文的编码器模型以获得多个行为特征向量，并将所述多个行为特征向量二维排列为行为特征矩阵；图神经网络单元，用于将所述编码单元获得的所述行为特征矩阵和所述融合单元获得的所述拓扑特征矩阵输入图神经网络以获得拓扑行为特征矩阵，其中，所述图神经网络通过可学习的神经网络参数来学习到包含不规则的拓扑信息和用户行为特征的特征分布表示；近段时间数据获取单元，用于获取近段时间内多个时间点的用户行为数据；时序编码单元，用于将所述近段时间数据获取单元获得的所述近段时间内多个时间点的用户行为数据通过包含一维卷积层和全连接层的时序编码器以获得待匹配行为特征向量；映射单元，用于将所述时序编码单元获得的所述待匹配行为特征向量作为查询向量与所述图神经网络单元获得的所述拓扑行为特征矩阵进行矩阵相乘以获得分类特征矩阵；以及分类单元，用于将所述映射单元获得的所述分类特征矩阵通过以各个控制情境模式为标签的分类器以获得分类结果，所述分类结果为最终适配的控制情境模式。
[0007]根据本申请的又一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的基于物联网的智能家居控制方法。
[0008]根据本申请的再又一方面，提供了一种计算机可读介质，其上存储有计算本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于物联网的智能家居控制方法，其特征在于，包括：获取部署于家中的多个智能家居设备之间的拓扑矩阵，其中，所述拓扑矩阵中非对角线位置上各个位置的值为相应两个传感器之间的距离，所述拓扑矩阵中对角线位置上各个位置的值为零；获取所述多个智能家居设备在预设时间段的合取矩阵和析取矩阵，其中，所述合取矩阵中各个位置的值为1表示对应两个智能家居设备同时开启或同时关闭，所述析取矩阵中各个位置的特征值为0表示对应两个智能家居设备不同时开启或关闭；将所述拓扑矩阵、所述合取矩阵和所述析取矩阵分别通过卷积神经网络以获得对应于所述拓扑矩阵的第一特征矩阵、对应于所述合取矩阵的第二特征矩阵和对应于所述析取矩阵的第三特征矩阵；基于泊松分布的关联模型来融合所述第一特征矩阵、所述第二特征矩阵和所述第三特征矩阵以获得第四特征矩阵和第五特征矩阵，其中，所述第四特征矩阵为所述第一特征矩阵与所述第二特征矩阵的差分矩阵的倒数，所述第五特征矩阵为所述第一特征矩阵乘以单位矩阵与所述第二特征矩阵的差分矩阵再乘以单位矩阵与所述第二特征矩阵和所述第三特征矩阵之间的和矩阵之间的差分矩阵的倒数；融合所述第四特征矩阵和所述第五特征矩阵以获得拓扑特征矩阵；获取所述预设时间段内多个预定时间点的用户行为数据；将所述多个预定时间点的用户行为数据通过包含嵌入层的基于上下文的编码器模型以获得多个行为特征向量，并将所述多个行为特征向量二维排列为行为特征矩阵；将所述行为特征矩阵和所述拓扑特征矩阵输入图神经网络以获得拓扑行为特征矩阵，其中，所述图神经网络通过可学习的神经网络参数来学习到包含不规则的拓扑信息和用户行为特征的特征分布表示；获取近段时间内多个时间点的用户行为数据；将所述近段时间内多个时间点的用户行为数据通过包含一维卷积层和全连接层的时序编码器以获得待匹配行为特征向量；将所述待匹配行为特征向量作为查询向量与所述拓扑行为特征矩阵进行矩阵相乘以获得分类特征矩阵；以及将所述分类特征矩阵通过以各个控制情境模式为标签的分类器以获得分类结果，所述分类结果为最终适配的控制情境模式。2.根据权利要求1所述的基于物联网的智能家居控制方法，其中，将所述拓扑矩阵、所述合取矩阵和所述析取矩阵分别通过卷积神经网络以获得对应于所述拓扑矩阵的第一特征矩阵、对应于所述合取矩阵的第二特征矩阵和对应于所述析取矩阵的第三特征矩阵，包括：所述卷积神经网络的各层在层的正向传递中分别对输入数据进行卷积处理、沿通道维度的池化处理和激活处理以由所述卷积神经网络的最后一层输出所述第一特征矩阵、第二特征矩阵和所述第三特征矩阵，其中，所述卷积神经网络的第一层的输入为所述拓扑矩阵、所述合取矩阵或所述析取矩阵。3.根据权利要求2所述的基于物联网的智能家居控制方法，其中，基于泊松分布的关联模型来融合所述第一特征矩阵、所述第二特征矩阵和所述第三特征矩阵以获得第四特征矩
阵和第五特征矩阵，包括：基于泊松分布的关联模型以如下公式来融合所述第一特征矩阵、所述第二特征矩阵和所述第三特征矩阵以获得所述第四特征矩阵和所述第五特征矩阵，其中，所述公式为：征矩阵以获得所述第四特征矩阵和所述第五特征矩阵，其中，所述公式为：征矩阵以获得所述第四特征矩阵和所述第五特征矩阵，其中，所述公式为：到分别是第一到第五特征矩阵的每个位置的特征值。4.根据权利要求3所述的基于物联网的智能家居控制方法，其中，融合所述第四特征矩阵和所述第五特征矩阵以获得拓扑特征矩阵，包括：将所述第四特征矩阵与所述第五特征矩阵进行矩阵相乘以获得所述拓扑特征矩阵。5.根据权利要求4所述的基于物联网的智能家居控制方法，其中，将所述多个预定时间点的用户行为数据通过包含嵌入层的基于上下文的编码器模型以获得多个行为特征向量，并将所述多个行为特征向量二维排列为行为特征矩阵，包括：使用所述编码器模型的嵌入层分别将所述多个预定时间点的用户行为数据转化为输入向量以获得输入向量的序列；以及使用所述编码器模型的转化器对所述输入向量的序列进行基于上下文的全局语义编码以获得所述多个行为特征向量。6.根据权利要求5所述的基于物联网的智能家居控制方法，其中，将所述近段时间内多个时间点的用户行为数据通过包含一维卷积层和全连接层的时序编码器以获得待匹配行为特征向量，包括：将所述近段时间内多个时间点的用户行为数据按照时间维度排列为输入向量；...

【专利技术属性】
技术研发人员：张文平，白维朝，
申请(专利权)人：深圳市经纬纵横科技有限公司，
类型：发明
国别省市：