【技术实现步骤摘要】
本申请涉及智能推荐，具体而言，涉及一种基于物联感知的多模态数据智能推荐方法及系统。
技术介绍
1、多模态智能家居推荐系统利用物联网技术和智能化推荐算法，通过感知环境中的不同物联设备和传感器采集到的各种数据，来优化用户的家居体验；通过分析这些多模态数据，系统可以了解用户的行为习惯、偏好以及当前的环境状况，从而智能地为用户推荐更合适的居住体验；因此对于实现家居体验的智能化来说，多模态数据智能推荐尤为重要；
2、目前的多模态数据智能推荐一味的追求极致的便捷而导致用户在使用智能家居的过程中造成极大的浪费，例如智能家居过于主动的依据用户行为习惯性自动开启和关闭设备，而忽略了实际需求造成能源浪费；同时，在智能推的时现在的直接识别访问者的身份，按照其偏好进行智能推荐，缺少对访问者的身份认证，导致存在家居隐私泄露的风险。
技术实现思路
1、本申请提供一种基于物联感知的多模态数据智能推荐方法及系统，以解决上述
技术介绍
提到的问题。
2、根据本申请的一个方面，提供了一种基于物联感知的多模态数据智能推荐系统，该系统包括：多模感知模块、服务器、智能推荐模块、隐私防护模块；
3、智能推荐模块通过对家居设备信息进行特征提取以得到特征参数，并依据特征参数推荐控制策略；具体为：
4、特征参数提取：任取其中一个家居设备，调取该家居设备的使用次数以及每次使用对应的使用开始时刻、使用结束时刻，将使用开始时刻与使用结束时刻进行时间差值计算以得到单次使用时长，将使用开始时刻作为
5、调取家居设备的需求指数和使用指数，并将其分别与设定的需求区间和使用区间进行比较分析以得到使用类型和需求类型，其中使用类型包括一级使用设备、二级使用设备、三级使用设备；需求类型包括一级需求设备、二级需求设备、三级需求设备；
6、将同时标记为一级需求家居设备和一级使用设备的家居设备归类至全自动模式，将同时标记为三级需求家居设备和三级使用家居设备归类为手动模式，将其他家居设备归类至半自动模式；将家居设备按照对应的类别进行对应的控制模式运行。
7、可选的，家居设备特征参数提取步骤为：
8、以时间为横坐标，以单次使用时长为纵坐标得到该设备的使用轨迹曲线图；在使用点位置作曲线切线，计算切线斜率记为使用斜率记为kr，其中r=1，2，3……r，r取值为正整数，r表示的是单次使用总次数，r为其中任意一个单次使用的次数序号；将大于零的单次使用斜率进行求和计算以得到使用增度记为a1；将小于零的使用斜率进行求和计算并取绝对值以得到使用降度记为a2；
9、将使用间隔按照对应的使用时间进行先后编号，以编号为横坐标，以使用间隔为纵坐标得到该设备使用间隔变化折线图；计算相邻两个间隔点组成的线段斜率记为，将大于零的间隔斜率进行求和计算以得到频度降度记为a3；将小于零的间隔斜率进行求和计算以得到频度增度记为a4；
10、将使用斜率kr，间隔斜率、使用增度a1、使用降度a2、频度降度a3和频度增度a4代入设定的公式组进行计算以得到使用指数ak1和需求指数ak2，其中a1、a2、a3和a4分别为设定的比例系数。
11、可选的，还包括服务器、多模感知模块和隐私防护模块；
12、服务器通过将用户设定的适宜参数和传感器信息进行综合分析以得到环境更新指数，当环境更新指数大于设定的阈值时，则生成采集指令并将其发送至多模感知模块；多模感知模块接收到采集指令时则采集家居设备信息发送至服务器保存；
13、隐私防护模块通过对登录智能家居系统的来访端进行特征提取以得到访问特征参数，并据此进行风险分析以得到风险指数，依据风险指数执行对应的防护措施以完成对访问端的安全认证。
14、可选的，通过将用户设定的适宜参数和传感器信息进行综合分析以得到环境更新指数，具体为：
15、获取适宜参数，其中适宜参数包括适宜温度、适宜湿度和适宜光照，并将其分别记为y1、y2和y3；获取不同采集时刻的温度、湿度、光照强度，并将其分别记为p1、p2和p3，利用设定的公式进行计算以得到环境更新指数yp，其中y1、y2、y3分别为设定的比例系数；当环境更新指数大于设定的更新阈值，则发送采集指令至多模感知模块。
16、可选的，访问特征参数提取过程为：
17、将访问开始时刻和访问结束时刻进行时间差值计算以得到单次访问时长，以此次访问的访问开始时刻作为此次的访问时间，由此可得每次访问的单次访问时长和访问时间；以时间为横坐标，以访问时长为纵坐标得到访问时长随着时间变化曲线图；在访问点的位置作曲线的切线，通过数据拟合以得到切线表达式，对切线数据表达式进行求导操作以得到该访问点的导数dj，其中j=1，2，3……j，j取值为正整数，j表示的是访问总次数，j为其中任意一次访问；将大于零的导数进行求和计算以得到时长单增度记为z1，将小于零的导数进行求和计算并取绝对值以得到时长单降度记为z2；将访问点的导数dj、时长单增度z1和时长单降度z2代入设定的公式进行计算以得到访问指数dz，其中d1、d2、d3分别为设定的比例系数，为所有访问点对应的导数均值；
18、以天为基准，将每天分为若干个时间段；将访问时间段与各时间段进行比对以匹配至对应的时间段，由此将每次访问按照访问时间累计至对应的时间段内；任取其中一个时间段，获取该时间段内的累计访问次数以及对应的访问时长，将每次累计访问次数对应的访问时长进行求和计算以得到该时间段内的累计访问时长；将累计访问次数f1和累计访问时长f2代入设定的公式ft=f1×f1+f2×f2进行计算以得到该时间段内累计习惯指数ft，其中f1和f2分别为设定的比例系数，由此可得每个访问端在各时间段的累计习惯指数；
19、将访问时长与设定的时长阈值进行比较分析以得到异常访问时长，并将异常访问时长按照对应的访问时间进行先后排序以得到异常访问轨迹，将相邻两次的异常访问时长对应的访问时间进行时间差值计算以得到异常访问间隔；将异常访问间隔按照对应的访问时间先后顺序进行编号，以编号为横坐标，以异常访问间隔为纵坐标异常访问间隔变化折线图，计算相邻两个异常点构成的线段的斜率，将大于零的斜率进行求和计算以得到异常增度记为h1，将小于零的斜率进行求和计算以得到异常降度记为h2；将异常增度h1和异常降度h2代入设定的公式进行计算以得到异常访问指数hz，其中h1和h2分别为设定的比例系数；将访问指数、各时间段的累计习惯指数和异常访问指数记为访问特征参数，由此可得每个访问端的访问特征参数。
20、可选的，风险分析的具体步骤为：
21、当访问端进入智能家居网络时，识别访问端并调本文档来自技高网...
【技术保护点】
1.一种基于物联感知的多模态数据智能推荐系统，其特征在于，包括：智能推荐模块；
2.根据权利要求1所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，家居设备特征参数提取步骤为：
3.根据权利要求1所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，还包括服务器、多模感知模块和隐私防护模块；
4.根据权利要求3所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，通过将用户设定的适宜参数和传感器信息进行综合分析以得到环境更新指数，具体为：
5.根据权利要求3所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，访问特征参数提取过程为：
6.根据权利要求5所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，风险分析的具体步骤为：
7.一种基于物联感知的多模态数据智能推荐方法，其特征在于应用于如权利要求1-6中任一项所述的一种基于物联感知的多模态数据智能推荐系统，该方法包括以下步骤：
【技术特征摘要】
1.一种基于物联感知的多模态数据智能推荐系统，其特征在于，包括：智能推荐模块；
2.根据权利要求1所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，家居设备特征参数提取步骤为：
3.根据权利要求1所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，还包括服务器、多模感知模块和隐私防护模块；
4.根据权利要求3所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，通过将用户设定的适宜参数和...
【专利技术属性】
技术研发人员：彭雅旋，刘袆莹，陈雯姝，欧阳铭，徐江龙，资明，
申请(专利权)人：湖南麓川信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。