【技术实现步骤摘要】
本专利技术涉及家居智能控制，具体是一种基于互联网的智能家居控制调节系统。
技术介绍
1、木质家居定制是一种越来越受欢迎的室内装饰和家居设计趋势。它强调了独特性、品质和个性化，为消费者提供了打造理想家居的机会；
2、而正是基于木质家居定制的个性化，也需要体现出木质家居中的各种灯光控制等自适应的家居体验；这种趋势不仅体现在提供舒适、节能和便利的生活体验方面，还强调了个性化和用户习惯的重要性；
3、全屋家居定制中的智能灯光系统不仅为用户提供了更多的自定义选择，还使家庭生活更加智能、舒适和高效。它已经成为现代生活的一部分，旨在满足不同用户的需求，并提供更好的家居体验；
4、然而目前对家居灯光是缺乏自适应调节方法的，或简单的基于家庭用户的历史数据，而家庭用户的历史数据数据量较小，难以有效的反应出用户的真实习惯；
5、为此，本专利技术提出一种基于互联网的智能家居控制调节系统。
技术实现思路
1、本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种基于互联网的智能家居控制调节系统，通过自动识别打开家居的用户身份，为该用户提供定制化的灯光照明策略，提高用户对家居的使用体验。
2、为实现上述目的，根据本专利技术的实施例1提出一种基于互联网的智能家居控制调节系统，包括照明习惯数据收集模块、人群聚类模块、照明强度预测模型训练模块、成员识别模块以及照明决策模块；其中，各个模块之间通过电性连接；
3、照明习惯数据
4、所述通过互联网方式收集各个用户使用家居内的照明习惯数据，包括：
5、为每户住宅的家居安装功率传感器、光照强度传感器、温度传感器，且所述功率传感器、光照强度传感器、温度传感器与家居智能控制终端以电性方式连接；
6、家居智能控制终端在每户住宅的家居设计完成后，收集家庭中每个用户的若干条照明习惯集合，并将照明习惯集合发送至家居控制后台；
7、所述照明习惯数据收集模块将各个用户的照明习惯数据发送至人群聚类模块；
8、人群聚类模块，用于基于各个用户的照明习惯数据，将用户划分为若干照明习惯类型，获得聚类结果数据和分类结果；
9、所述将用户划分为若干照明习惯类型，获得聚类结果数据和分类结果的方式为：
10、将每个用户的编号标记为i，将第i个用户的照明习惯数据中的每条照明习惯集合的编号标记为xi；
11、使用聚类算法对所有的照明习惯集合进行聚类，获得聚类结果数据；
12、根据聚类结果数据，为每个用户进行照明习惯类型的分类，获得分类结果；
13、其中，所述获得聚类结果数据，包括：
14、步骤11：预设聚类数量k；
15、步骤12：将每条照明习惯集合作为一个n维离散点；其中，n为照明习惯集合中元素的数量，所述n维离散点在每一个维度的坐标对应照明习惯集合中的一个参数；
16、步骤13：随机从所有n维离散点中选择k个n维离散点作为初始聚类中心，其余的n维离散点作为非初始聚类中心；
17、步骤14：对于每个非初始聚类中心，计算到每个初始聚类中心的欧式距离，把每个n维离散点划分到离其最近的初始聚类中心所在的聚类簇中；
18、步骤15：计算每个聚类簇内n维离散点的每个维度对应的参数的平均值，将每个维度对应的参数的平均值组成新的n维离散点，将该新的n维离散点作为该聚类簇的新聚类中心；
19、步骤16：重新计算每个n维离散点到每个新聚类中心的欧式距离,将每个n维离散点重新划分到最近的新聚类中心所在的聚类簇中；
20、步骤17：重复步骤15-16，直至所有划分的聚类簇中的n维离散点不再变化，将每个聚类簇的编号标记为k，k＝1,2,3,...k；获得每个聚类簇中包含的所有n维离散点，将其中的所有n维离散点组成离散点集合；所述聚类结果数据包括所有聚类簇的编号和离散点集合的对应关系；
21、所述为每个用户进行照明习惯类型的分类的方式为：
22、将每个聚类簇的编号对应一个照明习惯类型的编号；
23、对于第i个用户，统计其照明习惯数据中的所有照明习惯集合在离散点集合中到的分布情况；
24、对于第i个用户，遍历检索出所有离散点集合中，包含该用户的照明习惯集合的占比最高的离散点集合，并将该离散点集合对应的聚类簇的编号作为该用户的照明习惯类型；所述分类结果包括所有用户的编号与照明习惯类型的编号的对应关系；
25、所述人群聚类模块将聚类结果数据发送至照明强度预测模型训练模块，并将分类结果发送至成员识别模块；
26、照明强度预测模型训练模块，用于基于聚类结果数据，为每种照明习惯类型训练输出照明强度预测值的照明强度预测模型；
27、所述为每种照明习惯类型训练输出照明强度预测值的照明强度预测模型的方式为：
28、对于每种照明习惯类型：
29、对于该照明习惯类型的编号对应的离散点集合中的每条照明习惯集合，将该照明习惯集合中的家居内的照明强度作为真实照明强度标签，照明习惯集合中其余的参数组成照明强度特征向量；
30、将该离散点集合中，每组照明强度特征向量作为照明强度预测模型的输入，所述照明强度预测模型以对每个照明强度特征向量的预测的照明强度为输出，以离散点集合中，该照明强度特征向量对应的真实照明强度标签为预测目标，以最小化所有预测的照明强度对真实照明强度标签的预测误差之和作为训练目标；对照明强度预测模型进行训练，直至预测误差之和达到收敛时停止训练；
31、所述照明强度预测模型训练模块将照明强度预测模型发送至照明决策模块；
32、成员识别模块，用于在用户打开家居时，收集用户的打开家居动作集合，并基于打开家居动作集合和分类结果识别用户身份；
33、所述收集用户的打开家居动作集合的方式为：
34、在用户打开家居的时刻，收集用户打开家居所使用的力度、家居门弹出速度、用户手的位置，并组成打开家居动作集合；
35、所述基于打开家居动作集合识别用户身份的方式为：
36、收集该家庭中所有用户的历史打开家居动作集合；
37、收集该家庭中的成员用户数量，将成员用户数量标记为k1；
38、对历史打开家居动作集合使用聚类算法，获得k1个家居动作聚类簇，每个家居动作聚类簇对应一个成员用户；
39、在每次用户打开家居时，判断出该次打开家居对应的打开家居动作集合所属于的家居动作聚类簇，将该家居动作聚类簇对应的成员用户的身份作为用户身份；
40、所述成员识别模块将识别的用户身份发送至照明决策模块；
41、照明决策模块，用于在每次用户打开家居时，基于用户身份，使用对应的照明强度预测模型来自动控制家居内灯光照明强度；
4本文档来自技高网...
【技术保护点】
1.一种基于互联网的智能家居控制调节系统，其特征在于，包括照明习惯数据收集模块、人群聚类模块、照明强度预测模型训练模块、成员识别模块以及照明决策模块；其中，各个模块之间通过电性连接；
2.根据权利要求1所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述通过互联网方式收集各个用户使用家居内的照明习惯数据，包括：
3.根据权利要求2所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述将用户划分为若干照明习惯类型，获得聚类结果数据和分类结果的方式为：
4.根据权利要求3所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述获得聚类结果数据，包括：
5.根据权利要求4所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述为每个用户进行照明习惯类型的分类的方式为：
6.根据权利要求5所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述为每种照明习惯类型训练输出照明强度预测值的照明强度预测模型的方式为：
7.根据权利要求6所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述基
8.一种基于互联网的智能家居控制调节方法，其基于权利要求1-7中任意一项所述的一种基于互联网的智能家居控制调节系统实现，其特征在于，包括以下步骤：
9.一种电子设备，其特征在于，包括：处理器和存储器，其中，
10.一种计算机可读存储介质，其特征在于，其上存储有可擦写的计算机程序；
...【技术特征摘要】
1.一种基于互联网的智能家居控制调节系统，其特征在于，包括照明习惯数据收集模块、人群聚类模块、照明强度预测模型训练模块、成员识别模块以及照明决策模块；其中，各个模块之间通过电性连接；
2.根据权利要求1所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述通过互联网方式收集各个用户使用家居内的照明习惯数据，包括：
3.根据权利要求2所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述将用户划分为若干照明习惯类型，获得聚类结果数据和分类结果的方式为：
4.根据权利要求3所述的一种基于互联网的智能家居控制调节系统，其特征在于，所述获得聚类结果数据，包括：
5.根据权利要求4所述的一种基于互联网的智能家居控制调节...
【专利技术属性】
技术研发人员：洪巍，肖冬冬，
申请(专利权)人：三只喜鹊智能科技海安有限公司，
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。