【技术实现步骤摘要】
本专利技术涉及智能家居，尤其涉及一种基于机器学习的智能家居控制方法及系统。
技术介绍
1、随着计算机技术、信息技术和智能家居技术的迅猛发展，用户家庭中的智能设备数量和应用场景呈现出显著增长。尤其在5g时代，家庭智能设备之间的交互能力得到了极大提升，使其能够在同一网络中实现无缝连接。然而，随着设备的增多和功能的复杂化，用户面临如何统一管理和高效控制家庭智能设备的挑战。
2、智能设备的统一控制通常包括场景管理和状态管理两部分。目前的控制和调度方案主要针对特定场景设计，无法适用于多样化的场景。例如，在用户休息时，需要关闭或调暗灯光以营造舒适环境，但现有方案大多需要用户手动操作，无法通过预设场景或语音控制实现自动化。这种手动参与不符合智能家居的目标。此外，现有方案缺乏对设备运行状态及其间相互影响的综合考虑，可能导致控制效果不理想。另一方面，当用户的行为规律发生突变（如临时调整作息或突发事件），现有技术无法准确识别并调整相应策略。例如，用户的出差行为可能导致作息时间变化，而现有系统难以通过有限的行为数据快速判断并做出响应。此外，现有智...
【技术保护点】
1.一种基于机器学习的智能家居控制方法，其特征在于，由服务器执行，包括：
2.根据权利要求1所述的基于机器学习的智能家居控制方法，其特征在于，所述根据所述决策对象，确定其状态特征，获取特征状态集，并进行训练，得到第一状态预测模型，包括：
3.根据权利要求1所述的基于机器学习的智能家居控制方法，其特征在于，所述根据所述第一状态预测模型和相关约束条件，生成约束特征集，并进行训练，得到第二状态预测模型，包括：
4.根据权利要求1所述的基于机器学习的智能家居控制方法，其特征在于，所述根据所述决策对象和所述第二状态预测模型，进行状态趋势预测，...
【技术特征摘要】
1.一种基于机器学习的智能家居控制方法，其特征在于，由服务器执行，包括：
2.根据权利要求1所述的基于机器学习的智能家居控制方法，其特征在于，所述根据所述决策对象，确定其状态特征，获取特征状态集，并进行训练，得到第一状态预测模型，包括：
3.根据权利要求1所述的基于机器学习的智能家居控制方法，其特征在于，所述根据所述第一状态预测模型和相关约束条件，生成约束特征集，并进行训练，得到第二状态预测模型，包括：
4.根据权利要求1所述的基于机器学习的智能家居控制方法，其特征在于，所述根据所述决策对象和所述第二状态预测模型，进行状态趋势预测，得到候选状态集，包括：
5.根据权利要求1所述的基于机器学习的智能家居控制方法，其特征在于，所述根据所述候选状态集，进行方案生成，得到候选决策方案，包...
【专利技术属性】
技术研发人员：丁华峰，赵英英，黄伟祥，
申请(专利权)人：深圳市日盛华科技有限公司，
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。