[发明专利]确定家用电器的放置位置的方法及设备

说明书

本申请公开了一种确定家用电器的放置位置的方法及设备。其中，该方法包括：采集室内不同位置的环境数据，得到数据集合，其中，环境数据包括如下至少之一：空气粉尘浓度、空气湿度和空气温度；对数据集合进行训练，得到预测结果，其中，预测结果用于表征室内的不同位置在不同时段内的空气情况；基于上述预测结果，输出家用电器的放置位置。本申请解决了由于人工放置空气净化器，使得定位结果不准确造成的空气净化效果不理想，并且还会造成资源浪费的技术问题。

技术领域

本申请涉及智能家电领域，具体而言，涉及一种确定家用电器的放置位置的方法及设备。

背景技术

现有技术中，空气净化器的净化能力有限，因此在一个面积比较大地房间内需要放置多台空气净化器，而同一个房间内不同位置的空气中含有的粉尘浓度是不同的，因此，仅凭经验放置空气净化器，使得定位结果不准确，不但不能达到理想的空气净化效果，还会造成资源的浪费。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本申请实施例提供了一种确定家用电器的放置位置的方法及设备，以至少解决由于人工放置空气净化器，使得定位结果不准确造成的空气净化效果不理想，并且还会造成资源浪费的技术问题。

根据本申请实施例的一个方面，提供了一种确定家用电器的放置位置的方法，包括：采集室内不同位置的环境数据，得到数据集合，其中，环境数据包括如下至少之一：空气粉尘浓度、空气湿度和空气温度；对数据集合进行训练，得到预测结果，其中，预测结果用于表征室内的不同位置在不同时段内的空气情况；基于上述预测结果，输出家用电器的放置位置。

可选地，对数据集合进行训练，得到预测结果，包括：对数据集合进行特征提取，得到特征信息；对特征信息进行训练，得到至少一个分类器；基于每个分类器的输出概率进行融合训练，输出预测结果。

可选地，对数据集合进行特征提取，得到特征信息，包括：采用上采样算法对数据集合进行特征提取，得到第一特征集合，并采用栈式自编码对数据集合进行特征提取，得到第二特征集合；其中，第一特征集合和第二特征集合构成特征信息。

可选地，对特征信息进行训练，得到至少一个分类器，包括：将第一特征集合和

第二特征集合分别接入向量机模型和随机森林分类器进行特征训练，得到多个分

类器。

可选地，栈式自编码器为三层堆叠的栈式自编码器。

可选地，基于每个分类器的输出概率进行融合训练，输出预测结果，包括：将每个分类器的输出概率基于神经网络的整合算法来进行融合训练，输出预测结果。

可选地，在环境数据为空气粉尘浓度的情况下，数据集合为室内不同位置的粉尘颗粒浓度。

根据本申请实施例的另一方面，还提供了一种确定家用电器的放置位置的设备，包括：采集器，用于采集室内不同位置的环境数据，得到数据集合，其中，环境数据包括如下至少之一：空气粉尘浓度、空气湿度和空气温度；处理器，用于对数据集合进行训练，得到预测结果，其中，预测结果用于表征室内的不同位置在不同时段内的空气情况；发送装置，用于基于预测结果，输出家用电器的放置位置。

根据本申请实施例的再一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序运行时控制存储介质所在的设备执行以上的确定家用电器的放置位置的方法。

根据本申请实施例的再一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行以上的确定家用电器的放置位置的方法。