[发明专利]一种基于联邦学习的智能家居迁移方法及系统

权利要求书

1.一种基于联邦学习的智能家居迁移方法，其特征在于，所述方法包括：

获取全网用户使用的智能家具参数，将所述智能家具参数储存入区块链中；

在区块链中屏蔽客户旧居智能家具参数中的旧居隐私参数，获得旧居已屏蔽智能家具参数，以及屏蔽客户新居智能家具参数中的新居隐私参数，获得新居已屏蔽智能家具参数；

根据客户旧居与客户新居的房屋结构，获得相似智能家具集合；

获得客户旧居与客户新居的智能家具参数相似度；

根据相似智能家具集合和智能家具参数相似度，对旧居已屏蔽智能家具参数选择性迁移，获得客户新居智能家具新参数。

2.根据权利要求1所述的方法，其特征在于，根据相似智能家具集合和智能家具参数相似度，对旧居已屏蔽智能家具参数选择性迁移，获得客户新居智能家具新参数后，所述方法还包括：

获得客户迁入新居后的居家参数；

基于客户迁入新居后的居家参数对所述新居智能家具新参数进行再更新，得到客户的舒适居家参数。

3.根据权利要求1所述的方法，其特征在于，在区块链中屏蔽客户旧居智能家具参数中的旧居隐私参数，获得旧居已屏蔽智能家具参数，以及屏蔽客户新居智能家具参数中的新居隐私参数，获得新居已屏蔽智能家具参数，包括：

获取旧居大众隐私参数，所述旧居大众隐私参数是普通用户常屏蔽的隐私参数；

获取旧居特殊隐私参数，所述旧居特殊隐私参数是所述客户的旧居智能家具参数中，除大众隐私参数外，想要屏蔽的其它隐私参数；

基于旧居大众隐私参数和旧居特殊隐私参数，获得客户的旧居隐私参数，所述旧居隐私参数属于所述旧居智能家具参数的一部分；

从区块链中获取全网用户智能家具参数的常用参数，所述常用参数是普通用户使用率最高的参数；

将所述常用参数替换旧居智能家具参数中的所述旧居隐私参数，获得旧居已屏蔽智能家具参数；所述旧居已屏蔽智能家具参数为经过替换了所述旧居隐私参数成所述常用参数后的旧居智能家具参数。

获取新居大众隐私参数，所述新居大众隐私参数是普通用户常屏蔽的隐私参数；

获取新居特殊隐私参数，所述新居特殊隐私参数是所述客户的新居智能家具参数中，除大众隐私参数外，想要屏蔽的其它隐私参数；

基于新居大众隐私参数和新居特殊隐私参数，获得客户的新居隐私参数，所述新居隐私参数属于所述新居智能家具参数的一部分；

从区块链中获取全网用户智能家具参数的常用参数，所述常用参数是普通用户使用率最高的参数；

将所述常用参数替换新居智能家具参数中的所述新居隐私参数，获得新居已屏蔽智能家具参数；所述新居已屏蔽智能家具参数为经过替换了所述新居隐私参数成所述常用参数后的新居智能家具参数。

4.根据权利要求1所述的方法，其特征在于，根据客户旧居与客户新居的房屋结构，获得相似智能家具集合，包括：

获得客户旧居的第一房屋结构和客户新居的第二房屋结构；

将所述第一房屋结构按照功能用途分为一个或者多个第一区域；将所述第二房屋结构按照功能用途分为一个或者多个第二区域；一个或者多个第一区域与一个或者多个第二区域至少存在一组匹配区域组，所述匹配区域组包括一个第一区域和一个第二区域，且所述匹配区域组中的第一区域和第二区域的功能用途相匹配；

获得相似智能家具组，构成相似智能家具集合，所述相似智能家具组包括第一智能家居和第二智能家居，所述第一智能家居和所述第二智能家居的功能用途相同，且所述第一智能家居在旧居中所处的位置为所述匹配区域组中的第一区域，所述第二智能家居在旧居中所处的位置为所述匹配区域组中的第二区域。

5.根据权利要求1所述的方法，其特征在于，获得客户旧居与客户新居的智能家具参数相似度，包括：

获得所述客户旧居智能家具参数与客户新居智能家具参数之间的差值；

所述差值归一化；

获得所述差值与权量因子相乘之积；

以所述积作为客户旧居与客户新居之间的智能家具参数相似度。