[发明专利]一种智能家居场景配置方法

摘要

本发明属于智能家居场景领域，提供一种智能家居场景配置方法，该方法的数据挖掘系统分为两层，包括通用模型层和本地模型层；通用模型层，独立在各家居子系统之外，完成多个本地模型层的数据收集及外部新家居系统的数据收集；本地模型层，在各家居子系统之中，完成本地传感器的数据挖掘产生用户行为模型。本发明方法对用户不需要完全的身份认定，只基于模糊信息，产生预估聚类模型，供新特征用户快速匹配。同时将智能设备信息进行收集，纳入挖掘范畴，在网络环境下，可以实现同一智能设备在新环境中快速匹配。

主权项

1.一种智能家居场景配置方法，其特征在于：本配置方法的数据挖掘系统分为两层，包括通用模型层和本地模型层；通用模型层，独立在各家居子系统之外，完成多个本地模型层的数据收集及外部新家居系统的数据收集；本地模型层，在各家居子系统之中，完成本地传感器的数据挖掘产生用户行为模型；该配置方法包括以下步骤：（1）本地模型层对本地用户的以下信息进行收集，强关联信息，包括名字、用户身份id，记录到本地数据库中；弱关联信息，包括性别、年龄、工作性质、兴趣 ，记录到本地数据库中，同时上传至通用模型层；（2）当智能设备接入时，本地模型层将本层的智能设备信息上传到通用模型层，本层的智能设备信息包括设备特征、开启功能选项、型号、常用参数配置、告警阀值 、常用操作流程；（3）在云服务器端通用模型层将上传的弱关联信息进行记录，并在海量数据中对智能设备特性、非标识用户行为进行数据挖掘，产生通用的模型信息，包括决策树模型及聚类模型；聚类模型用来对采集到的弱关联信息进行分类，不同分类的数据将会进行二次挖掘并产生决策树；（4）当用户进入环境中，本地模型层将已经收集到的新用户弱关联信息上传到通用模型层，通用模型层依据新用户弱关联信息将会匹配到聚类模型中的一个分类，并基于该分类产生这类群体的通用的用户行为模型；本地模型层将该通用的用户行为模型下载到本地；（5）当本地用户行为较少无法学习到任何规律时，使用通用的用户行为模型进行行为预测和快速匹配，达到快速学习的目的；当本地用户行为积累到一定数量，本地模型层将会基于原有通用的用户行为模型和本地强关联信息进行数据挖掘，在通用的用户行为模型上进行再次数据挖掘和修正，产生适合个人的特定的用户行为模型。