[发明专利]一种智能室内装修吸附除尘控制系统

摘要

本发明属于除尘技术领域，公开了一种智能室内装修吸附除尘控制系统，所述智能室内装修吸附除尘控制系统包括：太阳能供电模块、灰尘检测模块、中央控制模块、无线遥控模块、智能监视模块、数据存储模块、报警模块、显示模块。本发明通过太阳能供电模块可以获取源源不断的太阳能，太阳能清洁高效，经济环保，可以持久供电；同时通过信号放大模块可以扩大远距离控制范围，控制反应灵敏，使用方便。

主权项

1.一种智能室内装修吸附除尘控制系统，其特征在于，所述智能室内装修吸附除尘控制系统包括：太阳能供电模块，与中央控制模块连接，用于通过太阳能电池板获取太阳能对电器元件进行供电；灰尘检测模块，与中央控制模块连接，用于检测室内空气中的灰尘颗粒数据信息；中央控制模块，与太阳能供电模块、灰尘检测模块、无线遥控模块、智能监视模块、数据存储模块、报警模块、显示模块连接，用于控制各个电器元件正常工作；所述中央控制模块获得能同时满足用户特定位置隐私需求和服务质量需求的最长基于位置服务请求序列；需求感知请求序列定义为：给定历史足迹数据集F，用户u发起的连续基于位置服务请求为Q＝{Q₁,Q₂,...,Q_n}，其中Q_i＝＜u,t,l(x,y),r:(p,(q_x,q_y))＞,i＝1,2,...,n，在用户特定需求Q_i.r约束下，连续请求Q'＝{Q₁',Q₂',...,Q_m'}作为Q的一个感知序列当且仅当：P_U(A_i)≥Q_i'.p且其中P_U(A_i)表示在共同用户集U约束下服务质量约束区域A_i所能获得的隐私值，为了保护连续基于位置服务请求的位置隐私，所述模型基于位置k‑匿名方法，但要求构造的连续匿名区需包含k个共同用户，这样共同匿名集可以保证攻击者无法将真实用户与其余k‑1个共同用户进行区分，从而保证用户隐私安全；历史足迹表F存储用户的所有历史足迹信息F＝{f₁,f₂,...,f_n}，其中任意一条足迹记录f_i(i＝1,2,...,n)表示为＜t,l(x,y)＞，用户u发起的连续请求为Q＝{Q₁,Q₂,...,Q_n}，需求感知位置隐私保护模型得到的需求感知序列Q'＝{Q₁',Q₂',...,Q_m'}以及构造的匿名区C＝{C₁,C₂,...,C_m}应满足：(1)max{|Q'|}，即，最大化满足需求的请求个数，尽可能的满足用户更多的基于位置服务请求；(2)Qi.l(x,y)∈Ci,i＝1,2,...,m，即，匿名区Ci要覆盖请求发起的位置Qi.l(x,y)；(3)PU(Ci)≥Qi.p,i＝1,2,...,m，即，基于共同用户集U的匿名区Ci所提供的隐私保护级别PU(Ci)需满足用户特定位置隐私需求Qi.p；(4)即，匿名区C_i需包含在用户特定服务质量约束区域A_i内；(5)Area(C_i)表示匿名区C_i的面积，即，匿名区应尽可能小，以获得更好的服务质量；最大化需求感知请求序列阶段包括：计算连续基于位置服务请求Q＝{Q1,Q2,...,Qn}所对应的服务约束区域A＝{A1,A2,...,An}，根据网格表G计算共同用户集U←{u1,u2,...,un}，其中，网格表G的每个网格单元记录哪些用户的足迹曾出现在该网格区域内；对每个Ai∈A,(i＝1,2,...,n)，如果PU(Ai)＜Qi.p，即具有共同用户集的匿名区不满足位置隐私需求，则将所对应的请求Qi加入集合D，集合D存储不能满足位置隐私需求的请求；对集合D，调用足迹稀疏区域请求查找算法，[Qs,S1]←Sparse Area Search(Q,A,G,F)；调用隐私需求过大请求查找算法，[Ql,S2]←Excessive Privacy‑demand Search(Q,A,G,F)，识别出服务质量约束区域中足迹过于稀疏请求Qs和位置隐私需求设置过大的请求Ql，并得到分别抑制这两个请求后仍不满足位置隐私需求的请求集合S1和S2；如果|S1|≤|S2|，Q←Q‑Qs；D←S1，否则，Q←Q‑Ql；D←S2,即比较集合S1和S2内请求的个数，选择个数少的进行抑制处理；循环进行对集合D，调用足迹稀疏区域请求查找算法，直到集合D为空，此时集合Q的所有查询请求的位置隐私需求和服务质量需求均能得到满足，集合Q便是最长需求感知请求序列；无线遥控模块，与中央控制模块连接，用于通过无线方式控制吸尘设备进行吸尘操作；智能监视模块，与中央控制模块连接，用于通过摄像头对室内环境进行视频图像监控；数据存储模块，与中央控制模块连接，用于对检测的灰尘数据及视频数据进行存储；所述数据存储模块根据数据源特征，通过自适应本体构建策略，进行局部本体的构建，具体包括：步骤一、基于非结构化数据源构建局部本体：首先，应用文本过滤器将不同的文件格式转成为纯文本文件格式，获得语料数据，并进行一致性检查；然后，采用逆向最大分类中文分词方法对这些语料进行初步的切分处理，得到字串集合；然后，利用最大信息系数(MIC)方法计算字串的内部结合强度，获取合成词集合，并判断合成词和非合成词的领域相关性，提取出概念集合；然后，应用图上随机游走算法推理合成词概念间的分类关系，采用基于隐Markov模型(HMM)的聚类算法提取非合成词概念间的分类关系；接着，运用基于关联规则挖掘的方法获取概念间的非分类关系；最后，应用本体构建工具输出OWL格式的局部本体；步骤二，基于结构化数据源构建局部本体：首先，利用R2O技术建立数据库模式和本体模型之间的语义映射关系，从而把关系数据库中的关系映射为本体中的概念，把属性对应地映射为OWL属性，并把数据库的关系表转化为本体类，把数据库中的数据转化为实例；然后，对从数据库中抽取出来的初始局部本体做一系列的规范化工作，通过与标准本体进行语义相似度计算，将符合阈值的本体信息建立语义联系，不符合阈值的本体信息进行规范化处理，从而构建出符合要求的规范化局部本体；步骤三，基于半结构化数据源构建局部本体由于半结构化数据是介于结构化和非结构化数据之间的、具有隐含结构但缺乏固定或严格结构的一类数据；所以，基于上述两种数据类型的本体构建技术也可以应用到半结构化数据源；首先，抽取出半结构化数据模式，给定映射规则，利用XML2RD方法，将半结构化数据转化为结构化数据；然后，按照结构化数据构建局部本体的方法构造半结构化数据源对应的局部本体；报警模块，与中央控制模块连接，用于除尘过程中设备故障进行报警；显示模块，与中央控制模块连接，用于对灰尘检测数据、视频数据进行显示。