自学习的智能家居控制方法、终端及计算机可读存储介质与流程

技术特征：
1.一种自学习的智能家居控制方法，其特征在于，所述自学习的智能家居控制方法包括：获取目标对象的历史使用数据，并对所述历史使用数据进行分段处理，得到多维度的记录矩阵；通过自学习算法对所述多维度的记录矩阵进行分析，确定所述目标对象在每个时间段内的习惯频率，并根据所述习惯频率向所述目标对象提示使用建议；根据所述使用建议和所述目标对象的确认信息、控制与所述习惯频率对应的智能家居设备进行相应操作响应。2.根据权利要求1所述的自学习的智能家居控制方法，其特征在于，所述获取目标对象的历史使用数据，之前包括：获取目标对象的语音信息，并通过解析处理将所述语音信息转换为文本信息；将所述文本信息发送至大数据云平台，并通过所述大数据云平台的自然语言处理系统将所述文本信息解析为控制指令；通过所述大数据云平台及所述控制指令控制对应的智能家居设备。3.根据权利要求2所述的自学习的智能家居控制方法，其特征在于，所述获取目标对象的历史使用数据，之前还包括：将所述目标对象的id和所述控制指令存储至所述大数据云平台的数据库中，以记录所述目标对象的历史使用数据。4.根据权利要求1所述的自学习的智能家居控制方法，其特征在于，所述获取目标对象的历史使用数据，并对所述历史使用数据进行分段处理，得到多维度的记录矩阵，包括：从大数据云平台中获取所述目标对象的历史使用数据；确定所述历史使用数据的使用周期，并根据所述使用周期将所述历史使用数据划分为n份数据；根据预设时间段对n份数据中的每份数据进行分割，得到维度为(n，m)的记录矩阵。5.根据权利要求4所述的自学习的智能家居控制方法，其特征在于，所述通过自学习算法对所述多维度的记录矩阵进行分析，确定所述目标对象在每个时间段内的习惯频率，并根据所述习惯频率向所述目标对象提示使用建议，包括：通过所述自学习算法对所述记录矩阵中的特征进行提取，得到所述目标对象使用对应的智能家居设备的使用频率；根据所述使用频率计算所述目标对象在每个时间段内的习惯频率；按照从大到小的顺序对所有时间段对应的习惯频率进行排序，得到频率最大的习惯频率；根据所述频率最大的习惯频率向所述目标对象提示对应的使用建议。6.根据权利要求5所述的自学习的智能家居控制方法，其特征在于，所述根据使用频率计算所述目标对象在每个时间段内的习惯频率，包括：判断所述使用频率是否大于第一阈值；若所述使用频率大于所述第一阈值，则根据所述使用频率计算所述目标对象在每个时间段内的习惯频率。7.根据权利要求5所述的自学习的智能家居控制方法，其特征在于，所述根据频率最大
的习惯频率向所述目标对象提示对应的使用建议，包括：判断所述频率最大的习惯频率是否大于第二阈值；若所述频率最大的习惯频率大于所述第二阈值，则向所述目标对象提示对应的使用建议。8.根据权利要求1所述的自学习的智能家居控制方法，其特征在于，所述根据使用建议和所述目标对象的确认信息、控制与所述习惯频率对应的智能家居设备进行相应操作响应，包括：获取所述目标对象在提示后输入的确认信息；根据所述习惯频率获取对应的控制指令，并根据所述确认信息和所述控制指令控制对应的智能家居设备进行相应操作响应。9.一种终端，其特征在于，包括：处理器以及存储器，所述存储器存储有自学习的智能家居控制程序，所述自学习的智能家居控制程序被所述处理器执行时用于实现如权利要求1-8中任意一项所述的自学习的智能家居控制方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有自学习的智能家居控制程序，所述自学习的智能家居控制程序被处理器执行时用于实现如权利要求1-8中任意一项所述的自学习的智能家居控制方法。

技术总结
本发明公开了一种自学习的智能家居控制方法、终端及计算机可读存储介质，方法包括：获取目标对象的历史使用数据，并对历史使用数据进行分段处理，得到多维度的记录矩阵；通过自学习算法对记录矩阵进行分析，确定目标对象在每个时间段内的习惯频率，并根据习惯频率向目标对象提示使用建议；根据使用建议和目标对象的确认信息、控制与习惯频率对应的智能家居设备进行相应操作响应。本发明通过获取用户的历史控制智能设备的使用数据，并利用自学习算法向用户提示与用户习惯相关的使用建议，从而基于统计学习的方式实现了自学习智能家居的控制模式，提高了用户数据计算的鲁棒性，降低了用户数据计算所需资源，保证了工业化应用的落地。地。地。


技术研发人员：张淼
受保护的技术使用者：深圳康佳电子科技有限公司
技术研发日：2021.12.23
技术公布日：2022/4/1