專利名稱：一種數(shù)字家庭網絡設備自動分組的方法
技術領域：
本發(fā)明涉及數(shù)字家庭的領域，特別是涉及數(shù)字家庭設備互聯(lián)互通的網絡中對設備自動分組的方法。
背景技術：
隨著信息化的普及，家庭擁有電腦、家電逐漸增多，家用環(huán)境越來越復雜，面向3C的數(shù)字家居是一個動態(tài)的環(huán)境，新設備加入到家庭網絡里，可以被其它在網絡中的設備識別，同時它也可以發(fā)現(xiàn)其它設備，并能相互協(xié)調工作。為了實現(xiàn)3C的融合，相關標準的制訂也紛紛涌現(xiàn)，閃聯(lián)就是其中的一種標準。
閃聯(lián)協(xié)議是一種應用層協(xié)議，應用于企業(yè)或家庭網絡中，實現(xiàn)設備間的互聯(lián)互通互操作，為了達到更好的資源共享和協(xié)同工作，閃聯(lián)協(xié)議采用分組管理機制。閃聯(lián)基礎協(xié)議設備組部分介紹了基于閃聯(lián)協(xié)議的設備為了達到更好的協(xié)同工作和資源共享可以將設備進行分組，分組類型有三種，全局對等設備組、特定對等設備組和主從設備組。協(xié)議詳細說明了每種類型的設備組如何創(chuàng)建、加入、退出和解散，以及從創(chuàng)建到解散之間，同組內設備之間的交互模式。
然而在現(xiàn)有閃聯(lián)協(xié)議中，關于設備組的功能需要外部設置來實現(xiàn)，隨著網絡中的設備增減的不斷變化及網絡環(huán)境的復雜性，通過外部設置的方式進行分組無論是在家庭網絡中還是企業(yè)網絡，都是不可行的，而且外部設置的分組有時也存在一定的不合理性，比如把家庭網絡中的DVD、洗衣機和冰箱分為一組，顯然這樣的分組沒有任何實際意義。
因此，在數(shù)字家庭設備互聯(lián)互通的網絡中，提供一種對網絡設備進行自動分組的方法實有必要。

發(fā)明內容
本發(fā)明要解決的技術問題是提供一個實現(xiàn)數(shù)字家庭網絡設備自動分組的方法。
本發(fā)明解決技術問題的技術方案是提供一種數(shù)字家庭網絡設備自動分組的方法，包括以下步驟，設定系統(tǒng)中網絡設備的分組參數(shù)；提取網絡中設備特征指標值，生成設備特征矩陣；執(zhí)行模糊聚類分析法對設備特征矩陣進行分析；輸出分組結果。
為了消除設備特性指標單位的差別和特性指標數(shù)量級不同的影響，本發(fā)明網絡設備自動分組的方法進一步包括對特性指標形成特征矩陣進行數(shù)據(jù)規(guī)格化處理，從而使每一個指標值統(tǒng)一于某種共同的數(shù)值特性范圍。
更進一步的是本發(fā)明提供一種數(shù)字家庭網絡設備自動分組的方法，新設備加入的分組方法包括最佳聚類中心矩陣法與最佳模糊分類矩陣法，如果新加入設備的特征指標值對最佳模糊分類矩陣某一類指標的隸屬度最大，就將它歸于該類；或者新加入設備的特征指標值對佳聚類中心矩陣的哪個聚類中心向量最靠近，就將它歸于哪一類。
相比現(xiàn)有技術，根據(jù)本發(fā)明的提供的數(shù)字家庭設備分組的方法，一方面用戶可以根據(jù)實際需要將設備進行一個初始分組，系統(tǒng)再通過模糊ISODATA聚類算法優(yōu)化分組；另一方面網絡中在線設備數(shù)達到一定的數(shù)目，系統(tǒng)就會根據(jù)默認的分組方式，通過模糊ISODATA聚類算法將設備進行合理的分組。
此外，對于已完成設備分組的網絡，如果有其他設備新上線，系統(tǒng)會自動將其加入到合適的設備組中，而無需人工重新分組。


圖1是本發(fā)明數(shù)字家庭設備分組的流程。
圖2是本發(fā)明新設備上線加入設備組流程圖。
具體實施例方式
本發(fā)明通過模糊ISODATA聚類分析方法(Iterative Self-Organizing DataAnalysis Technique A，迭代自組織數(shù)據(jù)分析技術)，使基于閃聯(lián)協(xié)議的設備進行更合理的分組，該方法根據(jù)設備本身的功能特性和日常生活中人們對設備的組合使用方式對設備進行自動分組，并經過迭代達到最優(yōu)分組的效果。
應用模糊聚類分析方法對研究對象及事物進行分類，分類效果的好壞關鍵在于把統(tǒng)計指標選擇得合理，也就是說，統(tǒng)計指標應具有明確的實際意義，有較強的分辨力和代表性，因而也要有一定的普遍意義。
本實施方法是以數(shù)字家庭網絡中設備為分析對象，實現(xiàn)家庭在線設備的自動分組，數(shù)字家電的指標可以選擇為某個家電是否具有控制能力以及控制能力的強弱、存儲容量的大小、具有娛樂功能、具有視頻功能、具有音頻功能、在線時間的長短、是否可以聯(lián)網等等。特性指標的選取可以根據(jù)具體要實現(xiàn)的功能和設備所在的環(huán)境，從設備的功能特性出發(fā)，選出最具有代表性的和最具有分辨能力的。目前，數(shù)字家庭中設備會很多，如電話、PC、數(shù)字電視、機頂盒、音響、數(shù)碼相機、攝像機、錄像機、游戲機、空調、冰箱、洗衣機、微波爐、電燈和電子門鎖、報警設備等等。除此之外還將有一些新興設備，如WebPad(手持式無線上網機)、PMP和電子書籍等等。雖然數(shù)字家庭中的家電種類繁多，但目前基本上可以分為三大部分，分別是數(shù)據(jù)通訊、家庭娛樂和信息家電控制三大部分，具體功能主要包含安防報警服務、數(shù)據(jù)信息通信服務、家庭環(huán)境控制和家庭娛樂。
根據(jù)對設備的不同分類要求，可以選擇不同的指標進行采樣分析，在本實施例中，選擇三個相對數(shù)字家電具有代表性的也是最基本的指標來分析，包括設備控制能力、存儲容量和家庭娛樂性?？刂颇芰κ窃O備具有控制其它設備的能力，涉及到設備的計算能力、傳輸能力等，評分標準分為五個等級，根據(jù)設備本身的特性，對設備進行等級劃分，然后評分。存儲容量是設備本身的硬件的存儲容量的大小，如PC的存儲能力就很強，而電視相對來說就很小，評分標準也分為五個等級。家庭娛樂功能是設備是否具有家庭娛樂的功能以及在家庭娛樂中的地位高低。評分標準分為三個等級，分別是不具備、可以算作家庭娛樂設備和是娛樂設備。三個指標的分級及評分標準參見下表。

根據(jù)前面的描述，在本實施例中選取家庭中常用的九種家電，PC機、數(shù)字電視、手機、音響、洗衣機、冰箱、微波爐、DVD和數(shù)碼相機，分別記為u1、u2、u3、u4、u5、u6、u7、u8、u9，每個家電用3個特性指標來描述，分別是控制能力、存儲容量、家庭娛樂功能。根據(jù)上述評分標準，通過本行業(yè)的多位研究人員對各個家電的各種指標進行人工評分，再將評分進行統(tǒng)計平均，建立如下所示統(tǒng)計表


根據(jù)設備的特性和日常生活使用習慣將設備分為三組，分別是信息家電控制、家庭娛樂和數(shù)據(jù)通信三個小組。為驗證聚類分類方法的可靠性，在本實施例中，將9種家電分兩個階段進行分類，首先將前六種家電u1、u2、u3、u4、u5、u6進行一個初始的分組，通過聚類分析看是否達到一個最佳分組的結果。分組完成后再將u7、u8、u9加入，看系統(tǒng)將他們歸為那個組中。
首先進行初始分組第一組信息家電控制，包括洗衣機和冰箱，第二組家庭娛樂，包括數(shù)字電視和音響；第三組數(shù)據(jù)通信，包括PC和手機。得到對象的特征矩陣U=99.178.673.54.178.176.674.835.51.51.837.50.6710.33110.33]]>接下對對像的特征矩陣進行規(guī)格化，常用的數(shù)據(jù)規(guī)格化的方法包括數(shù)據(jù)標準化、均值標準化、中心規(guī)格化、最大值規(guī)格化，在本實施方式中采用最大值法對對象的特征矩陣進行規(guī)格化，結果如下
U=1110.3890.4550.9420.7410.5270.6340.1670.20.8650.0740.1090.0380.1110.1090.038]]>根據(jù)模糊ISODATA聚類分析法的理論原理，根據(jù)前述被分組設備的特性指標矩陣為U=u11u12Lu1mu21u22Lu2mMMMun1un2Lumn]]>如現(xiàn)在要把對象集U分成c類(2≤c≤n)，設c個聚類中心向量構成的矩陣為V=V1V2MVc=v11v12Lv1mv21v22Lv2mMMMvc1vc2Lvcm]]>為了獲得一個最佳的模糊分類，可以按照下列聚類準則，從模糊分類空間中優(yōu)選一個最好的模糊分類。聚類準則求出適當?shù)哪：诸惥仃嘡及聚類中心矩陣V，使目標函數(shù)J(R,V)=Σk=1nΣi=1c(rik)q||uk-Vi||2]]>達到極小值，其中q可取一定的值(一般去q＝2)，而‖uk-Vi‖表示對象uk與第i類聚類中心向量Vi的距離。在應用中，最常用的距離有Chebyshev距離、Hamming距離、Euclid距離和Minkowski距離幾種。
當q＞1，uk≠Vi時，可以通過模糊ISODATA算法進行迭代運算，而且運算過程是收斂的，具體步驟(1)求最佳模糊分類矩陣和最佳聚類中心矩陣第一步選定分類數(shù)c，2≤c≤n，取一初始模糊分類矩陣R(0)∈Mfc，逐步迭代，l=0,1,2,L;]]>第二步對于R(l)，計算聚類中心矩陣V(l)=(V1(l),V2(l),L,Vc(l))T,]]>式中Vi(l)=Σk=1n(rik(l))quk/Σk=1n(rik(l))q]]>第三步 修正模糊分類矩陣R(l)，取rik(l+1)=[Σj=1c(||uk-Vi(l)||||uk-Vj(l)||)2q-1]-1]]>(k=1,2,Ln;j=1,2,L,c).]]>第四步 比較R(l)與R(l+1)，若對取定的精度ε＞0，有max{|rik(l+1)-rik(l)|}≤ϵ,]]>則R(l+1)和V(l)即為所求，停止迭代；否則，l＝l+1，回到第二步，重復進行。
應用上述算法的得到的模糊分類矩陣R(l+1)和聚類中心矩陣V(l)是相對于分類數(shù)c，初始模糊分類矩陣R(0)，ε和參數(shù)q的局部最優(yōu)解。
(2)模糊聚類在求出滿足所要求的最佳模糊分類矩陣和最佳聚類中心矩陣之后，可按下列兩個判斷原則來進行分類。
①利用最佳模糊分類矩陣聚類判斷原則設求得的最佳模糊分類矩陣為R*=r11*r12*Lr1n*r21*r22*Lr2n*MMMrc1*rc2*Lrcn*]]>uk∈U，在R*的第k列中，如果rik*=max1≤j≤c(rjk*),]]>則將對象uk歸于第i類，即對象uk對哪一類的隸屬度最大，就將它歸于哪一類。
②利用最佳聚類中心矩陣聚類判斷原則設求得的最佳聚類中心矩陣為V*=(V1*,V2*,L,Vc*)T]]>uk∈U，如果||uk-Vi*||=min1≤j≤c(||uk-Vj*||),]]>則將對象uk歸于第i類，即對象uk與哪一個聚類中心向量最靠近，就將它歸于哪一類。
(3)聚類效果的檢驗由于應用模糊ISODATA方法獲得的模糊聚類是相對于分類數(shù)c，初始模糊分類矩陣R(0)，誤差ε和參數(shù)q的局部最優(yōu)解，如果改變c，R(0)，ε和q，則可以得到許多局部最優(yōu)解。如何從這些最優(yōu)解中選出最佳的呢？這就需要有鑒別模糊ISODATA聚類效果的指標。
下面介紹兩個檢驗聚類效果的方法①利用分類系數(shù)進行檢驗考慮分類系數(shù)Fc(R)=1nΣk=1nΣi=1crik2]]>當R∈Mc時，F(xiàn)c(R)＝1，因此Fc(R)愈接近于1，聚類效果愈好。
②利用平均模糊熵進行檢驗考慮平均模糊熵Hc(R)=-1nΣk=1nΣi=1crikln(rik)]]>當平均模糊熵越接近于0，聚類效果越好。
至此模糊ISODATA聚類分析方法已獲取相關參數(shù)包括設備數(shù)N＝6，每個設備的特征數(shù)為M＝3，選定分組數(shù)C＝3(2≤c≤n)，誤差精度設定為ε＝0.001，參數(shù)q取值1.1，‖uk-Vi‖計算采用漢明距確定。
根據(jù)前述分析方法步驟，通過模糊ISODATA聚類分析方法對規(guī)格化后的特征矩陣U進行分析，輸出的結果如下洗衣機u5、冰箱u6屬于第一組信息家電控制；數(shù)字電視u2、音響u4屬于第二組家庭娛樂；PC u1、手機u3屬于第三組數(shù)據(jù)通信。同時模糊ISODATA聚類效果的兩個指標，其中分類系數(shù)F(R)＝0.58053，H(R)＝0.35717，和初始分組一樣，說明初始分組基本上是一個最優(yōu)的分組。
對于上述分組結果，如果有新設備加入，可以根據(jù)模糊聚類判斷原則將其加入到合適的組中。接下來再將微波爐、DVD和數(shù)碼相機三個新設備加入設備組中，三個新設備的特征矩陣規(guī)格化后如下U′=0.1110.1450.0580.2590.3270.8850.30.7090.903]]>利用最佳聚類中心矩陣聚類方法，微波爐u7屬于第一組信息家電控制，DVD u8和數(shù)碼相機u9屬于第二組家庭娛樂，這符合人工分組的結果。
將初始分組改變，第一組信息家電控制，包括洗衣機和冰箱，第二組家庭娛樂，包括數(shù)字電視和手機；第三組數(shù)據(jù)通信，包括PC和手音響。顯然音響不具有數(shù)據(jù)通信的能力。那么通過模糊ISODATA分析后，分組的結果會怎樣？R=000011011000100100]]>聚類后分組情況如下經過9次迭代，得到的分組結果是初始分組的情況已改變，說明此次迭代的初始分組并不是最優(yōu)的，經過迭代后，分組是u5、u6屬于第一組，u2、u4屬于第二組，u1、u3屬于第三組，初始分組被改變，分組結果與前一次分組結果一樣。由此可看出，本發(fā)明的聚類分類方法可以實現(xiàn)設備的自動分組與優(yōu)化，以實現(xiàn)最佳分組要求。
根據(jù)本發(fā)明的提供的數(shù)字家庭設備分組的方法，一方面用戶可以根據(jù)實際需要將設備進行一個初始分組，系統(tǒng)再通過模糊ISODATA聚類算法優(yōu)化分組；另一方面網絡中在線設備數(shù)達到一定的數(shù)目，系統(tǒng)就會根據(jù)默認的分組方式，通過模糊ISODATA聚類算法將設備進行合理的分組。分組完成后，如果有其他設備上線，系統(tǒng)會自動將其加入到合適的設備組中。
下面對本發(fā)明數(shù)字家庭設備分組的流程作進一步的詳細說明，以便于對本發(fā)明的理解。
請參閱圖1，模糊ISODATA聚類分析方法實現(xiàn)步驟，首先是啟動設備聚類分類系統(tǒng)，進行檢測，等待設備接入。
步驟S101設備上線，上線設備向系統(tǒng)報告，通過認證接入系統(tǒng)，上線完成。
接下來執(zhí)行步驟S102上線設備接收其它設備宣告報文并存儲相關報文數(shù)據(jù)。
在存儲相關報文數(shù)據(jù)后，執(zhí)行步驟S103判斷用戶是否對在線設備進行初始分組，如果是則執(zhí)行初始分組。
如果用戶沒有對在線設備進行初始分組，則執(zhí)行步驟S104判斷在線設備的數(shù)量是否大于設定的設備分組的最低限M，如果在線設備數(shù)不大于M，則系統(tǒng)無需對設備進行分組，運行結束。
如果在線設備數(shù)大于M，則執(zhí)行步驟S105系統(tǒng)進行默認的初始分組。
接下來系統(tǒng)執(zhí)行步驟S106輸入初始分組，系統(tǒng)調用默認初始分組中預先設定目標函數(shù)中q的取值和采用的計算距離的方法d、分組數(shù)C、及每個設備的特征數(shù)值，以及迭代的精度ε等相關參數(shù)。
接下來執(zhí)行步驟S107提取所有在線設備特征指標值M。
在提取了所有在線設備特征值M后，系統(tǒng)執(zhí)行步驟108生成設備特征矩陣。
通過執(zhí)行步驟S109通過模糊ISODATA算法進行設備分組與優(yōu)化。
最后，執(zhí)行步驟S110輸出分組結果和最佳聚類中心矩陣，分組完備，系統(tǒng)分組流程結束。
對于已經完成分組的設備組，若有新設備上線，則需要通過對上線設備的特征指標的進行分析，判斷新上線設備比較適合加入哪個組，相關流程請參閱圖2所示的新設備上線加入設備組流程圖。
開始；執(zhí)行步驟S201新設備上線，執(zhí)行步驟S201上線新設備獲取最佳聚類中心矩陣或最佳模糊分類矩陣；執(zhí)行步驟S203判斷新加入設備特征指標值與哪個聚類中心向量最接近，或新加入設備的特征指標值對哪一類的隸屬度最大，就將它歸于哪一類；執(zhí)行步驟S204加入新設備，程序運行結束。
再有新設備加入，重復執(zhí)行。
本發(fā)明的數(shù)字家庭網絡設備自動分組方法所需的設備特征指標值在系統(tǒng)設計中可以通過以下兩種方法實現(xiàn)，一是建立設備檔案庫，系統(tǒng)需要時從中調用；二是將設備特征指標值加到設備宣告報文中，系統(tǒng)可以主動獲取。
將模糊聚類分組方法應用在閃聯(lián)協(xié)議中，實現(xiàn)起來并不麻煩，基于閃聯(lián)協(xié)議的設備通過接收設備在線宣告報文可以獲取其他任何在線設備的信息，只需在設備宣告報文中增加一個描述設備特性指標的字段就可實現(xiàn)。這樣既不影響協(xié)議的任何的功能，實現(xiàn)起來也比較方便。添加了這個字段以后，任何一個設備都可以獲取其他設備的特征指標值，生成特征矩陣。應用時將模糊聚類算法模塊化，通過添加算法函數(shù)，系統(tǒng)用到時調用相應的函數(shù)即可。
用戶想要實現(xiàn)設備分組功能，如要同時在線的家庭娛樂設備和家庭監(jiān)控設備分開，也就是將這些設備分為兩組，通過使用本發(fā)明的提供的數(shù)字家庭設備分組的方法，用戶無需對設備一個個進行分組設置，只要將初始分組告之系統(tǒng)，系統(tǒng)會通過模糊ISODATA聚類算法自動進行分組，并且驗證是否是最優(yōu)分組，如果不是最優(yōu)分組，系統(tǒng)會自動修正，使分組達到最優(yōu)。如果用戶沒有進行初始分組，系統(tǒng)就會判斷如果在線設備的數(shù)量達到分組要求，就會調用默認分組模式，再通過模糊ISODATA聚類算法優(yōu)化初始分組。通過引入模糊ISODATA聚類分組方法有利增加對家庭網絡設備的管理與利用。
權利要求
1.一種數(shù)字家庭網絡設備自動分組的方法，包括以下步驟判斷在線設備數(shù)量是否達到系統(tǒng)最低分組要求，如果在線設備數(shù)量滿足最低分組要求，則執(zhí)行設備分組；提取網絡中設備特征指標值，生成設備特征矩陣；獲取初始分組參數(shù)；執(zhí)行模糊聚類分析法對設備特征矩陣進行分析；輸出初始分組結果。
2.如權利要求1所述的一種網絡設備自動分組的方法，其特征在于初始分組參數(shù)可以由用戶在分組時輸入；如果用戶沒有輸入，系統(tǒng)就調用默認的初始分組。
3.如權利要求1所述的一種網絡設備自動分組的方法，其特征在于設備特征指標值在系統(tǒng)設計中通過以下兩種方法實現(xiàn)，一是建立設備檔案庫，系統(tǒng)從設備檔案庫中調用設備特征指標值；二是在設備宣告報文中增加設備特征指標值，由系統(tǒng)主動獲取。
4.如權利要求1或3所述的一種網絡設備自動分組的方法，其特征在于設備特征指標值包括設備控制能力、存儲容量、家庭娛樂功能、視頻功能、音頻功能、在線時間長短等。
5.如權利要求1所述的一種網絡設備自動分組的方法，其特征在于所生成的設備特征矩陣進一步包括規(guī)格化處理。
6.如權利要求5所述的一種網絡設備自動分組的方法，其特征在于對設備特征矩陣規(guī)格化處理方法包括數(shù)據(jù)標準化、均值標準化、中心規(guī)格化或最大值規(guī)格化。
7.如權利要求1所述的一種網絡設備自動分組的方法，其特征在于模糊聚類分析法采用迭代自組織數(shù)據(jù)分析技術。
8.如權利要求7所述的一種網絡設備自動分組的方法，其特征在于分組所需參數(shù)包括分組數(shù)量C，誤差精度值ε，以及參數(shù)q值。
9.如權利要求8所述的一種網絡設備自動分組的方法，其特征在于在給定分組數(shù)量C，誤差精度值ε，以及參數(shù)q值時，執(zhí)行采用迭代自組織數(shù)據(jù)分析技術進行分組的輸出結果包括最佳模糊分類矩陣和最佳聚類中心矩陣。
10.如權利要求9所述的一種網絡設備自動分組的方法，其特征在于，分組完成后，如果新加入設備的特征指標值對最佳模糊分類矩陣某一類指標的隸屬度最大，就將它歸于該類；或者新加入設備的特征指標值對佳聚類中心矩陣的哪個聚類中心向量最靠近，就將它歸于哪一類。
全文摘要
本發(fā)明提供一個數(shù)字家庭網絡設備自動分組的方法，包括以下步驟，確定在線設備數(shù)量滿足最低分組數(shù)；獲取系統(tǒng)分組參數(shù)；提取網絡中設備特征指標值，生成設備特征等價矩陣；執(zhí)行模糊聚類分析法對設備特征矩陣進行分析；輸出初始分組結果。相比現(xiàn)有技術，本發(fā)明的提供的數(shù)字家庭網絡設備自動分組的方法，一方面用戶可以根據(jù)實際需要將設備進行一個初始分組，系統(tǒng)再通過模糊ISODATA聚類算法優(yōu)化分組；另一方面網絡中在線設備數(shù)達到一定的數(shù)目，系統(tǒng)就會根據(jù)默認的分組方式，自動通過模糊ISODATA聚類算法將設備進行合理的分組。此外，對于在線設備已分組完成后設備，如果有其他設備新上線，系統(tǒng)會自動將其加入到合適的設備組中，而無需人工重新分組。
文檔編號H04L29/08GK101060535SQ20061006045
公開日2007年10月24日 申請日期2006年4月21日 優(yōu)先權日2006年4月21日
發(fā)明者詹紅艷 申請人:深圳Tcl工業(yè)研究院有限公司