1.一种基于物联感知的多模态数据智能推荐系统，其特征在于，包括：智能推荐模块；
智能推荐模块对家居设备信息进行特征提取以得到特征参数，并依据特征参数推荐控制策略；具体为：
特征参数提取：任取其中一个家居设备，调取该家居设备的使用次数以及每次使用对应的使用开始时刻、使用结束时刻，将使用开始时刻与使用结束时刻进行时间差值计算以得到单次使用时长，将使用开始时刻作为单次使用时长的使用时间；由此可得单个单次使用时长的使用时间；将单次使用时长按照对应的使用时间进行排序，将相邻两个单次使用时长对应的使用时间进行时间差值计算以得到使用间隔；对单次使用时长和使用间隔进行细化分析以得到需求指数和使用指数，将需求指数和使用指数记为家居设备特征参数；
调取家居设备的需求指数和使用指数，并将其分别与设定的需求区间和使用区间进行比较分析以得到使用类型和需求类型，其中使用类型包括一级使用设备、二级使用设备、三级使用设备；需求类型包括一级需求设备、二级需求设备、三级需求设备；
将同时标记为一级需求家居设备和一级使用设备的家居设备归类至全自动模式，将同时标记为三级需求家居设备和三级使用家居设备归类为手动模式，将其他家居设备归类至半自动模式；将家居设备按照对应的类别进行对应的控制模式运行；
家居设备特征参数提取步骤为：
以时间为横坐标，以单次使用时长为纵坐标得到该设备的使用轨迹曲线图；在使用点位置作曲线切线，计算切线斜率记为使用斜率记为Kr，其中r=1，2，3……R，R取值为正整数，R表示的是单次使用总次数，r为其中任意一个单次使用的次数序号；将大于零的单次使用斜率进行求和计算以得到使用增度记为A1；将小于零的使用斜率进行求和计算并取绝对值以得到使用降度记为A2；
将使用间隔按照对应的使用时间进行先后编号，以编号为横坐标，以使用间隔为纵坐标得到该设备使用间隔变化折线图；计算相邻两个间隔点组成的线段斜率记为 ，将大于零的间隔斜率进行求和计算以得到频度降度记为A3；将小于零的间隔斜率进行求和计算以得到频度增度记为A4；
将使用斜率Kr，间隔斜率 、使用增度A1、使用降度A2、频度降度A3和频度增度A4代入设定的公式组 进行计算以得到使
用指数Ak1和需求指数AK2，其中a1、a2、a3和a4分别为设定的比例系数，将使用指数和需求指数记为该家居设备特征参数。
2.根据权利要求1所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，还包括服务器、多模感知模块和隐私防护模块；
服务器将用户设定的适宜参数和传感器信息进行综合分析以得到环境更新指数，当环境更新指数大于设定的阈值时，则生成采集指令并将其发送至多模感知模块；
多模感知模块接收到采集指令时，则采集家居设备信息并将其发送至服务器保存；
隐私防护模块对登录智能家居系统的来访端进行特征提取以得到访问特征参数，并据此进行风险分析以得到风险指数，依据风险指数执行对应的防护措施以完成对访问端的安全认证。
3.根据权利要求2所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，通过将用户设定的适宜参数和传感器信息进行综合分析以得到环境更新指数，具体为：
获取适宜参数，其中适宜参数包括适宜温度、适宜湿度和适宜光照，并将其分别记为Y1、Y2和Y3；获取不同采集时刻的温度、湿度、光照强度，并将其分别记为P1、P2和P3，利用设定的公式 进
行计算以得到环境更新指数YP，其中y1、y2、y3分别为设定的比例系数；当环境更新指数大于设定的更新阈值，则发送采集指令至多模感知模块。
4.根据权利要求2所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，访问特征参数提取过程为：
将访问开始时刻和访问结束时刻进行时间差值计算以得到单次访问时长，以此次访问的访问开始时刻作为此次的访问时间，由此可得每次访问的单次访问时长和访问时间；以时间为横坐标，以访问时长为纵坐标得到访问时长随着时间变化曲线图；在访问点的位置作曲线的切线，通过数据拟合以得到切线表达式，对切线数据表达式进行求导操作以得到该访问点的导数；将大于零的导数进行求和计算以得到时长单增度，将小于零的导数进行求和计算并取绝对值以得到时长单降度；将访问点的导数、时长单增度和时长单降度进行公式化计算分析以得到访问指数；
以天为基准，将每天分为若干个时间段；将访问时间段与各时间段进行比对以匹配至对应的时间段，由此将每次访问按照访问时间累计至对应的时间段内；任取其中一个时间段，获取该时间段内的累计访问次数以及对应的访问时长，将每次累计访问次数对应的访问时长进行求和计算以得到该时间段内的累计访问时长；将累计访问次数和累计访问时长进行数值化分析以得到该时间段内累计习惯指数，由此可得每个访问端在各时间段的累计习惯指数；
将访问时长与设定的时长阈值进行比较分析以得到异常访问时长，并将异常访问时长按照对应的访问时间进行先后排序以得到异常访问轨迹，将相邻两次的异常访问时长对应的访问时间进行时间差值计算以得到异常访问间隔；将异常访问间隔按照对应的访问时间先后顺序进行编号，以编号为横坐标，以异常访问间隔为纵坐标异常访问间隔变化折线图，计算相邻两个异常点构成的线段的斜率，将大于零的斜率进行求和计算以得到异常增度，将小于零的斜率进行求和计算以得到异常降度；将异常增度和异常降度进行数值化分析以得到异常访问指数；将访问指数、各时间段的累计习惯指数和异常访问指数记为访问特征参数，由此可得每个访问端的访问特征参数。
5.根据权利要求4所述的一种基于物联感知的多模态数据智能推荐系统，其特征在于，风险分析的具体步骤为：
当访问端进入智能家居网络时，识别访问端并调取对应的访问特征参数，并获取访问端进入智能家居的登录行为；将登录时间与各时间段进行比较以得到对应的累计习惯指数；选取各时间段中最大的累计习惯指数作为高频指数；
设定每个登录地址均对应一个安全系数，将登录地址与设定的所有登录地址进行比对以匹配到对应的安全系数，获取登录地址与智能家居网络的距离记为间隔距离；将累计习惯指数、异常访问指数、安全系数、间隔距离、高频指数进行公式化计算分析以得到该访问端此次访问的风险指数；将风险指数与设定的风险区间进行比较分析，当风险指数大于设定的风险区间中的最大值时，则控制访问端进入锁定状态；当风险指数处于设定的风险区间之内时，则控制访问端进入局部限制模式；当风险指数小于设定的风险区间中的最小值时，则控制访问端进入无限制模式。
6.一种基于物联感知的多模态数据智能推荐方法，其特征在于应用于如权利要求1‑5中任一项所述的一种基于物联感知的多模态数据智能推荐系统，该方法包括以下步骤：
S1：通过对传感器信息以及用户设定的适宜参数进行综合分析以得到环境更新指数，当环境更新指数大于设定的阈值时，则发送采集指令至多模感知模块；
S2：多模感知模块通过与各家居设备进行通信连接，当接收到采集指令时则采集家居设备信息发送至服务器保存；
S3：通过调取家居信息进行特征提取以得到家居设备的特征参数，依据特征参数进行个性化分析以生成智能家居推荐策略；
S4：通过对访问端进行风险分析以得到风险指数，依据风险指数进行安全认证并执行对应防护措施以实现对用户隐私和安全保障。