CN106096228B - 一种基于充电数据信息分析用户睡眠质量的方法 - Google Patents
一种基于充电数据信息分析用户睡眠质量的方法 Download PDFInfo
- Publication number
- CN106096228B CN106096228B CN201610367920.6A CN201610367920A CN106096228B CN 106096228 B CN106096228 B CN 106096228B CN 201610367920 A CN201610367920 A CN 201610367920A CN 106096228 B CN106096228 B CN 106096228B
- Authority
- CN
- China
- Prior art keywords
- sleep quality
- data information
- sleep
- duration
- charge data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于充电数据信息分析用户睡眠质量的方法,包括:采集充电数据信息、建立作息时间模型、计算作息时间、作息时间和充电数据信息更新、睡眠质量分析、建立睡眠质量评价体系六个步骤。本发明通过智能移动终端的充电数据信息判断用户作息时间的方法,能够较为精确的分析用户的作息时间、作息时长,且操作简单,使用方便,通过睡眠质量评价算法,建立睡眠质量评价模型,帮助用户分析睡眠质量状况和辅助提供健康决策,通过睡眠质量分析可以在个人健康管理、用户征信信用度、广告投放时间效果、用户地区发展状况等方面的提供决策依据。
Description
技术领域
本发明涉及质量评价技术领域,尤其涉及一种基于充电数据信息分析用户睡眠质量的方法。
背景技术
在人们的日常工作生活中,睡眠质量的好坏直接影响着人们的工作质量,影响着人们的生活幸福感指数,目前,国内外的专家学者都在医学或人体方面解决睡眠质量问题,对睡眠质量的量化分析不够,随着智能移动终端在人们的生活中越来越普及,功能越来越强大,发明人研究发现,人们在日常生活中,在准备睡觉时,智能移动终端大多都会开始连接充电器充电,在睡觉之前,一般都会把智能移动终端拿在手中,进行浏览新闻、购物、聊天或其他活动,当睡觉时,智能移动终端一般都会平放在桌面、床上等位置,处于静止的状态,醒来以后,人们第一时间大多是拿起手机,看看有无电话、短信、社交留言等,当智能移动终端断开充电器,说明人们已经起床,所以智能移动终端的充电信息与人们作息时间保持一致性。
现有技术中,对睡眠质量评估模型的研究主要基于统计信息,采用调查问卷的形式来分析用户的睡眠质量,如匹斯堡睡眠质量指数,通过19个自评条目和5个他评条目的调查问卷形式,按照每一项得分情况来计算用户的睡眠质量得分,最后得到睡眠质量评估情况,但这种方式的随意性较大,用户个体对自己相关情况的认知情况不科学的话,将导致评判质量的不准确;还有通过医学、电子学的角度测量人体的脑电波状态来分析用户的睡眠状况,然后分析用户的睡眠质量,但是这种方法需要专门的仪器,费用昂贵,不适宜大众人群使用。
因此,目前需要本领域技术人员迫切解决的一个技术问题就是:如何能够创新地提出一种有效措施,通过分析移动终端设备的手机充电数据信息和状态信息,判断人们的休息时间和休息时长,通过一定的算法实现,判断用户的睡眠质量,建立睡眠评价体系,并为健康决策提供依据。
发明内容
为解决上述问题,本发明公开了一种基于充电数据信息分析用户睡眠质量的方法,包括以下步骤:
S1:采集充电数据信息,通过智能移动终端的硬件设备和/或应用软件记录智能移动终端的充电数据信息;
S2:建立作息时间模型,对充电数据信息进行分析计算,建立作息时间和睡眠时长模型;
S3:计算作息时间,将新采集的充电数据信息输入作息时间和睡眠时长模型中,计算得出作息时间和睡眠时长;
S4:作息时间和充电数据信息更新,将新采集的充电数据信息和计算得出作息时间和睡眠时长数据信息加入数据库,并更新数据库信息;
S5:睡眠质量分析,将新计算的作息时间、睡眠时长和新采集的充电数据信息与数据库中已有作息时间、睡眠时长和充电数据信息进行分析对比,判断睡眠状况,并对睡眠质量进行评价;
S6:建立睡眠质量评价体系,通过对个人用户和/或群体用户的睡眠质量分析,将个人用户和/或群体用户的睡眠质量状况进行分析汇总,按照睡眠质量评价算法,制定用户个人和/或群体的睡眠质量评价体系。
进一步的,所述充电数据信息包括:智能移动终端未连接充电器时间信息、智能移动终端连接充电器时间信息、陀螺仪水平或运动状态信息、陀螺仪水平或运动时间信息,所述时间信息包括时间和时长。
进一步的,所述步骤S2包括以下步骤:
S201:选取24小时时长为建立作息时间模型的时间采集样本;
S202:把智能移动终端从未连接充电器状态到连接充电器的时间记录为智能移动终端连接充电器时间信息,把终端设备从连接充电器状态到未连接充电器记录为智能移动终端未连接充电器时间信息,从智能移动终端连接到充电器持续到未连接充电器的时间段,作为充电片段;
S203:选取时间采集样本内最长的充电片段;
S204:作息时间的判断,在最长的充电片段内从智能移动终端连接充电器的时间点,记录为上床时间点;从上床时间点到陀螺仪由运动状态变成水平状态的时间点,记录为睡觉时间点;在最长的充电片段内陀螺仪从水平状态变成运动状态的时间,记录为睡醒时间点,从睡醒时间点到智能移动终端未连接充电器的时间点,记录为起床时间点;
S205:计算睡眠时长:将睡醒时间点与睡觉时间点之间的时间差记录为睡眠时长,将上床时间点与睡觉时间点之间的时间差记录为待睡时长,将睡醒时间点与起床时间点之间的时间差记录为睡醒时长,将起床时间点与上床时间点之间的时间差记录为工作时长,所有时长之和为24小时。
进一步的,步骤S6所述睡眠质量评价算法包括以下步骤:
S601:构建睡眠质量评价模型,将上床时间点和睡眠时长、待睡时长、睡醒时长、工作时长作为睡眠质量评价模型的元素;
S602:计算元素在总目标中的量化值,构建元素判断矩阵,按照指标算法公式将睡眠质量评价模型中的元素进行量化,然后将元素进行两两重要性比较得到元素的判断矩阵;
S603:计算单一准则下元素的相对权重,所述计算单一准则下元素的相对权重的公式包括和法权重计算公式和跟法权重计算公式;
S604:计算相容性和误差分析,由于睡眠质量评价模型的复杂性和人的认识的多样性,完全一致的判断往往是不现实的,同时,由于判断矩阵是根据决策者主观判断得到,不可避免的带有估计误差,导致特征值及特征向量也有偏差,需要对判断矩阵进行一致性检验,计算其相容性和误差分析;
S605:计算各层元素对系统目标总排序权重,并进行组合一致性检验;
S606:根据计算的睡眠质量评价模型的元素值,评价用户的睡眠质量。
与现有技术相比,本发明包括以下优点:
本发明通过智能移动终端的充电数据信息判断用户睡眠质量的方法,能够较为精确的分析用户的作息时间、作息时长,且操作简单,使用方便,通过睡眠质量评价算法,建立睡眠质量评价模型,帮助用户分析睡眠质量状况和辅助提供健康决策,通过睡眠质量分析可以在个人健康管理、用户征信信用度、广告投放时间效果、用户地区发展状况等方面的判断提供依据。
睡眠质量评价模型将睡眠时间和睡眠时长信息采用归一化量化分析方式,对睡眠质量进行综合评价,对每一个影响睡眠质量的参数赋予权值,通过数学计算的方式能够直观的分析人的睡眠质量,将某一段时间的睡眠质量绘制成睡眠质量动态曲线,可以方便用户观察自己的睡眠情况是改善了还是恶化了,同时通过睡眠质量辅助决策,可以提供睡觉时间点、睡眠时长等信息的辅助决策,提供更加科学、合理的睡觉时间点和睡眠时长。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所使用的附图做一简单地介绍。
图1是本发明的基于充电数据信息分析用户睡眠质量的方法流程图;
图2是本发明的建立作息时间模型的流程图;
图3是本发明的睡眠质量评价算法流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种基于充电数据信息分析用户睡眠质量的方法,包括以下步骤:
S1:采集充电数据信息,通过智能移动终端的硬件设备和/或应用软件记录智能移动终端的充电数据信息;
S2:建立作息时间模型,对充电数据信息进行分析计算,建立作息时间和睡眠时长模型;
S3:计算作息时间,将新采集的充电数据信息输入作息时间和睡眠时长模型中,计算得出作息时间和睡眠时长;
S4:作息时间和充电数据信息更新,将新采集的充电数据信息和计算得出作息时间和睡眠时长数据信息加入数据库,并更新数据库信息;
S5:睡眠质量分析,将新计算的作息时间、睡眠时长和新采集的充电数据信息与数据库中已有作息时间、睡眠时长和充电数据信息进行分析对比,判断睡眠状况,并对睡眠质量进行评价;
S6:建立睡眠质量评价体系,通过对个人用户和/或群体用户的睡眠质量分析,将个人用户和/或群体用户的睡眠质量状况进行分析汇总,按照睡眠质量评价算法,制定用户个人和/或群体的睡眠质量评价体系。
进一步的,所述充电数据信息包括:智能移动终端未连接充电器时间信息、智能移动终端连接充电器时间信息、陀螺仪水平或运动状态信息、陀螺仪水平或运动时间信息,所述时间信息包括时间和时长。
进一步的,所述步骤S2包括以下步骤:
S201:选取24小时时长为建立作息时间模型的时间采集样本;
S202:把智能移动终端从未连接充电器状态到连接充电器的时间记录为智能移动终端连接充电器时间信息,把终端设备从连接充电器状态到未连接充电器记录为智能移动终端未连接充电器时间信息,从智能移动终端连接到充电器持续到未连接充电器的时间段,作为充电片段;
S203:选取时间采集样本内最长的充电片段;
S204:作息时间的判断,在最长的充电片段内从智能移动终端连接充电器的时间点,记录为上床时间点;从上床时间点到陀螺仪由运动状态变成水平状态的时间点,记录为睡觉时间点;在最长的充电片段内陀螺仪从水平状态变成运动状态的时间,记录为睡醒时间点,从睡醒时间点到智能移动终端未连接充电器的时间点,记录为起床时间点;
S205:计算睡眠时长:将睡醒时间点与睡觉时间点之间的时间差记录为睡眠时长,将上床时间点与睡觉时间点之间的时间差记录为待睡时长,将睡醒时间点与起床时间点之间的时间差记录为睡醒时长,将起床时间点与上床时间点之间的时间差记录为工作时长,所有时长之和为24小时。
进一步的,步骤S6所述睡眠质量评价算法包括以下步骤:
S601:构建睡眠质量评价模型,将上床时间点和睡眠时长、待睡时长、睡醒时长、工作时长作为睡眠质量评价模型的元素;
所述上床时间点为在最长的充电片段内从智能移动终端连接充电器的时间点;所述睡觉时间点为在最长的充电片段内从上床时间点到陀螺仪由运动状态变成水平状态的时间点;所述睡醒时间点为在最长的充电片段内陀螺仪从水平状态变成运动状态的时间点;所述起床时间点为在最长的充电片段内从睡醒时间点到智能移动终端未连接充电器的时间点;所述睡眠时长是睡醒时间点与睡觉时间点之间的时间差,所述待睡时长是上床时间点与睡觉时间点之间的时间差,所述睡醒时长是睡醒时间点与起床时间点之间的时间差;所述工作时长是起床时间点与上床时间点之间的时间差。所有时长之和为24小时。
在本睡眠质量评价模型中,采集的元素包括:上床时间点和睡眠时长、待睡时长、睡醒时长、工作时长5个元素。
S602:计算元素在总目标中的量化值,构建元素判断矩阵,按照指标算法公式将睡眠质量评价模型中的元素进行量化,然后将元素进行两两重要性比较得到元素的判断矩阵;
首先需要对睡眠质量评价模型中的元素相对于总目标所提供的功能或价值与该目标的关系进行量化,所述总目标为睡眠质量评价模型中总的睡眠质量因子,该因子受到睡眠质量评价模型中元素的影响,通过具体的算法实现。通常采用标度法进行,即将各参考指标划分为:好、较好、中、较差、差五个等级,对应参数值分别为0.9、0.7、0.5、0.3、0.1。定量指标又分为极大值指标和极小值指标,两种指标的计算公式分别为:
式中,α表示元素的参考指标,qmin为最小值参考指标,qmax为最大值参考指标,γmax(α)为在极大值指标中的元素α的指标值,γmin(α)为在极小值指标中的元素α的指标值;如,上床时间点为晚20点至22点为睡觉最佳时刻,为极大值,早于晚20点或者晚于晚22点都是指标值都是变小的,因此采用极大值指标,计算晚20点之前上床的上床时间点元素的指标值:定义晚20点上床时间点元素指标值为0.9,则qmax=20;中午12点上床时间点元素指标值为0.1,则qmin=12,假设某用户晚上18点上床,则上床时间点元素指标值为:γmax(18)=(18-12)/(20-12)=0.75,所以,晚上18点睡觉的上床时间点元素的指标值为0.75。
对每个元素所处指标等级后,按照极大值指标和极小值指标的计算公式计算出相应的指标值,从而达到各个定性指标的量化。
对睡眠质量评价模型中的所有元素进行两两重要性比较,本发明采用各个要素进行1~9标度法进行两两重要性比较。其标度含义如下:
标度值1表示两个元素相比具有同等重要性;标度值3表示两个元素相比,一个元素比另一个稍微重要;标度值5表示两个元素相比,一个元素比另一个明显重要;标度值7表示两个元素相比,一个元素比另一个非常重要;标度值9表示两个元素相比,一个元素比另一个极端重要;标度值2、4、6、8表示上述相邻判断的中值;倒数元素,若元素i与元素j比较得标度值为Pij,则元素j与元素i比较得标度值为1/Pij。
通过两两重要性比较以后,建立判断矩阵Rij:
式中:P12表示元素1与元素2比较得标度值,其他表示方式与此一致,Pij>0,Pij=(Pji)-1。
S603:计算单一准则下元素的相对权重,所述计算单一准则下元素的相对权重的公式包括和法权重计算公式和跟法权重计算公式;
将公式(1)的判断矩阵Rij的每一个列向量归一化得:
对Rij *=(Pij *)按行求和得:
将wi归一化:
最后得到特征向量为:W=(w1,w2,…,wn)T,wi即为第i个元素的权重。
S604:计算相容性和误差分析,由于睡眠质量评价模型的复杂性和人的认识的多样性,完全一致的判断往往是不现实的,同时,由于判断矩阵是根据决策者主观判断得到,不可避免的带有估计误差,导致特征值及特征向量也有偏差,需要对判断矩阵进行一致性检验,计算其相容性和误差分析;
计算其相容性和误差分析如下:
计算最大特征值:
式中:λmax为最大特征值,n为元素个数,wi为第i个元素的权重,Rij为判断矩阵,W为元素权重的特征向量,根据一致性指标进行一致性校验,其中随机一致性指标RI可查表求出,如下表所示:
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 |
RI | 0.00 | 0.00 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 | 1.57 |
当CR<0.1时,认为判断矩阵Rij的一致性可以接受,否则,应该适当修改判断矩阵,使之满足一致性。
S605:计算各层元素对系统目标总排序权重,并进行组合一致性检验;
在本实施例中,只涉及一层元素相对于总目标的权重向量,因此,wi即为第i个元素相对于总目标的权重。
S606:根据计算的睡眠质量评价模型的元素值,评价用户的睡眠质量。
将睡眠质量评价模型中的元素的量化值和该元素在目标总排序中的权重代入如下公式,即得到用户的睡眠质量评估值:
其中n为每准则层相应准则下元素个数,k为准则层层数,为第k准则层第i个元素的权重,γ(i)为元素i的指标值。在本实施例中,睡眠质量评价模型的层数为1层,故k=1,元素个数为5个,即n=5。
在本实施例中,假设某用户上床时间点为晚21点,睡眠时长为7小时、待睡时长2小时、睡醒时长1小时、工作时长14小时,通过公式(1)和公式(2)的计算得出元素的指标值分别为:上床时间点指标值1,睡眠时长指标值为0.7,待睡时长指标值为0.25,睡醒时长指标值为0.5,工作时长指标值为0.55,由公式(3)、(4)、(5)、(6)计算各元素权重分别为:0.15、0.5、0.1、0.05、0.2,则该用户的睡眠质量:D=1×0.15+0.7×0.5+0.25×0.1+0.5×0.05+0.55×0.2=0.66,属于较健康的睡眠方式。
本发明可以在以下领域提供辅助决策:
(1)个人健康领域:通过个人睡眠时长判断休息状况,为个人身体状况提供一个依据,睡眠时间较长且稳定的人,身体状况相对较好,睡眠时长不稳定,睡觉时间较晚,经常熬夜的,身体状况肯定会受到影响;
(2)征信领域:把一个人的作息时间作为征信的参考值,信用度的计算与人的作息时间是否规律,睡眠时间是否充足有关,一个稳定且正常的作息规律可能体现一个人有较好的个人信用,一个不稳定的作息规律,不科学的休息时段,可能体现一个人的工作状况不太稳定,个人信用也不可靠;
(3)广告领域:结合地理位置,把作息时间中的起床时间与出门时间进行比较,可以根据时间状况投放广告投入,从本发明中可以发现,睡醒时间和起床时间、上床时间与睡着时间间隔时间较长的用户有较高的广告商业价值,打上广告标签,可以向其推荐广告;
(4)作为判断地区经济的参考:经济较发达的地区,人们的夜生活丰富,睡觉的时间较晚,且睡眠时长较短,经济较落后地区睡眠示教较早,睡觉市场较长。
以上对本发明所提供的一种基于充电数据信息分析用户睡眠质量的方法进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于充电数据信息分析用户睡眠质量的方法,其特征在于,包括以下步骤:
S1:采集充电数据信息,通过智能移动终端的硬件设备和/或应用软件记录智能移动终端的充电数据信息;
S2:建立作息时间模型,对充电数据信息进行分析计算,建立作息时间和睡眠时长模型;
S3:计算作息时间,将新采集的充电数据信息输入作息时间和睡眠时长模型中,计算得出作息时间和睡眠时长;
S4:作息时间和充电数据信息更新,将新采集的充电数据信息和计算得出作息时间和睡眠时长数据信息加入数据库,并更新数据库信息;
S5:睡眠质量分析,将新计算的作息时间、睡眠时长和新采集的充电数据信息与数据库中已有作息时间、睡眠时长和充电数据信息进行分析对比,判断睡眠状况,并对睡眠质量进行评价;
S6:建立睡眠质量评价体系,通过对个人用户和/或群体用户的睡眠质量分析,将个人用户和/或群体用户的睡眠质量状况进行分析汇总,按照睡眠质量评价算法,制定用户个人和/或群体的睡眠质量评价体系。
2.根据权利要求1所述的基于充电数据信息分析用户睡眠质量的方法,其特征在于,所述充电数据信息包括:智能移动终端未连接充电器时间信息、智能移动终端连接充电器时间信息、陀螺仪水平或运动状态信息、陀螺仪水平或运动时间信息,所述时间信息包括时间和时长。
3.根据权利要求1所述的基于充电数据信息分析用户睡眠质量的方法,其特征在于,所述步骤S2包括以下步骤:
S201:选取24小时时长为建立作息时间模型的时间采集样本;
S202:把智能移动终端从未连接充电器状态到连接充电器的时间记录为智能移动终端连接充电器时间信息,把终端设备从连接充电器状态到未连接充电器记录为智能移动终端未连接充电器时间信息,从智能移动终端连接到充电器持续到未连接充电器的时间段,作为充电片段;
S203:选取时间采集样本内最长的充电片段;
S204:作息时间的判断,在最长的充电片段内从智能移动终端连接充电器的时间点,记录为上床时间点;从上床时间点到陀螺仪由运动状态变成水平状态的时间点,记录为睡觉时间点;在最长的充电片段内陀螺仪从水平状态变成运动状态的时间,记录为睡醒时间点,从睡醒时间点到智能移动终端未连接充电器的时间点,记录为起床时间点;
S205:计算睡眠时长:将睡醒时间点与睡觉时间点之间的时间差记录为睡眠时长,将上床时间点与睡觉时间点之间的时间差记录为待睡时长,将睡醒时间点与起床时间点之间的时间差记录为睡醒时长,将起床时间点与上床时间点之间的时间差记录为工作时长,所有时长之和为24小时。
4.根据权利要求1所述的基于充电数据信息分析用户睡眠质量的方法,其特征在于,步骤S6所述睡眠质量评价算法包括以下步骤:
S601:构建睡眠质量评价模型,将上床时间点和睡眠时长、待睡时长、睡醒时长、工作时长作为睡眠质量评价模型的元素;
S602:计算元素在总目标中的量化值,构建元素判断矩阵,按照极大值指标和极小值指标的计算公式将睡眠质量评价模型中的元素进行量化,然后将元素进行两两重要性比较得到元素的判断矩阵Rij;
所述极大值指标的计算公式为:
所述极小值指标的计算公式为:
式中,α表示元素的参考指标,qmin为最小值参考指标,qmax为最大值参考指标,γmax(α)为在极大值指标中的元素α的指标值,γmin(α)为在极小值指标中的元素α的指标值;
所述判断矩阵
式中:Pij表示元素i与元素j比较得到的标度值,且Pij>0,Pij=(Pji)-1;
S603:计算单一准则下元素的相对权重,具体包括:
将判断矩阵Rij的每一个列向量归一化得:
对Rij *=(Pij *)按行求和得:
将wi归一化:
最后得到特征向量为:W=(w1,w2,···,wn)T,wi即为第i个元素的权重;
S604:计算相容性和误差分析,具体包括:
计算最大特征值:式中:λmax为最大特征值,n为元素个数,wi为第i个元素的权重,Rij为判断矩阵,W为元素权重的特征向量;
根据一致性指标进行一致性校验,其中随机一致性指标RI可查表求出;
S605:计算各层元素对系统目标总排序权重,并进行组合一致性检验;
S606:根据计算的睡眠质量评价模型的元素值,得到用户的睡眠质量评估值Dk:
其中n为每准则层相应准则下元素个数,k为准则层层数,为第k准则层第i个元素的权重,γ(i)为元素i的指标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610367920.6A CN106096228B (zh) | 2016-05-27 | 2016-05-27 | 一种基于充电数据信息分析用户睡眠质量的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610367920.6A CN106096228B (zh) | 2016-05-27 | 2016-05-27 | 一种基于充电数据信息分析用户睡眠质量的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106096228A CN106096228A (zh) | 2016-11-09 |
CN106096228B true CN106096228B (zh) | 2018-09-11 |
Family
ID=57229506
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610367920.6A Active CN106096228B (zh) | 2016-05-27 | 2016-05-27 | 一种基于充电数据信息分析用户睡眠质量的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106096228B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109460965B (zh) * | 2018-10-10 | 2020-07-10 | 浙江每日互动网络科技股份有限公司 | 一种获取终端用户作息时间的方法 |
CN116306824A (zh) * | 2023-05-17 | 2023-06-23 | 中国第一汽车股份有限公司 | 脑机接口评价模型训练方法、评价方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203408041U (zh) * | 2013-08-08 | 2014-01-29 | 北京华录亿动科技发展有限公司 | 基于物联网技术的健康监护系统 |
CN103870713A (zh) * | 2014-04-04 | 2014-06-18 | 李骍 | 一种家庭云医疗系统和方法 |
CN104287706A (zh) * | 2014-10-29 | 2015-01-21 | 云南大学 | 一种人体健康状态实时监测及诊疗推荐系统 |
CN104657620A (zh) * | 2015-03-09 | 2015-05-27 | 上海国通视光医疗科技发展有限公司 | 基于互联网的眼健康云数据平台 |
CN104887004A (zh) * | 2015-05-25 | 2015-09-09 | 深圳眠虫科技有限公司 | 可监测人体生理参数的智能枕头及其生理参数监测方法 |
CN105205336A (zh) * | 2015-10-15 | 2015-12-30 | 成都艾克尔特医疗科技有限公司 | 一种基于智能移动终端的问诊系统及问诊方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001249996A (ja) * | 1999-12-28 | 2001-09-14 | Sony Corp | ホームドクターシステム、血液収納用カプセルおよび注射装置 |
US6738740B1 (en) * | 2000-05-31 | 2004-05-18 | Kenneth Barash | Speech recognition system for interactively gathering and storing verbal information to generate documents |
CN101685526A (zh) * | 2008-09-28 | 2010-03-31 | 阿里巴巴集团控股有限公司 | 一种贷款准入评估方法和系统 |
-
2016
- 2016-05-27 CN CN201610367920.6A patent/CN106096228B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203408041U (zh) * | 2013-08-08 | 2014-01-29 | 北京华录亿动科技发展有限公司 | 基于物联网技术的健康监护系统 |
CN103870713A (zh) * | 2014-04-04 | 2014-06-18 | 李骍 | 一种家庭云医疗系统和方法 |
CN104287706A (zh) * | 2014-10-29 | 2015-01-21 | 云南大学 | 一种人体健康状态实时监测及诊疗推荐系统 |
CN104657620A (zh) * | 2015-03-09 | 2015-05-27 | 上海国通视光医疗科技发展有限公司 | 基于互联网的眼健康云数据平台 |
CN104887004A (zh) * | 2015-05-25 | 2015-09-09 | 深圳眠虫科技有限公司 | 可监测人体生理参数的智能枕头及其生理参数监测方法 |
CN105205336A (zh) * | 2015-10-15 | 2015-12-30 | 成都艾克尔特医疗科技有限公司 | 一种基于智能移动终端的问诊系统及问诊方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106096228A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hade et al. | Encyclopaedia of survey research methods | |
Brzezinski | Income affluence in Poland | |
Craig et al. | Shares of housework between mothers, fathers and young people: Routine and non-routine housework, doing housework for oneself and others | |
Rolfe et al. | Valuing recreation in the Coorong, Australia, with travel cost and contingent behaviour models | |
Cheli et al. | Fuzzy analysis of poverty dynamics on an italian pseudo panel | |
CN107729519B (zh) | 基于多源多维数据的评估方法及装置、终端 | |
CN105913066B (zh) | 一种基于相关向量机的数字化肺音特征降维方法 | |
CN106096228B (zh) | 一种基于充电数据信息分析用户睡眠质量的方法 | |
Huang et al. | A study of the influence of college students’ exercise and leisure motivations on the leisure benefits–using leisure involvement as a moderator | |
Battaglia et al. | Improving standard poststratification techniques for random-digit-dialing telephone surveys | |
CN107194492A (zh) | 一种基于位置社交网络的商家推荐的优化方法 | |
CN112836137B (zh) | 人物网络支持度计算系统及方法、终端、设备、存储介质 | |
Zhao et al. | Prediction of English Scores of College Students Based on Multi-source Data Fusion and Social Behavior Analysis. | |
Zhang et al. | THE IMPACT OF RURAL-URBAN MIGRATION ON GENDER RELATIONS OF RURAL-URBAN MIGRANT HOUSEHOLDS IN CHINA. | |
CN108133296B (zh) | 基于活动的社交网络下的一种结合环境数据的活动出席预测方法 | |
Zhou et al. | A dynamic logistic regression for network link prediction | |
Liang et al. | Liushou women’s happiness and its influencing factors in rural China | |
Risandini et al. | Potencies and Threats of The Demographic Bonus on The Quality of Human Resources and Economy in Indonesia 2019 | |
Stalker | Measuring diversity in daily social contact: The contribution of social context, work and leisure on the opportunity for engagement | |
Sim et al. | Type-based context-aware service Recommender System for social network | |
Ojo et al. | Creating a small scale area classification for understanding the economic, social and housing characteristics of small geographical areas in the Philippines | |
Figueiredo et al. | The dynamics of the Brazilian income | |
Omoregie et al. | Analysis of Utilization of Information and Communication Technology (ICT) Among Cassava Farmers in Aniocha South Local Government Area of Delta State, Nigeria | |
Carradore | A synthetic indicator to measure social Capital in the Different Italian Regions: A before and after comparison of the economic crisis | |
CN109948723A (zh) | 一种手机用户中通勤人口的识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20190312 Address after: Room 515, 150 Houren Road, Sandun Town, Xihu District, Hangzhou City, Zhejiang Province Patentee after: Hangzhou Yunshen Technology Co., Ltd. Address before: 310012 Room 418, West District, Building A, 525 Xixi Road, Xihu District, Hangzhou City, Zhejiang Province Patentee before: Zhejiang Meiri Hudong Network Technology Co., Ltd. |