CN107153764B - 一种智能人体成分秤的数据修正方法 - Google Patents

一种智能人体成分秤的数据修正方法 Download PDF

Info

Publication number
CN107153764B
CN107153764B CN201710317880.9A CN201710317880A CN107153764B CN 107153764 B CN107153764 B CN 107153764B CN 201710317880 A CN201710317880 A CN 201710317880A CN 107153764 B CN107153764 B CN 107153764B
Authority
CN
China
Prior art keywords
data
previous
new
body fat
abnormal
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
Application number
CN201710317880.9A
Other languages
English (en)
Other versions
CN107153764A (zh
Inventor
林伟华
文磊
李刚
周超前
陈兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Bianla Network Technology Co ltd
Original Assignee
Hangzhou Bianla Network Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Bianla Network Technology Co ltd filed Critical Hangzhou Bianla Network Technology Co ltd
Priority to CN201710317880.9A priority Critical patent/CN107153764B/zh
Publication of CN107153764A publication Critical patent/CN107153764A/zh
Application granted granted Critical
Publication of CN107153764B publication Critical patent/CN107153764B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明提供了一种智能人体成分秤的数据修正方法，步骤包括：S201、通过智能人体成分秤获取客户的新数据；S202、判断是否有上一条的正常数据；S203、通过步骤S202判断上一条数据有正常数据，进一步判断这条新数据是否满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％；S204、通过步骤S202判断上一条数据没有正常数据，进一步判断这条新数据是否是异常数据；S205、通过步骤S203判断这条新数据是满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％，则按照经验修正系数修改这条数据；S206、通过步骤S205对数据进行修正，并对修正后的数据进行保存，退出算法；S207、通过步骤S204判断新数据是异常数据则标记异常提示用户异常数据。

Description

一种智能人体成分秤的数据修正方法
技术领域
本发明涉及数据修正技术领域，具体指一种智能人体成分秤的数据修正方法。
背景技术
目前在智能人体成分秤的使用过程中由于使用者不当的使用以及使用者脚底部皮肤干燥等原因，会产生体重变化，这种变化很小，一般小于2千克，但是身体其他成分数据变化较大，一般体脂率变化会出现超过2.5％的异常数据情况。为解决上述问题，智能人体成分秤针对这一问题，设定了内部程序，1分钟内如果体重变化很小，其变化小于0.1千克，所测的成分数据不变，从而使获得的数据变得相对稳定。
但是上述方案仍然存在很大的缺陷，其只考虑在极短时间内，体重变化很小的情况，而正常的成年人在一天之内的体重变化最大能达到2kg，大部分异常数据的情况都不能得到有效的解决。
发明内容
本发明根据现有技术的不足，提出一种智能人体成分秤的数据修正方法，对智能人体成分秤测量出的数据进行修正，从而使得获得的数据在长时间状态下更加稳定，更加有效。
为了解决上述技术问题，本发明的技术方案为：
一种智能人体成分秤的数据修正方法，步骤包括：
S201、通过智能人体成分秤获取客户的新数据；
S202、判断是否有上一条的正常数据；
S203、通过步骤S202判断上一条数据有正常数据，进一步判断这条新数据是否满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％；
S204、通过步骤S202判断上一条数据没有正常数据，进一步判断这条新数据是否是异常数据；
S205、通过步骤S203判断这条新数据是满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％，则按照经验修正系数修改这条数据；
S206、通过步骤S205对数据进行修正，并对修正后的数据进行保存，退出算法；
S207、通过步骤S204判断新数据是异常数据则标记异常提示用户异常数据。
作为优选，通过步骤S203判断这条新数据不满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％，则重复步骤S204。
作为优选，通过步骤S204判断新数据不是异常数据后，对新数据进行保存，推出算法。
作为优选，所述步骤S205中经验修正的公式为：
修正后的体脂率＝上一条数据的体脂率+经验修正系数m*(本条新数据的体重–上一条数据的体重)。
本发明具有以下的特点和有益效果：
采用上述技术方案中，对客户数据在体重变化很小和体脂率变化不稳定的情况得到有效的解决，通过对存在的这些异常数据进行修正，修正后的体脂率数据变化相对稳定，全部异常数据得到处理。
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需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的一种智能人体成分秤的数据修正方法实施例的流程示意图；
图2为男性体脂率-身高体重指数图；
图3为女性体脂率-身高体重指数图；
图4为体脂率变化—体重变化图；
图5为修正前体重和体脂率数据图；
图6为修正后体重和体脂率数据图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步说明。在此需要说明的是，对于这些实施方式的说明用于帮助理解本发明，但并不构成对本发明的限定。此外，下面所描述的本发明各个实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互组合。
本发明提供了一种智能人体成分秤的数据修正方法，如图1所示，步骤包括：
S201、通过智能人体成分秤获取客户的新数据；
S202、判断是否有上一条的正常数据，通过图2和图3判断上一条的数据是否正常；
S203、通过步骤S202判断上一条数据有正常数据，进一步判断这条新数据是否满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％；
S204、通过步骤S202判断上一条数据没有正常数据，进一步判断这条新数据是否是异常数据；
S205、通过步骤S203判断这条新数据是满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％，则按照经验修正系数修改这条数据；
S206、通过步骤S205对数据进行修正，并对修正后的数据进行保存，退出算法；
S207、通过步骤S204判断新数据是异常数据则标记异常提示用户异常数据。
进一步的，通过步骤S203判断这条新数据不满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％，则重复步骤S204。
进一步的，通过步骤S204判断新数据不是异常数据后，对新数据进行保存，推出算法。
其中，所述步骤S205中经验修正的公式为：
修正后的体脂率＝上一条数据的体脂率+经验修正系数m*(本条新数据的体重–上一条数据的体重)。
上述公式中，经验修正系数m为图4中线条的斜率。其中，图4为体脂率变化—体重变化图，本图以体脂率变化和体重变化关系为例说明经验修正系数的计算，横坐标是体重变化，纵坐标是体脂率变化，线条为用线性回归算法计算的回归拟合线，其斜率即代表经验修正系数。
根据上述方法中，首先对于人的BMI(身高体重指数)的正常数据的体脂率范围，因为大部分人的测量数据都是准确的，如图2和图3所示，大部分数据集中在围绕回归线(粗线)上下的的一个范围内，因此我们首先用线性回归算法算出回归线的参数。
其中图2为男性体脂率—身高体重指数图，抽样了4万条不同男性的身体成分数据，横坐标是身高体重指数，纵坐标是体脂率，2条粗线代表通过机器学习算法得到的体脂率正常范围，细线是回归拟合线；
图3为女性体脂率—身高体重指数图，抽样了7万条不同女性客户的身体成分数据，横坐标是身高体重指数，纵坐标是体脂率，2条粗线代表通过机器学习算法得到的体脂率正常范围，细线是回归拟合线；
体脂率y＝截距a+斜率b*身高体重指数x，以线性回归方程的截距和斜率为基础，给定范围参数c和斜率系数d，假设正常范围为直线y＝a-c+b*(1-d)*x和y＝a+c+b*(1-d)*x之间的范围(如图2和图3中的细线所示)，我们设定通过直线范围内的数据点占所有数据点的比例为p，通过对c在区间[0，0.1]和d在区间[-0.5，0.5]，我们以0.01为步长，计算从c＝0和d＝-0.5开始，计算在区间内符合情况的所有d和c的值对应的的p值和函数J＝c-p的值，通过计算得到J最小值对应的d和c，确定参数值。设计使得J最小的意义在于在正常范围的界限和通过正常数据的比例之间达到一个平衡。
然后对于计算出人体其他成分变化相对体重变化的经验修正系数，如图4所示，体脂率的变化和体重的变化基本线性相关，因此我们利用线性回归算法，求出使得残差平方和最小的线性回归方程，
体脂率变化deltay＝经验修正系数m*体重变化deltax
其中经验修正系数m即为方程的斜率。
可知，步骤S202通过上述方法判断上一条的数据是否正常。
通过上述方法，对客户数据在体重变化很小和体脂率变化不稳定的情况得到有效的解决。以图5未修正之前的数据和图6修正之后的数据为例，未修正之前在体重每天变化很小的情况下(在86kg—88kg之间)，体脂率变化很大，通过正常单位的检验，可以知道10个数据中有3个数据是异常数据(图5中体脂率30％多的数据)，通过对这些异常数据的修正，修正后的体脂率数据变化相对稳定，全部异常数据得到处理。
其中，图5为修正前体重和体脂率数据图，横坐标是采集数据的时间，大方连线代表体脂率，小方连线代表体重，左坐标轴是体重，右坐标轴是体脂率；
图6为修正后体重和体脂率数据图，横坐标是采集数据的时间，大方连线代表体脂率，小方连线代表体重，左坐标轴是体重，右坐标轴是体脂率。
以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。

Claims (3)

1.一种智能人体成分秤的数据修正方法，其特征在于，步骤包括：
S201、通过智能人体成分秤获取客户的新数据；
S202、判断是否有上一条的正常数据；
S203、通过步骤S202判断上一条数据有正常数据，进一步判断这条新数据是否满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％；
S204、通过步骤S202判断上一条数据没有正常数据，进一步判断这条新数据是否是异常数据；
S205、通过步骤S203判断这条新数据是满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％，则按照经验修正系数修改这条数据；
S206、通过步骤S205对数据进行修正，并对修正后的数据进行保存，退出算法；
S207、通过步骤S204判断新数据是异常数据则标记异常提示用户异常数据；
S205中经验修正的公式为：修正后的体脂率＝上一条数据的体脂率+经验修正系数m*(本条新数据的体重–上一条数据的体重)。
2.根据权利要求1所述的一种智能人体成分秤的数据修正方法，其特征在于，通过步骤S203判断这条新数据不满足于上条数据的体重变化在2公斤以内并且体脂率变化超过2.5％，则重复步骤S204。
3.根据权利要求1所述的一种智能人体成分秤的数据修正方法，其特征在于，通过步骤
S204判断新数据不是异常数据后，对新数据进行保存，退出算法。
CN201710317880.9A 2017-05-08 2017-05-08 一种智能人体成分秤的数据修正方法 Active CN107153764B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710317880.9A CN107153764B (zh) 2017-05-08 2017-05-08 一种智能人体成分秤的数据修正方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710317880.9A CN107153764B (zh) 2017-05-08 2017-05-08 一种智能人体成分秤的数据修正方法

Publications (2)

Publication Number Publication Date
CN107153764A CN107153764A (zh) 2017-09-12
CN107153764B true CN107153764B (zh) 2020-07-28

Family

ID=59793696

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710317880.9A Active CN107153764B (zh) 2017-05-08 2017-05-08 一种智能人体成分秤的数据修正方法

Country Status (1)

Country Link
CN (1) CN107153764B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107845428A (zh) * 2017-12-14 2018-03-27 民康医疗科技（天津）有限公司 应用于人体成分秤的人体成分算法模型构建方法
CN111639777B (zh) * 2019-03-01 2023-09-29 京东科技信息技术有限公司 估计目标体重的方法和装置
JP7214207B2 (ja) * 2019-03-06 2023-01-30 株式会社タニタ 体内測定システム及びプログラム
CN112690771B (zh) * 2020-12-09 2022-05-24 华南理工大学 一种利用线性回归模型的人脸视频心率检测方法
CN113974568B (zh) * 2021-11-09 2024-03-26 重庆火后草科技有限公司 基于斜率去干扰的睡眠过程的代谢率的计算方法
CN114343597A (zh) * 2021-12-29 2022-04-15 北京小米移动软件有限公司 生理参数监测方法、装置、键盘、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10149629A (ja) * 1996-11-18 1998-06-02 Matsushita Electric Ind Co Ltd ディスク再生装置
CN102949185A (zh) * 2011-08-30 2013-03-06 国发科技（大连）有限公司 一种健康监测系统
CN104281779A (zh) * 2014-09-26 2015-01-14 宁波绮耘软件有限公司 一种异常数据判定与处理方法及装置
CN104504287A (zh) * 2015-01-08 2015-04-08 广州列丰信息科技有限公司 远程监测移动医疗设备数据异常的方法和服务器及系统
CN105205394A (zh) * 2014-06-12 2015-12-30 腾讯科技（深圳）有限公司 用于入侵检测的数据检测方法和装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10149629A (ja) * 1996-11-18 1998-06-02 Matsushita Electric Ind Co Ltd ディスク再生装置
CN102949185A (zh) * 2011-08-30 2013-03-06 国发科技（大连）有限公司 一种健康监测系统
CN105205394A (zh) * 2014-06-12 2015-12-30 腾讯科技（深圳）有限公司 用于入侵检测的数据检测方法和装置
CN104281779A (zh) * 2014-09-26 2015-01-14 宁波绮耘软件有限公司 一种异常数据判定与处理方法及装置
CN104504287A (zh) * 2015-01-08 2015-04-08 广州列丰信息科技有限公司 远程监测移动医疗设备数据异常的方法和服务器及系统

Also Published As

Publication number Publication date
CN107153764A (zh) 2017-09-12

Similar Documents

Publication Publication Date Title
CN107153764B (zh) 一种智能人体成分秤的数据修正方法
WO2020238583A1 (zh) Soc修正方法和装置、电池管理系统和存储介质
JPH0785623B2 (ja) 電力系統の電圧安定性判定システム
CN105718606B (zh) 一种考虑失效模式相关性的车辆重载齿轮可靠性预计方法
CN110968833A (zh) 一种用于模拟量校准的校准函数关系获取方法及装置
CN104102836B (zh) 一种电力系统快速抗差状态估计方法
CN110031680A (zh) 一种系统侧谐波阻抗估计方法和系统
JP5958392B2 (ja) 時系列計測信号のノイズ低減装置
Dan et al. Determination of cable force based on the corrected numerical solution of cable vibration frequency equations
CN111651806A (zh) 基于惯性力法的常规输电塔设计风载荷计算方法
CN111079225A (zh) 一种直升机结构疲劳寿命曲线计算方法及装置
CN105528735B (zh) 基于量测风速与空间相关性的异常数据点的校正方法
CN113722795A (zh) 一种弯剪型高层建筑结构整体稳定性指标刚重比计算的修正方法
WO2022151482A1 (zh) 无人机电池的功率状态估算方法及电子设备
CN109655749B (zh) 采集数据矩阵智能跟踪校准方法及装置
Heydorn et al. Calibration uncertainty
WO2022012416A1 (en) Method and system for eccentric load error correction
CN108169013B (zh) 一种适用于多钉连接试件的疲劳寿命校准方法
CN114069667B (zh) 一种储能群功率分配方法、系统、处理设备及存储介质
CN107196292B (zh) 一种主动配电网静态等值方法及装置
CN115913227A (zh) 模数转换器非线性修正方法、装置、设备以及存储介质
CN115097196A (zh) 一种数字化弧焊电源的输出电压采集方法和模数转换电路
CN104515967B (zh) 汽车电池传感器的电压通道自补正装置及其方法
CN112800571B (zh) 摇杆回中死区确定方法、摇杆回中确定方法及相关装置
CN112082633A (zh) 一种在人体晃动情况下稳定体重值的测重方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Lin Weihua

Inventor after: Wen Lei

Inventor after: Li Gang

Inventor after: Zhou Chaoqian

Inventor after: Chen Bing

Inventor before: Lin Weihua

Inventor before: Wen Lei

Inventor before: Li Gang

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant