CN107895595B - 面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 - Google Patents
面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 Download PDFInfo
- Publication number
- CN107895595B CN107895595B CN201711118647.4A CN201711118647A CN107895595B CN 107895595 B CN107895595 B CN 107895595B CN 201711118647 A CN201711118647 A CN 201711118647A CN 107895595 B CN107895595 B CN 107895595B
- Authority
- CN
- China
- Prior art keywords
- user
- data
- service
- layer
- information
- 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
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提出了一种根据环境数据智能定义体验状态的规划方案推荐方法，包括：S1，收集用户相关的身体特征数据、疾病信息数据和病情危险情况信息数据，发送到用户层，形成用户层数据库；S2，根据用户层数据库所获取的用户相关数据，通过建立疾病看护需求层模型，然后读取专家知识树的相应专家知识，映射到需求层，将专家知识与用户疾病相匹配，获取看护目标；S3，映射看护需求和设备层，分解看护目标为原子需求，获取需要的服务；S4，收集所需智能设备的参数信息数据，对智能设备进行工作参数规划，得到规划策略的设备层匹配的约束条件，形成智能设备工作的若干优化运行方案，推荐给用户。
Description
技术领域
本发明涉及人工智能领域，尤其涉及一种面向用户需求的软件快速定义智能环境的规划选择方案推荐方法。
背景技术
现在还没有一种使用软件快速定义智能的方法，现阶段的智能环境的研究主要是集中在智能环境搭建完成后，对数据的挖掘处理工作和模式识别算法的研究等等，在智能环境的快速搭建工作及实现方案存在着多种不足，主要包括以下两点：
1、原有开发模式不适应智能环境的以人为中心的开发需求：
智能环境一般是目标明确的服务系统：根据特定的需求，获得相关的数据，并进行数据的分析、比较和判断，进而为用户提供智能服务。这些需求往往是以人为中心，而人的需求是比较抽象、复杂的，因此，在智能环境的实现过程中，需要将这些抽象、复杂的需求转变为对应的具体的智能化需求。例如：人们对舒适环境的需求，能够通过功能分解转化为对合适的温度、合适的湿度以及合适的光线等的需求。
但是，目前的智能环境开发多是以计算为中心，没有真正从用户需求的角度出发，对用户宽泛、抽象需求的理解存在偏差，使得智能环境的应用受到了极大的限制，不能为用户提供适应能力更强的服务和更智能化的体验。针对特定科研任务和监护任务的智能环境的搭建方法在单一科学研究方面完全能够胜任，但是，现如今的智能环境并不仅仅是为了单一的任务，普适计算的快速发展，使得智能环境变成了一种更具融合性、复杂性和多变性的一个智能系统。
因此，在智能环境的开发中，应该使用一种以用户需求为中心的开发模型，进而将以计算机为中心的开发模式转变为以人为中心的开发模式，使数字服务能够在合适的时间、合适的地点和合适的方式提供。
2、智能节点设备功能固化，层次划分不能应对用户合理的需求变化：
目前，在智能节点的开发上，生产商一般会根据智能环境中特定的需求生产出含有对应传感器的节点设备，并将其功能算法在节点中进行烧录固化，然后按照既定的模式进行设备的安装和部署。然而，在患者看护系统中，看护任务的多样化，让智能环境的设计和安装变得耗时耗力，而且没有指导的采购容易造成资源的浪费。因此，需要一种快速定义智能的方法，采用模型化的方法，整理和归纳出设备层、服务层和需求层等等。逐层分析，快速得到一种智能环境满足看护任务的实现方案，实现智能环境的快速安装部署，实现软件定义智能的思想。
发明内容
本发明旨在至少解决现有技术中存在的技术问题，特别创新地提出了一种面向用户需求的软件快速定义智能环境的规划选择方案推荐方法。
为了实现本发明的上述目的，本发明提供了一种面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，包括如下步骤：
S1，收集用户相关的身体特征数据、老年病信息数据和病情危险情况信息数据，发送到用户层，形成用户层数据库；
S2，根据用户层数据库所获取的用户相关数据，通过建立老年病看护需求数据层，将自然语言描述映射到IT描述需求层，将用户的老年病信息数据和专家知识树判断条件相比较，从而将老年病需求到IT需求的需求转换工作演变成了需求的挖取工作，将实现老年病看护功能的需求从专家树上挖取出来，形成看护目标的集合；
S3，将看护目标的需求层需求数据进行分解，分解为原子需求的需求集合，作为老年病看护的最终看护目标集；然后，挖掘与需求描述相匹配的智能服务，将智能环境看护目标转变为老年病智能看护所需服务集，挖掘出服务层中所需要的服务；
S4，收集用户的智能看护方案规划策略和设备层匹配约束条件，规划智能看护所需服务实现方法，形成老年病智能看护的设备方案，由用户对推荐方案进行选择。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S1包括：
S1-1，所述用户层表示为User，User＝(Phy，Dis，Daily)：其中Phy代表用户的身体特征数据，Phy＝(Height，Weight，BMI，Body_Temperature，Blood_Pressure，Blood_Suga，Heart_Rate，Breathe_Rate，Blood_Lipids)，在此身体特征数据表示为需要存储记录一段时间内的数据，能够通过智能看护设备采集到的用户身体数据定期更新；Dis表示用户的老年病信息数据，Dis＝(Disease_name，Disease_data，Disease_level，Disease_years)，需要保存一定时间内的数据信息，分析统计数据老年病信息数据通过自然语言挖掘或者通过用户录入，Daily代表每日用户的病情危险情况信息数据，该Daily信息数据来自于智能看护系统的反馈，收取反馈信息，挖掘使用期间用户的生活状态的评估，即时反映用户病情的变化；
S1-2，将用户层数据、老年病信息数据和病情危险情况信息数据进行形式化数据结构的表现形式：
Struct User
Struct phy
上述数据结构中存储用户身体信息，均是老年病患者日常生活中最重要的身体数据，对老年病患者健康状态的评估具有非常重要的作用；同时，这也是反映老年病患者的老年病状态的重要信息数据，
Struct Dis
Struct Daily：
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S2包括：
S2-1，老年病看护需求层用Require表示，老年病看护需求层表现为三层含义：
(1)标识ID；
(2)需求的定义：主要描述是描述需求，需要的监护任务，以及对监护任务的具体描述；
(3)需求的基础映射关系，复合需求能够分解为原子需求，一个专家知识树的树形的映射关系；
S2-2，老年病看护需求层的一种形式化数据结构如下：
Struct Require
从而形成老年病看护需求层第一模块，该第一模块表示为：UGS＝{AS，User，Goal，f(_，_)，Sneed}，其中Goal是面向用户的看护需求的集合，称为看护目标集；f(_，_)表示一种映射方法，将老年病看护需求层的老年病看护需求映射到服务全集AS上去，得到所需服务集合Sneed，其中UGS为用户需求服务模型。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S2还包括形成看护目标集Goal的确定：
S2-3，看护目标模型算法包括：
A，输入用户身体数据，挖掘用户身体数据和病情信息，使用输入参数数据input输入的方式，按用户层的数据格式录入数据；
B，收集医生对老年病的诊断，汇总成专家知识，专家知识数据结构，将专家知识形式化，将不同老年病病情的专家诊断按树形结构存储建模，汇总成一个完整的专家知识诊断树，将人工分析看护需求、确定看护目标的工作，通过模型转换为基于身体数据和病情信息的专家知识读取工作，通过专家知识树的建立减轻目标的挖掘工作量；
专家知识建模形式如下：
Struct Knowledge
C，利用A中存储的用户层信息，在专家知识树中依据用户层信息条件，判断到专家知识树的叶子节点，最后对看护目标做交集，得到完整看护目标，是需求层需求的一个集合，然后根据需求层的需求的数据结构信息，遍历目标，将所有的需求分解为原子需求，即智能环境老年看护系统的最终看护目标。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S3包括：
S3-1，完成看护目标根据用户层条件到所需求服务的一个映射模型功能包含如下：
(1)在服务层的所有服务集合中，依据服务层的定义definition，按照其服务功能类型，包含如下内容：
1)运动相关的服务：每日运动量，运动时间，运动次数等等相关运动看护的服务；
2)饮食相关服务：饮食时间，正常饮食监护，营养看护等等相关饮食看护的服务；
3)活动相关服务：室内位置检测，室内状态检测，每日活动监护等等日常活动相关的服务；
4)环境相关服务：室内温度监护和调整，室内空气质量检测，室内安全隐患监测等等居住环境相关的服务；
5)病情相关服务：比如病情等级更新，血压血糖看护，病情发作提醒等；
6)危险预警服务：比如久坐提醒，跌倒警告，昏迷预警等等与独居老年人容易发生的危险情况相关的服务；
(2)根据目标需求的原子需求描述，读取原子需求所包含的服务集合；然后在相关的服务分组中，挑选出与需求匹配的服务来完成智能看护系统的服务；遍历最终的看护功能需求目标Goal，对每一个原子需求的服务集合做并集，得到最终的所需要的服务Sneed；也能够根据原子需求的描述，挑选服务的定义definition中需求层的目标需求的原子需求描述匹配的服务。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S3还包括：
S3-2，服务层用Service进行表示，服务层定义了智能看护系统中服务的数学表现形式：
(1)Definition：服务的定义，包含服务的标识，主要描述服务内容，为需求层和服务层的匹配提供数据依据保障；
(2)Method：服务的实现方法，在智能工作环境状态中，服务层提供有多种实现方法，不同的实现方法需要不同的输入参数数据Input；
(3)Process：服务的实现流程，主要描述服务的流程逻辑，通讯协议和参数设置；
S3-3，服务层形式化的数据结构如下：
Struct Service
Struct Method
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S4包括：
S4-1，设备层用Device表示，将设备层分为三种类型：
(1)是数值型传感器，
(2)是开关型(0-1)传感器，
(3)是具备具体测量功能和数据传输能力的智能设备；
S4-2，将三种设备形式化归纳如下：
(1)数据测量型传感器：测量结果是数字类型数据，形式化归纳方式如下，
Device＝(传感器标识符，类型，测量数据，测量范围，精度，耐用性，功率，价格…)，
(2)开关(0-1)型传感器：形式化归纳方式如下，
Device＝(传感器标识符，类型，测量精度(红外)，耐用性，功率，价格…)
(3)独立的具有单项或多项数据测量功能和传输功能的智能设备，形式化归纳方式如下，
Device＝(设备标识符，类型，List数据表，耐用性，功率，价格…)，其中List表用来存储该设备可测量的数据、测量范围和数据精度；
由此构建起设备层的设备索引树；
设备层数据结构形式化数据结构如下：
Struct Device
S4-3，上述数据结构指导了形式化处理设备层信息的方式，设备层通过设备类型信息(Type)和数据类型信息(Datatype)来进行设备分类。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S4还包括：
形成第二模块表示为：SRP＝{Sneed，Restriction，g(_，_)，Plan}，其中，g(_，_)表示一种从需求服务到看护方案Plan的一种规划方案，Restriction代表规划参数和过程方法。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S4还包括约束挖掘条件：
所述约束挖掘条件的模型化内容为：
(1)用户此阶段需要输入自家居住环境信息，环境信息不是精准的信息只需要输入房间个数和大致长宽，功能区域个数等统计信息，然后这些信息会被形式化为规划个功能服务实现的参数，比如房间个数和大小会影响定位的传感器个数和定位精度；
(2)匹配用户的智能设备的规划需求，记录规划目的和参数要求，形成规划条件。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S4还包括快速部署方案：
所述快速部署方案的模型化算法为：
(1)利用精度要求，资费要求评估计算，选择服务层在这次规划算法中的实现方法，由此来确定该服务的输入数据；在服务层的模型化过程中，规划方法部分包含服务的实现方法和服务运行的输入数据Input，每一项服务层的服务都是有实现依据的；
(2)依据服务层的输入数据确定数据需求，该数据是能够被传感器直接获取的可监控数据；
(3)根据数据需求，映射设备层的设备能够监测的数据，结合约束挖掘条件的约束条件参数，列出不等规划函数，采用不等式规划或者遗传算法求解最优解；输出最优解，得到智能设备最优工作指导方案。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
普适计算飞速发展的今天，人们对生活舒适程度的不断追求，特别是由于人口老龄化带来对于生活看护、慢性病照看的问题，是智能环境作为一个产业发展的动力。因为智能环境，作为普适计算下的新兴技术，能够给予家庭、办公、公共服务场所等环境以更高的智能化水平，为人们的生活和工作带来极大的便利。可是现有的一些问题导致智能环境不能大面积、低成本地普及，因此，研究如何实现智能环境的快速部署和实施具有重大意义，这不仅能够贯通智能环境的产业链，使底层硬件、基础软件、应用软件、工程实施各个环节能够得以衔接，从而推动智能环境产业的健康发展，同时，能够促进硬件智能化向标准化实现的方向发展的目的，进而降低整体成本，促进智能环境的普及。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1是本发明整体模型内容图；
图2是本发明模型内数据流向图；
图3是本发明的专家知识诊断树结构示意图；
图4是本发明的具体实现方法流程图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
本发明公开了基于智能看护系统的实现软件快速定义智能的智能方案(SmartPlan)模型，该模型针对患者智能看护系统，为智能环境的快速搭建和部署提供参考方案，该SmartPlan模型能够结合老年病患者的专家看护需求和用户个人的看护要求，结合给出一个既能满足看护需求，又符合用户精度、花费和细节需求等等的智能设备购买方案。
SmartPlan模型由用户需求服务模型(User-Goal-Service UGS模型)和服务方案模型(Service-Restriction-Plan SRP模型)两个部分组成。UGS模型是第一模块的模型，主要用于整理用户身体数据和老年病数据，利用专家知识，生成看护目标Goal，看护目标能够映射到智能环境能够实现的所有服务(AS：All of the Service)，映射出该用户完成看护需求所需要的服务(Sneed)。SEP模型是第二模块的模型，该模块通过用户的花费、精度和其他细节要求，规划Sneed的实现方法，通过数学规划将Sneed映射到所有智能设备归纳形式化的设备层上，最终形成方案，指导用户进行智能设备的购买。
在SmartPlan模型中，本发明形式化和梳理了相关层次，将软件快速定义智能所有能用到的数据，归纳总结了成了一个个具有自己鲜明特色的层次，例如，包含用户信息的用户层(User)，包含所有设备信息的设备层(Device)，智能环境提供的服务代表的服务层(Service)等等。每个层次都有固定的形式化存储模式，更新维护方便，同时让智能环境中的知识结构更加清晰。
如图1所示，本发明提供了的推荐方法，包括如下内容：
S1，收集用户相关的身体特征数据、老年病信息数据和病情危险情况信息数据，发送到用户层，形成用户层数据库；
S2，根据用户层数据库所获取的用户相关数据，通过建立老年病看护需求数据层，将自然语言描述映射到IT描述需求层，将用户的老年病信息数据和专家知识树判断条件相比较，从而将老年病需求到IT需求的需求转换工作演变成了需求的挖取工作，将实现老年病看护功能的需求从专家树上挖取出来，形成看护目标的集合；
S3，将看护目标的需求层需求数据进行分解，分解为原子需求的需求集合，作为老年病看护的最终看护目标集；然后，挖掘与需求描述相匹配的智能服务，将智能环境看护目标转变为老年病智能看护所需服务集，挖掘出服务层中所需要的服务；
S4，收集用户的智能看护方案规划策略和设备层匹配约束条件，规划智能看护所需服务实现方法，形成老年病智能看护的设备方案，由用户对推荐方案进行选择。
内容1，将智能环境中的用户信息、专家知识、服务信息、设备信息按规则的方式进行形式化处理归纳；总结固定模式存储用户信息，形式化为用户层；对常见的老年病进行规划，形式化专家诊断知识，建立专家知识树，作为专家知识层；搜寻归纳智能环境中智能看护服务的定义、实现方法等信息，形式化归纳为服务层；总结设备信息，归纳总结形式化为设备层；归纳老年病的智能看护需求，形式化为看护需求层。
内容2，输入用户重要身体数据和老年病种类和病情信息，将其填入User用户层，具体化用户信息。通过读取专家知识树的相应专家知识，映射到老年病看护需求层，确定此用户的看护目标需求集合Goal。根据需求层的需求描述信息，将看护目标集合Goal中的复合需求全部分解为原子需求。
内容3，Goal是辅助用户生活和实现老年病看护的功能需求，但是需求的具体实现要分摊到智能环境能够实现各个功能服务上去。Service是智能环境中能够实现的看护功能的集合，全集是AS。根据智能服务的定义和老年病看护的需求，找寻映射匹配，挖掘出Service层中用来解决目标需求的服务，记为Sneed。到此，SmartPlan的第一模块能够表示为：UGS＝{AS，User，Goal，f(_，_)，Sneed}，其中f(_，_)表示一种映射方法，将Goal老年病看护需求映射到服务全集AS上去，得到所需服务及Sneed。
内容4，输入用户的特殊智能看护环境规划需求和家庭居住环境相关数据，形式化输入数据，得到规划策略的设备层匹配的约束条件。
内容5，根据内容4归纳挖掘的约束条件，选择规划方法，设置规划参数。首先抉择Sneed服务的实现，然后用数学规划方法求解映射到设备层，求解符合用户要求的又最优的各种传感器购买个数，生成智能看护环境实现方案，指导智能设备的采购。到此，SmartPlan的第二模块能够表示为：SRP＝{Sneed，Restriction，g(_，_)，Plan}，其中，g(_，_)表示一种从需求服务到看护方案Plan的一种规划方案，Restriction代表规划参数和过程方法。
图2是基于老年病智能看护系统的软件快速定义智能模型的模型内部数据流向图；
一个面向用户的模型要注重用户需求的了解，基于老年病智能看护系统的软件快速定义智能模型，服务于用户需求。首先，挖掘和读取用户基本身体数据和病情信息，参数化写入服务层；然后，调用专家知识树来判断用户病情，挖掘出看护目标；之后，数据从需求层流向服务层，结合看护目标Goal，将看护目标分解为原子需求，然后映射服务层，得到所需要的服务Sneed；第二部分输入用户的规划要求和家庭环境信息，更加充分考虑了方案与用户需求和用户家庭条件的结合，生成约束条件和约束参数；然后数据Sneed结合约束条件，从服务层流向设备层，确定智能看护完成用户需求所需要的设备种类和个数规划，输出智能方案SmartPlan。
图3是基于老年病智能看护系统的软件快速定义智能模型的专家知识树存储数据结构示意图；
专家知识是用户看护目标判断的依据，是从大量的医生诊断和文档中总结出来的，在模型设计中，专家知识按照图示结构形式化存储来起来，遍历和寻找都比较高效。
图4是基于老年病智能看护系统的软件快速定义智能模型的具体实现方法流程图；
流程图将图1所示的模型内容步骤实现，将模型运行计算过程中的循环、判断、功能运算逐步展现，指导整个模型系统的运行。得到用户信息和病情数据之后，判断用户病情，调用病情对应的专家知识树，遍历专家知识树，更新看护目标Goal。判断是否有其他的老年病并发症，如果有，继续调用相关专家知识树，继续更新Goal看护目标；如果没有，那么返回看护目标Goal到下一步。遍历看护目标Goal，判断看护目标Goal是否包含复合需求，如果有，那么分解复合需求为原子需求，直到看护目标Goal中不存在复合需求。每一个看护需求都映射着合作完成此需求所需要的一个或多个服务，由原子需求集映射出需求服务集Sneed。
输入用户规划要求和基本环境信息，挖掘规划条件和参数，选取服务实现方法Method，根据Method调出所需要的智能看护数据要求集合，称为Input数据集。在设备集上存储的设备信息，包含了智能设备能够测量的数据和精度，列出不等式规划函数，选取求解方法(不等规划方法或者遗传算法等，不局限于此类方法)。不等式规划求解，得到智能看护指导方案，输出SmartPlan。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S1包括：
S1-1，所述用户层表示为User，User＝(Phy，Dis，Daily)：其中Phy代表用户的身体特征数据，Phy＝(Height，Weight，BMI，Body_Temperature，Blood_Pressure，Blood_Suga，Heart_Rate，Breathe_Rate，Blood_Lipids)，在此身体特征数据表示为需要存储记录一段时间内的数据，能够通过智能看护设备采集到的用户身体数据定期更新；Dis表示用户的老年病信息数据，Dis＝(Disease_name，Disease_data，Disease_level，Disease_years)，需要保存一定时间内的数据信息，分析统计数据老年病信息数据通过自然语言挖掘或者通过用户录入，Daily代表每日用户的病情危险情况信息数据，该Daily信息数据来自于智能看护系统的反馈，收取反馈信息，挖掘使用期间用户的生活状态的评估，即时反映用户病情的变化；
S1-2，将用户层数据、老年病信息数据和病情危险情况信息数据进行形式化数据结构的表现形式：
Struct User
Struct phy
上述数据结构中存储用户身体信息，均是老年病患者日常生活中最重要的身体数据，对老年病患者健康状态的评估具有非常重要的作用；同时，这也是反映老年病患者的老年病状态的重要信息数据，
Struct Dis
Struct Daily：
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S2包括：
S2-1，老年病看护需求层用Require表示，老年病看护需求层表现为三层含义：
(1)标识ID；
(2)需求的定义：主要描述是描述需求，需要的监护任务，以及对监护任务的具体描述；
(3)需求的基础映射关系，复合需求能够分解为原子需求，一个专家知识树的树形的映射关系；
S2-2，老年病看护需求层的一种形式化数据结构如下：
Struct Require
从而形成老年病看护需求层第一模块，该第一模块表示为：UGS＝{AS，User，Goal，f(_，_)，Sneed}，其中Goal是面向用户的看护需求的集合，称为看护目标集；f(_，_)表示一种映射方法，将老年病看护需求层的老年病看护需求映射到服务全集AS上去，得到所需服务集合Sneed，其中UGS为用户需求服务模型。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S2还包括形成看护目标集Goal的确定：
S2-3，看护目标模型算法包括：
A，输入用户身体数据，挖掘用户身体数据和病情信息，使用输入参数数据input输入的方式，按用户层的数据格式录入数据；
B，收集医生对老年病的诊断，汇总成专家知识，专家知识数据结构，将专家知识形式化，将不同老年病病情的专家诊断按树形结构存储建模，汇总成一个完整的专家知识诊断树，将人工分析看护需求、确定看护目标的工作，通过模型转换为基于身体数据和病情信息的专家知识读取工作，通过专家知识树的建立减轻目标的挖掘工作量；
专家知识建模形式如下：
Struct Knowledge
C，利用A中存储的用户层信息，在专家知识树中依据用户层信息条件，判断到专家知识树的叶子节点，最后对看护目标做交集，得到完整看护目标，是需求层需求的一个集合，然后根据需求层的需求的数据结构信息，遍历目标，将所有的需求分解为原子需求，即智能环境老年看护系统的最终看护目标。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S3包括：
S3-1，完成看护目标根据用户层条件到所需求服务的一个映射模型功能包含如下：
(1)在服务层的所有服务集合中，依据服务层的定义definition，按照其服务功能类型，包含如下内容：
1)运动相关的服务：每日运动量，运动时间，运动次数等等相关运动看护的服务；
2)饮食相关服务：饮食时间，正常饮食监护，营养看护等等相关饮食看护的服务；
3)活动相关服务：室内位置检测，室内状态检测，每日活动监护等等日常活动相关的服务；
4)环境相关服务：室内温度监护和调整，室内空气质量检测，室内安全隐患监测等等居住环境相关的服务；
5)病情相关服务：比如病情等级更新，血压血糖看护，病情发作提醒等；
6)危险预警服务：比如久坐提醒，跌倒警告，昏迷预警等等与独居老年人容易发生的危险情况相关的服务；
(2)根据目标需求的原子需求描述，读取原子需求所包含的服务集合；然后在相关的服务分组中，挑选出与需求匹配的服务来完成智能看护系统的服务；遍历最终的看护功能需求目标Goal，对每一个原子需求的服务集合做并集，得到最终的所需要的服务Sneed；也能够根据原子需求的描述，挑选服务的定义definition中需求层的目标需求的原子需求描述匹配的服务。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S3还包括：
S3-2，服务层用Service进行表示，服务层定义了智能看护系统中服务的数学表现形式：
(1)Definition：服务的定义，包含服务的标识，主要描述服务内容，为需求层和服务层的匹配提供数据依据保障；
(2)Method：服务的实现方法，在智能工作环境状态中，服务层提供有多种实现方法，不同的实现方法需要不同的输入参数数据Input；
(3)Process：服务的实现流程，主要描述服务的流程逻辑，通讯协议和参数设置；
S3-3，服务层形式化的数据结构如下：
Struct Service
Struct Method
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S4包括：
S4-1，设备层用Device表示，将设备层分为三种类型：
(1)是数值型传感器，(2)是开关型(0-1)传感器，(3)是具备具体测量功能和数据传输能力的智能设备；
S4-2，将三种设备形式化归纳如下：
(1)数据测量型传感器：测量结果是数字类型数据，形式化归纳方式如下，
Device＝(传感器标识符，类型，测量数据，测量范围，精度，耐用性，功率，价格…)，
(2)开关(0-1)型传感器：形式化归纳方式如下，
Device＝(传感器标识符，类型，测量精度(红外)，耐用性，功率，价格…)
(3)独立的具有单项或多项数据测量功能和传输功能的智能设备，形式化归纳方式如下，
Device＝(设备标识符，类型，List数据表，耐用性，功率，价格…)，其中List表用来存储该设备可测量的数据、测量范围和数据精度；
由此构建起设备层的设备索引树；
设备层数据结构形式化数据结构如下：
Struct Device
S4-3，上述数据结构指导了形式化处理设备层信息的方式，设备层通过设备类型信息(Type)和数据类型信息(Datatype)来进行设备分类。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S4还包括：
形成第二模块表示为：SRP＝{Sneed，Restriction，g(_，_)，Plan}，其中，g(_，_)表示一种从需求服务到看护方案Plan的一种规划方案，Restriction代表规划参数和过程方法。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S4还包括约束挖掘条件：
所述约束挖掘条件的模型化内容为：
(1)用户此阶段需要输入自家居住环境信息，环境信息不是精准的信息只需要输入房间个数和大致长宽，功能区域个数等统计信息，然后这些信息会被形式化为规划个功能服务实现的参数，比如房间个数和大小会影响定位的传感器个数和定位精度；
(2)匹配用户的智能设备的规划需求，记录规划目的和参数要求，形成规划条件。
所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，优选的，所述S4还包括快速部署方案：
所述快速部署方案的模型化算法为：
(1)利用精度要求，资费要求评估计算，选择服务层在这次规划算法中的实现方法，由此来确定该服务的输入数据；在服务层的模型化过程中，规划方法部分包含服务的实现方法和服务运行的输入数据Input，每一项服务层的服务都是有实现依据的；
(2)依据服务层的输入数据确定数据需求，该数据是能够被传感器直接获取的可监控数据；
(3)根据数据需求，映射设备层的设备能够监测的数据，结合约束挖掘条件的约束条件参数，列出不等规划函数，采用不等式规划或者遗传算法求解最优解；输出最优解，得到智能设备最优工作指导方案。
举例说明智能设备的规划方法形式化如下：
已知：老年病患者的居住环境是一室一厅一厨一卫，用户为中度高血压患者，规划要求为安装价格2w以内，精度85％以上，性能最优。由病人身体数据和其他信息模型化推理得到需要监控的必须服务有：
病情监护：早晚血压监护
日常活动：上厕所，睡觉，做饭，吃饭，休息，看电视
运动监护：运动时间，运动强度
饮食监护：规律饮食，盐分监护，营养监护
推理：确定服务实现方法，确定所需传感器类型，然后规划传感器个数：
上述需要测量血压数据，室内位置信息，运动监测，运动强度用最简单的步数分析方法，规律饮食只需要知道吃饭时间，盐分需要智能产品监护使用量，营养可用图像处理的方法识别食物来判断营养。
所以需要的数据有：功能区域压力传感器，个别功能区域和非功能区域红外传感器(功能区域指用户经常停留的区域，非功能区域指过道等不经常停留的区域)，智能血压监测仪，智能手环，智能瓶子，摄像头(餐桌使用)。
具体实施例如下：
规划函数：
其中x1表示压力传感器，x2表示红外传感器，x3表示智能血压仪，x4表示智能手环，x5表示智能瓶子，x6表示摄像头，y1y2y3y4y5y6分别表示他们的个数，
约束条件：
(x1.Price×y1+x2.Price×y2+x3.Price×y3+x4.Price×y4+x5.Price×y5+x6.Price×y6)≤20000
y1≥n1；(n1表示功能节点的个数，是已知变量)
y2＞2×n1；(为了活动轨迹，非功能节点数量要多一些)
0＜y3≤1；(智能设备不需要替代品，一个足够了)
0＜y4≤1；
1≤y5≤n2；(n2表示需要监控的微量元素种类个数，如盐、糖等等)
0＜y6≤3；(为了保障照片的质量，摄像机可适量增加，增加图片个数，提高食物识别准确率)，
求解上述方程，给出规划最优解。
上面给出了一种传感器个数的最简单明了的规划方法，但不是本模型能够使用的唯一规划方法，在工程实现的时候还能够添加更加精确的条件进行规划和最优求解。
Claims (10)
1.一种面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，包括如下步骤：
S1，收集用户相关的身体特征数据、老年病信息数据和病情危险情况信息数据，发送到用户层，形成用户层数据库；
S2，根据用户层数据库所获取的用户相关数据，通过建立老年病看护需求数据层，将自然语言描述映射到IT描述需求层，将用户的老年病信息数据和专家知识树判断条件相比较，从而将老年病需求到IT需求的需求转换工作演变成了需求的挖取工作，将实现老年病看护功能的需求从专家树上挖取出来，形成看护目标的集合；
S3，将看护目标的需求层需求数据进行分解，分解为原子需求的需求集合，作为老年病看护的最终看护目标集；然后，挖掘与需求描述相匹配的智能服务，将智能环境看护目标转变为老年病智能看护所需服务集，挖掘出服务层中所需要的服务；
S4，收集用户的智能看护方案规划策略和设备层匹配约束条件，规划智能看护所需服务实现方法，形成老年病智能看护的设备方案，由用户对推荐方案进行选择。
2.根据权利要求1所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S1包括：
S1-1，所述用户层表示为User，User＝(Phy，Dis，Daily)：其中Phy代表用户的身体特征数据，Phy＝(Height，Weight，BMI，Body_Temperature，Blood_Pressure，Blood_Suga，Heart_Rate，Breathe_Rate，Blood_Lipids)，在此身体特征数据表示为需要存储记录一段时间内的数据，能够通过智能看护设备采集到的用户身体数据定期更新；Dis表示用户的老年病信息数据，Dis＝(Disease_name，Disease_data，Disease_level，Disease_years)，需要保存一定时间内的数据信息，分析统计数据老年病信息数据通过自然语言挖掘或者通过用户录入，Daily代表每日用户的病情危险情况信息数据，该Daily信息数据来自于智能看护系统的反馈，收取反馈信息，挖掘使用期间用户的生活状态的评估，即时反映用户病情的变化；
S1-2，将用户层数据、老年病信息数据和病情危险情况信息数据进行形式化数据结构的表现形式：
Struct User
{ID：用户标识信息；
Name：用户姓名信息；
Age：用户年龄信息；
Sex：用户性别信息描述；
Address：用户家庭住址
Phy：用户身体数据；
Dis：用户老年病信息数据；
Daily：用户日常监护反馈评估；
}
Struct Phy
{Height：用户身高信息；
Weight：用户体重信息；
BMI：用户体表面积信息，根据身高体重自行计算；
Body_Temperature：用户体温信息；
Blood_Pressure：用户血压信息；
Blood_Sugar：用户血糖信息；
Heart_Rate：用户心率信息；
Breathe_Rate：用户分钟呼吸次数数据信息；
Blood_Lipids：用户血脂信息；
}
上述数据结构中存储用户身体信息，均是老年病患者日常生活中最重要的身体数据，对老年病患者健康状态的评估具有非常重要的作用；同时，这也是反映老年病患者的老年病状态的重要信息数据，
Struct Dis
{Disease_Name：老年病患者的名字；
Disease_Data：老年病患者的相关数据；
Disease_Level：老年病患者的严重程度；
Disease_Years：老年病患者的病龄；
}
Struct Daily：
{Diet：日常饮食情况评估，评估时间刻度为日、周和月；
Rest：日常作息情况评估，评估时间刻度为日、周和月；
Sport：日常运动情况评估，评估时间刻度为日、周和月；
Sleep：日常睡眠质量情况评估，评估时间刻度为日、周和月；
Activity：日常活动情况评估，评估时间刻度为日、周和月；
}。
3.根据权利要求2所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S2包括：
S2-1，老年病看护需求层用Require表示，老年病看护需求层表现为三层含义：
(1)标识ID；
(2)需求的定义：描述是描述需求，需要的监护任务，以及对监护任务的具体描述；
(3)需求的基础映射关系，复合需求能够分解为原子需求，一个专家知识树的树形的映射关系；
S2-2，老年病看护需求层的一种形式化数据结构如下：
Struct Require
{ID：需求的唯一标识ID；
Discribe：需求的描述，描述智能环境需要完成的看护功能；
Atomic：标识符，表示是否为原子需求；
Children：一种父子映射关系，非原子需求能够分解为多个子需求；
Service：实现需求智能环境要提供的服务的集合，为了降低模型的复杂度，只有原子需求会有Service集合，复合需求的Service集合为空；
}
从而形成老年病看护需求层第一模块，该第一模块表示为：UGS＝{AS，User，Goal，f(_，_)，Sneed}，其中Goal是面向用户的看护需求的集合，称为看护目标集；f(_，_)表示一种映射方法，将老年病看护需求层的老年病看护需求映射到服务全集AS上去，得到所需服务集合Sneed，其中UGS为用户需求服务模型。
4.根据权利要求2所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S2还包括形成看护目标集Goal：
S2-3，看护目标模型算法包括：
A，输入用户身体数据，挖掘用户身体数据和病情信息，使用输入参数数据input输入的方式，按用户层的数据格式录入数据；
B，收集医生对老年病的诊断，汇总成专家知识，专家知识数据结构，将专家知识形式化，将不同老年病病情的专家诊断按树形结构存储建模，汇总成一个完整的专家知识诊断树，将人工分析看护需求、确定看护目标的工作，通过模型转换为基于身体数据和病情信息的专家知识读取工作，通过专家知识树的建立减轻目标的挖掘工作量；
专家知识建模形式如下：
Struct Knowledge
{ID：专家知识唯一标识信息，
Name：专家知识名称，
Discribe：专家知识描述，
Deep：知识树结构的深度，
Father：记录父亲节点的ID信息，
Relations：or Conditions，继承父亲的条件，即需要此需求的数据条件判定，
Children：下级子节点专家知识的信息，
Goal：所需功能需求的集合
}
C，利用A中存储的用户层信息，在专家知识树中依据用户层信息条件，判断到专家知识树的叶子节点，最后对看护目标做交集，得到完整看护目标，是需求层需求的一个集合，然后根据需求层的需求的数据结构信息，遍历目标，将所有的需求分解为原子需求，即智能环境老年看护系统的最终看护目标。
5.根据权利要求1所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S3包括：
S3-1，完成看护目标根据用户层条件到所需求服务的一个映射模型功能包含如下：
(1)在服务层的所有服务集合中，依据服务层的定义definition，按照其服务功能类型，包含如下内容：
1)运动相关的服务：每日运动量，运动时间，运动次数相关运动看护的服务；
2)饮食相关服务：饮食时间，正常饮食监护，营养看护相关饮食看护的服务；
3)活动相关服务：室内位置检测，室内状态检测，每日活动监护日常活动相关的服务；
4)环境相关服务：室内温度监护和调整，室内空气质量检测，室内安全隐患监测居住环境相关的服务；
5)病情相关服务：病情等级更新，血压血糖看护，病情发作提醒；
6)危险预警服务：久坐提醒，跌倒警告，昏迷预警与独居老年人容易发生的危险情况相关的服务；
(2)根据目标需求的原子需求描述，读取原子需求所包含的服务集合；然后在相关的服务分组中，挑选出与需求匹配的服务来完成智能看护系统的服务；遍历最终的看护功能需求目标Goal，对每一个原子需求的服务集合做并集，得到最终的所需要的服务Sneed；也能够根据原子需求的描述，挑选服务的定义definition中需求层的目标需求的原子需求描述匹配的服务。
6.根据权利要求2所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S3还包括：
S3-2，服务层用Service进行表示，服务层定义了智能看护系统中服务的数学表现形式：
(1)Definition：服务的定义，包含服务的标识，描述服务内容，为需求层和服务层的匹配提供数据依据保障；
(2)Method：服务的实现方法，在智能工作环境状态中，服务层提供有多种实现方法，不同的实现方法需要不同的输入参数数据Input；
(3)Process：服务的实现流程，描述服务的流程逻辑，通讯协议和参数设置；
S3-3，服务层形式化的数据结构如下：
Struct Service
{ID：智能看护服务的标识ID；
Definition：智能看护服务的定义；
Method：实现方法集合；
Process：服务执行信息的描述，包含传输协议、数据判断和计算功能的描述；
}
Struct Method
{Method_Name：实现方法名称，唯一标识信息；
Method_Paramater：实现方法重要判断参数、阈值数据集合；
Method_Discribe：方法描述，怎么解决服务任务的；
Method_Inputs：方法所需输入数据集合，形式为{(temperature，float)，(pressure，float)…}，形式为数据名称+数据类型；
}。
7.根据权利要求5所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S4包括：
S4-1，设备层用Device表示，将设备层分为三种类型：
(1)是数值型传感器，
(2)是开关型(0-1)传感器，
(3)是具备具体测量功能和数据传输能力的智能设备；
S4-2，将三种设备形式化归纳如下：
(1)数值型传感器：测量结果是数字类型数据，形式化归纳方式如下，
Device＝(传感器标识符，类型，测量数据，测量范围，精度，耐用性，功率，价格…)，
(2)开关型(0-1)传感器：形式化归纳方式如下，
Device＝(传感器标识符，类型，测量精度，耐用性，功率，价格…)
(3)具备具体测量功能和数据传输能力的智能设备，形式化归纳方式如下，
Device＝(设备标识符，类型，List数据表，耐用性，功率，价格…)，其中List表用来存储该设备可测量的数据、测量范围和数据精度；
由此构建起设备层的设备索引树；
设备层数据结构形式化数据结构如下：
Struct Device
{ID：智能设备的唯一标识ID；
Type：传感器类型；
Datatype：测量数据的数据类型集合；
Range：数据的测量范围；
Accuracy：数据测量的误差；
Price：传感设备的价格信息；
Power：传感设备的能耗功率；
Foalt：设备的故障几率；
Lifetime：设备的使用寿命；
Cost_effective：性价比信息；
}
S4-3，上述数据结构指导了形式化处理设备层信息的方式，设备层通过设备类型信息和数据类型信息来进行设备分类。
8.根据权利要求1所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S4还包括：
形成第二模块表示为：SRP＝{Sneed，Restriction，g(_，_)，Plan}，其中，g(_，_)表示一种从需求服务到看护方案Plan的一种规划方案，Restriction代表规划参数和过程方法。
9.根据权利要求1所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S4还包括约束挖掘条件：
所述约束挖掘条件的模型化内容为：
(1)用户此阶段需要输入自家居住环境信息，环境信息输入房间个数和长宽，功能区域个数统计信息，然后这些信息会被形式化为若干个功能服务实现的参数，房间个数和大小会影响定位的传感器个数和定位精度；
(2)匹配用户的智能设备的规划需求，记录规划目的和参数要求，形成规划条件。
10.根据权利要求9所述的面向用户需求的软件快速定义智能环境的规划选择方案推荐方法，其特征在于，所述S4还包括快速部署方案：
所述快速部署方案的模型化算法为：
(1)利用精度要求，资费要求评估计算，选择服务层在这次规划算法中的实现方法，由此来确定该服务的输入数据；在服务层的模型化过程中，规划方法部分包含服务的实现方法和服务运行的输入数据Input，每一项服务层的服务都是有实现依据的；
(2)依据服务层的输入数据确定数据需求，该数据是能够被传感器直接获取的可监控数据；
(3)根据数据需求，映射设备层的设备能够监测的数据，结合约束挖掘条件的约束条件参数，列出不等规划函数，采用不等式规划或者遗传算法求解最优解；输出最优解，得到智能设备最优工作指导方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711118647.4A CN107895595B (zh) | 2017-11-14 | 2017-11-14 | 面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711118647.4A CN107895595B (zh) | 2017-11-14 | 2017-11-14 | 面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107895595A CN107895595A (zh) | 2018-04-10 |
| CN107895595B true CN107895595B (zh) | 2020-06-19 |
Family
ID=61805273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711118647.4A Active CN107895595B (zh) | 2017-11-14 | 2017-11-14 | 面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107895595B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108550385B (zh) * | 2018-04-13 | 2021-03-09 | 北京健康有益科技有限公司 | 一种运动方案推荐方法、装置和存储介质 |
| CN110096506B (zh) * | 2019-04-04 | 2023-08-04 | 东南大学 | 一种多层需求的树形胞元结构描述及存储方法 |
| CN110391008B (zh) * | 2019-07-08 | 2022-05-03 | 青岛海尔科技有限公司 | 基于智慧家庭操作系统的健身处理方法及智能家居设备 |
| CN110427769B (zh) * | 2019-08-12 | 2020-12-25 | 重庆大学 | 基于智能看护系统面向用户活动模式隐私保护实施方法 |
| CN111240649B (zh) * | 2020-01-20 | 2020-11-13 | 重庆大学 | 一种支撑智能环境快速实现的软件定义智能架构系统及其方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101710285A (zh) * | 2009-11-24 | 2010-05-19 | 武汉大学 | 一种基于领域模型的服务需求获取与建模方法 |
| CN102193994A (zh) * | 2011-04-22 | 2011-09-21 | 武汉大学 | 一种根据用户非功能性需求搜索Web服务的方法 |
| US8355938B2 (en) * | 2006-01-05 | 2013-01-15 | Wells Fargo Bank, N.A. | Capacity management index system and method |
| CN103581309A (zh) * | 2013-10-22 | 2014-02-12 | 华中科技大学 | 一种基于需求的动态服务组合与选择方法和系统 |
| CN104834681A (zh) * | 2015-04-14 | 2015-08-12 | 百度在线网络技术（北京）有限公司 | 服务推荐方法及装置 |
| CN103207912B (zh) * | 2013-04-15 | 2016-04-27 | 武汉理工大学 | 基于属性多层关联的服务资源组合智能推荐方法和系统 |
| CN103365975B (zh) * | 2013-06-27 | 2017-02-22 | 河海大学 | 一种考虑数据起源的基于SP树的Web服务匹配方法及模型 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20110202368A1 (en) * | 2010-02-18 | 2011-08-18 | Computer Associates Think, Inc. | Emailing/texting biometric data for automatic emr incorporation |
-
2017
- 2017-11-14 CN CN201711118647.4A patent/CN107895595B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8355938B2 (en) * | 2006-01-05 | 2013-01-15 | Wells Fargo Bank, N.A. | Capacity management index system and method |
| CN101710285A (zh) * | 2009-11-24 | 2010-05-19 | 武汉大学 | 一种基于领域模型的服务需求获取与建模方法 |
| CN102193994A (zh) * | 2011-04-22 | 2011-09-21 | 武汉大学 | 一种根据用户非功能性需求搜索Web服务的方法 |
| CN103207912B (zh) * | 2013-04-15 | 2016-04-27 | 武汉理工大学 | 基于属性多层关联的服务资源组合智能推荐方法和系统 |
| CN103365975B (zh) * | 2013-06-27 | 2017-02-22 | 河海大学 | 一种考虑数据起源的基于SP树的Web服务匹配方法及模型 |
| CN103581309A (zh) * | 2013-10-22 | 2014-02-12 | 华中科技大学 | 一种基于需求的动态服务组合与选择方法和系统 |
| CN104834681A (zh) * | 2015-04-14 | 2015-08-12 | 百度在线网络技术（北京）有限公司 | 服务推荐方法及装置 |
Non-Patent Citations (4)
| Title |
|---|
| Empower service directories with knowledge;Abdali Mohammadi;《Knowledge-Based System》;20121231;第30卷;第172-184页 * |
| 面向复杂产品网络化制造的知识集成与应用关键技术研究;刘骄剑;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20140715(第07期);全文 * |
| 面向用户个性化需求的网络服务智能发现方法研究;徐尚英;《中国博士学位论文全文数据库 信息科技辑》;20150415(第4期);全文 * |
| 面向网格服务的软件体系结构建模及演化研究;吴毅坚;《中国博士学位论文全文数据库 信息科技辑》;20070815(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107895595A (zh) | 2018-04-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107895595B (zh) | 面向用户需求的软件快速定义智能环境的规划选择方案推荐方法 | |
| Yuan et al. | Context-aware hybrid reasoning framework for pervasive healthcare | |
| US10032526B2 (en) | Patient safety processor | |
| US20170249434A1 (en) | Multi-format, multi-domain and multi-algorithm metalearner system and method for monitoring human health, and deriving health status and trajectory | |
| Silva et al. | Mortality assessment in intensive care units via adverse events using artificial neural networks | |
| CN101305373A (zh) | 使用聚类检测多参数患者监护和临床数据中的危险趋势的方法 | |
| CN108257648B (zh) | 一种基于大数据的医疗健康数据管理系统 | |
| Hayes-Roth et al. | Distributing intelligence within an individual | |
| CN105279362A (zh) | 个人健康监视系统 | |
| Pirzada et al. | Sensors in smart homes for independent living of the elderly | |
| Antón et al. | Non-invasive ambient intelligence in real life: Dealing with noisy patterns to help older people | |
| Soto-Mendoza et al. | Design of a predictive scheduling system to improve assisted living services for elders | |
| Zhang et al. | An ontology-based context-aware approach for behaviour analysis | |
| Sahlab et al. | Graph-based association rule learning for context-based health monitoring to enable user-centered assistance | |
| CN109119155B (zh) | 基于深度学习的icu死亡危险性评估系统 | |
| Tsumoto et al. | Mining clinical pathways using dual clustering | |
| Nzomo et al. | Semantic Technologies in Sensor-Based Personal Health Monitoring Systems: A Systematic Mapping Study | |
| Dobre et al. | Parameters weighting in elderly monitoring based on multi-criteria methods | |
| Dogan et al. | Understanding patient activity patterns in smart homes with process mining | |
| EP4224373A1 (en) | System for forecasting a mental state of a subject and method | |
| CN117877763B (zh) | 基于智能腕带的护理用通信系统及方法 | |
| Vaishnavi et al. | Mining and observation human motion styles in domestic-based health commentary system | |
| García-Sáez et al. | Mealtime blood glucose classifier based on fuzzy logic for the diabtel telemedicine system | |
| CN117912662A (zh) | 基于物联网的人工智能智慧护理系统 | |
| Sharma et al. | Fuzzy Systems in Medicine and Healthcare: Need, Challenges and Applications |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |