CN109674459A - 一种数据处理的方法及装置 - Google Patents
一种数据处理的方法及装置 Download PDFInfo
- Publication number
- CN109674459A CN109674459A CN201811580538.9A CN201811580538A CN109674459A CN 109674459 A CN109674459 A CN 109674459A CN 201811580538 A CN201811580538 A CN 201811580538A CN 109674459 A CN109674459 A CN 109674459A
- Authority
- CN
- China
- Prior art keywords
- data
- sleep
- sleep data
- user
- historical
- 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.)
- Pending
Links
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
- A61B5/4806—Sleep evaluation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Abstract
本发明提供了一种数据处理的方法及装置。所述方法包括:获取用户的历史睡眠数据;对所述历史睡眠数据进行提取处理以得到有效睡眠数据;利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。通过本发明提供的技术方案,能够根据用户的历史睡眠数据来训练清醒点判断模型,从而提升了用户睡眠清醒点判断的准确性。
Description
技术领域
本发明涉及物联网领域,特别涉及一种数据处理的方法及装置。
背景技术
随着科学技术的发展,人们通过各种监测设备对人体的睡眠状态进行监测以获取监测数据,然后对监测数据进行分析以确定用户的健康状态。
然而,当前的睡眠状态的分析技术基本上都是基于体动次数来划分用户的清醒点的,需要指出的是,仅靠体动次数来划分用户的清醒点往往会存在较大的误差。
发明内容
本发明实施例提供了一种数据处理的方法及装置,通过使用本发明提供的方法,能够根据用户的历史睡眠数据来训练清醒点判断模型,从而提升了用户睡眠清醒点判断的准确性。
本发明第一方面公开了一种数据处理的方法,所述方法包括:
获取用户的历史睡眠数据;
对所述历史睡眠数据进行提取处理以得到有效睡眠数据;
利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。
可选的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,所述方法还包括:
判断所述历史睡眠数据中是否存在上床点和离床点;
若所述历史睡眠数据中不存在所述上床点或所述离床点,则确定所述历史睡眠数据为无效睡眠数据;
重新获取所述用户的历史睡眠数据。
可选的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,所述方法还包括:
若所述历史睡眠数据中存在所述上床点和所述离床点,
判断所述上床点和所述离床点之间的数据长度;
若所述数据长度小于预设数据长度,则确定所述历史睡眠数据为无效数据;
重新获取所述用户的历史睡眠数据。
可选的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据,包括:
对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;
对所述目标数据按照预设规则进行切分;
将切分后的所述目标数据进行拼接以得到有效睡眠数据。
可选的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,所述方法还包括:
对所述有效睡眠数据进行加工以剔除数据中的异常值;
使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;
将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效睡眠数据。
可选的,利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,所述方法还包括:
将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
可选的,所述调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定对所述用户的睡眠状态之后,所述方法还包括:
若确定所述用户已经起床,则利用预设时间段内接收到的所述监测设备反馈的数据和所述无监督学习算法对所述清醒阶段判断模型进行更新;
若确定所述用户已起床,则按照预设策略向相关联的物联网设备发送操作指令以使得所述物联网设备按照所述操作指令进行工作。
可选的,所述历史睡眠数据包括呼吸率数据、心率数据、体动次数数据以及体动能量数据。
本发明第二方面公开了一种数据处理装置,所述数据处理装置包括收发器、处理器以及存储器;其中所述存储器中存储有程序代码,当所述程序代码被运行时,第一方面任一所述的方法会被之心
本发明第三方面公开了一种存储介质,所述存储介质中存储有程序代码,当所述程序代码被运行时,第一方面任一所述的方法会被运行。
本发明第四方面公开了一种计算机程序产品,所述计算机程序产品中包含有程序代码;当所述程序代码被运行时,所述第一方面的方法会被执行。
可以看出,在本发明实施例的方案中,获取用户的历史睡眠数据;对所述历史睡眠数据进行提取处理以得到有效睡眠数据;利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。通过本发明提供的技术方案,能够根据用户的历史睡眠数据来训练清醒点判断模型,从而提升了用户睡眠清醒点判断的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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为本发明实施例提供的一种数据处理方法的示意图;
图1a为本发明实施例提供的一种线性插值方法的示意图;
图2为本发明的实施例提供的另一种数据处理方法的示意图;
图3为本发明实施例提供的另一种数据处理方法的示意图;
图4为本发明实施例提供的一数据处理装置的逻辑结构图;
图5为本发明实施例提供另一种数据处理装置的逻辑结构图;
图6为本发明实施例提供另一种数据处理装置的逻辑结构图;
图7为本发明实施例提供的一种数据处理装置的物理结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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地描述,显然,所描述的实施例是本发明一部分的实施例,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,都应当属于本发明保护的范围。
本发明说明书、权利要求书和附图中出现的术语“第一”、“第二”和“第三”等是用于区别不同的对象,而并非用于描述特定的顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本发明一个实施例提供的一种数据处理的方法的流程示意图。其中,如图1所示,本发明的一个实施例提供的一种数据处理的方法,所述方法包括以下内容:
101、获取用户的历史睡眠数据。
本发明的执行主体可以是一个智能设备,能够根据监测装置监测的睡眠数据进行分析,并输出分析结果。可以理解的是,本发明提供的技术方案也可以直接安装在监测装置中;当然,本发明提供的技术方案也可以单独安装在一个装置中,通过接收监测装置反馈的睡眠数据进行分析并输出分析结果。
具体的,本发明的执行主体可以从存储用户历史睡眠数据的数据库中,获取用户通过睡眠监测装置得到的连续一段时间的整晚数据(时间阈值可调)。举例来说,比如获取连续三个月每天晚上10点至第二天早上8点的数据;当然,也可以是获取连续三个月每天晚上八点至第二天早上10点的数据;还是可以是获取连续1个月每天晚上八点至第二天早上8点的数据;在此不做限制,也不再一一列举。
其中,需要指出的是,监测装置可以是睡眠带子,智能床垫,智能手环,智能手表等等用于监测用户生理体征的装置;可以理解的是,监测装置可以是一种,也可以是多种。其中,历史睡眠数据包括生理体征数据。举例来说,常见的生理体征的数据包括心率、呼吸率、体动能量、体动次数等。
其中,需要指出的是,为了保证获取到的历史睡眠数据可以进行数据提取并应用到后续判断模型的训练中,需要对获取到的历史睡眠数据进行有效性判断。具体的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,所述方法还包括:判断所述历史睡眠数据中是否存在上床点和离床点;若所述历史睡眠数据中不存在所述上床点或所述离床点,则确定所述历史睡眠数据为无效睡眠数据,此时需要重新获取所述用户的历史睡眠数据。
举例来说,比如要获取100天的有效数据,那么就需要对过去100的每天记录的数据进行有效性判断,如果有10天为非有效数据,那么就需要在往前获取10天的数据,并判断有效性,如此循环,直至获取100天的有效数据为止。另外,需要指出的是,可以允许有几天的容错率,比如100天的数据中,有3天为无效数据,而容错率为5天,那么3天是在五天的范围内的,就不用在重新获取数据。而如果6天为无效数据,6天大于5天,就需要在往前获取6天的数据进行有效性分析。
其中,可以理解的是,若获取到的睡眠数据不存在上床点或者离床点则说明获取到的睡眠数据不是完整的睡眠数据,不具备提取数据进行训练判断模型的意义。
其中,可以针对历史睡眠数据中的每天的数据进行分析。具体的:判断所述历史睡眠数据中每天的数据是否存在上床点具体包括:可以根据睡眠数据中所述用户的在床时长以及上次的历史睡眠数据是否有效来判断此次获取的历史睡眠数据是否存在上床点;其中,若此次获取到的历史睡眠数据与上次历史睡眠数据之间的时间间隔大于预设间隔,则确定所述上次的历史睡眠数据为无效睡眠数据;若获取到此次历史睡眠数据中所述用户的在床时长大于第一预设在床时长以及上次历史睡眠数据为无效数据,则确定获取到的历史睡眠数据存在上床点。
其中,可以理解的是,如果用户躺在床上,那么监测装置就可以监测到用户的数据,并且按照预设的时间间隔进行数据反馈,比如每个5分钟反馈一次,那么此次反馈的数据就是过去5分钟用户的数据。比如第一次反馈之后,正常情况下,5分钟后会进行第二次反馈,如果隔了10分钟或者20分钟才反馈,说明监测装置在过去的一端时间内未能监测到用户的数据,那么用户可能不在床上,那么第一次反馈的数据可能就是无效的睡眠数据。
其中,判断所述历史睡眠数据中是否存在离床点具体包括:若此次获取到的睡眠数据长度大于预设长度,且此次获取的历史睡眠数据与下次获取到的历史睡眠数据之间的时间间隔大于预设时间间隔,则确定此次历史睡眠数据中存在离床点。
具体的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,所述方法还包括:
若所述历史睡眠数据中存在所述上床点和所述离床点,判断所述上床点和所述离床点之间的数据长度;若所述数据长度小于预设数据长度,则判断所述历史睡眠数据为无效数据;重新获取所述用户的历史睡眠数据。
其中,可以理解的是,若所述上床点和离床点之间的数据长度过短,则说明获取到的睡眠数据并不是一个完整的睡眠数据,不具备训练判断模型的意义。
其中,可以理解的是,所述预设时间长度和预设时间间隔可以是用户设定的,也可以是根据知识库通过机器学习确定的。常见的机器学习算法包括分类学习算法、支持向量机学习算法、贝叶斯学习算法等,在此不做限制。
102、对所述历史睡眠数据进行提取处理以得到有效睡眠数据;
其中,对所述历史睡眠数据进行提取处理以得到有效睡眠数据,具体包括:对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;对所述目标数据按照预设规则进行切分;将切分后的所述目标数据进行拼接以得到有效睡眠数据。
其中,需要指出的是,历史睡眠数据包括了用户的身体参数,比如呼吸率、心率、体动次数以及体动能量等参数。
其中,所述目标数据包括呼吸率、心率、体动次数以及体动能量等。
从上可知,目标数据是历史睡眠数据中的部分数据;而有效数据是目标数据切分后重新拼接的数据,也就是说有效数据是目标数据的重新组合。
举例来说,例如预设时长的时间窗口可以按照时间窗口为五分钟,步长为一秒的方式进行滑动提取。将时间窗口中五分钟的数据分别分为五分钟、三分钟以及一分钟进行切分,最后拼接成一条数据进行之后的数据预处理。
其中,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,所述方法还包括:对所述获取的有效睡眠数据进行加工以剔除数据中的异常值;使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效睡眠数据。
其中,需要指出的是,线性插值是数学、计算机图形学等领域广泛使用的插值方法。假设我们已知坐标(x0,y0)与(x1,y1),要得到[x0,x1]区间内某一位置x在直线上的y值。如图1a,根据图中所示,假设AB上有一点(x,y),可作出两个相似三角形,我们得到(y-y0)/(y1-y0)=(x-x0)/(x1-x0)假设方程两边的值为α,那么这个值就是插值系数—从x0到x的距离与从x0到x1距离的比值。由于x值已知,所以可以从公式得到α的值,α=(x-x0)/(x1-x0),同样,α=(y-y0)/(y1-y0)。这样,在代数上就可以表示成为:y=(1-α)y0+αy1,或者,y=y0+α(y1-y0)。这样通过α就可以直接得到y。实际上,即使x不在x0到x1之间并且α也不是介于0到1之间,这个公式也是成立的。
其中,可以理解的是,将所述完整的睡眠数据通过归一化函数映射到0-1范围内可以去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权。常见的数据归一化的方法有:min-max标准化(Min-max normalization)也叫离差标准化,是对原始数据的线性变换,使结果落到[0,1]区间,转换函数如下:其中max为样本数据的最大值,min为样本数据的最小值。可选的,其中所述归一化方法还有:线型比例变换法、0均值标准化法等,在此不做限制。
103、利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
其中,可以理解的是,常用的无监督算法有Robust covariance算法、One-ClassSVM算法及孤立森林算法等,在此不做限定。
其中,利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,所述方法还包括:将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
104、当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。
其中,所述调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态之后,所述方法还包括:若确定所述用户已经起床,利用预设时间段内接收到的所述监测设备反馈的数据和所述异常检测无监督学习算法对所述清醒阶段判断模型进行更新。
可以看出,本实施例的方案中,获取用户的历史睡眠数据;对所述历史睡眠数据进行提取处理以得到有效睡眠数据;利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。通过本发明提供的技术方案,能够根据用户的历史睡眠数据来训练清醒点判断模型,从而提升了用户睡眠清醒点判断的准确性。
请参阅图2,图2是本发明的另一个实施例提供的另一种数据处理的方法流程示意图。其中,如图2所示,所述方法包括:
201、获取用户的历史睡眠数据;
其中,所述历史睡眠数据的维度包括呼吸率数据、心率数据、体动次数数据以及体动能量数据。
202、判断所述历史睡眠数据中是否存在上床点和离床点;
203、若所述历史睡眠数据中不存在所述上床点或所述离床点,则确定所述历史睡眠数据为无效睡眠数据;
204、重新获取所述用户的历史睡眠数据;
205、对重新获取的历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;对所述目标数据按照预设规则进行切分;将切分后的所述目标数据进行拼接以得到有效睡眠数据;
其中,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,所述方法还包括:对所述获取的有效睡眠数据进行加工以剔除数据中的异常值;使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;
将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效的睡眠数据。
206、利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
其中,需要指出的是,步骤206中的有效睡眠数据可以是归一化处理前的有效睡眠数据,也可以是归一化处理后的有效睡眠数据。
其中,利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,所述方法还包括:将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
可以理解的是,该装置中可以存储多个用户的数据,识别用户的身份后,可以调用与该用户的标识对应的所述清醒阶段判断模型对用户的睡眠状态进行分析。
207、当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。
可选的,所述调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定对所述用户的睡眠状态之后,所述方法还包括:若确定所述用户已经起床,利用预设时间段内接收到的所述监测设备反馈的数据和所述无监督学习算法对所述清醒阶段判断模型进行更新。
其中,该预设时间段可以是用户手动输入的,可以是选择系统中提供的,还可以是系统默认的。
可选的,若确定所述用户已起床,则按照预设策略向相关联的物联网设备发送操作指令以使得所述物联网设备按照所述操作指令进行工作。
举例来说,该预设策略可以是根据绑定关系来发送指令。比如该数据处理装置与灯和窗帘绑定,那么就会向与该数据处理装置绑定的灯和窗帘发送操作指令以指示灯开启以及窗帘拉起。
其中,需要指出的是,图2所描述的实施例的具体内容可参考图1所对应的实施例的解释。
可以看出,本实施例的方案中,对获取到的历史睡眠数据进行了有效性判断及对获取到的有效睡眠数据进行数据处理。通过使用本发明实施例提供的技术方案,进一步保证了获取到的清醒点判断模型的准确性。
如图3所示,本发明的另一个实施例提供的另一种数据处理的方法流程示意图。其中,如图3所示,所述方法包括:
301、获取用户的历史睡眠数据;
其中,所述历史睡眠数据的维度包括呼吸率数据、心率数据、体动次数数据以及体动能量数据。
302、若所述历史睡眠数据中存在所述上床点和所述离床点,判断所述上床点和所述离床点之间的数据长度;
303、若所述数据长度小于预设数据长度,则判断所述历史睡眠数据为无效数据;
304、重新获取所述用户的历史睡眠数据;
305、对重新获取的历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;对所述目标数据按照预设规则进行切分;将切分后的所述目标数据进行拼接以得到有效睡眠数据;
其中,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,所述方法还包括:对所述获取的有效睡眠数据进行加工以剔除数据中的异常值;使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效睡眠数据。
306、利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
其中,利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,所述方法还包括:将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
307、当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。
308、若确定所述用户已经起床,利用预设时间段内接收到的所述监测设备反馈的数据和所述无监督学习算法对所述清醒阶段判断模型进行更新。
可选的,若确定所述用户已起床,则按照预设策略向相关联的物联网设备发送操作指令以使得所述物联网设备按照所述操作指令进行工作。
其中,需要指出的是,图3所描述的实施例的具体内容可参考图1所对应的实施例的解释。
可以看出,本实施例的方案中,对得倒的清醒阶段判断模型进行了更新。通过使用本发明实施例提供的技术方案,进一步保证了睡眠清醒点判断的准确性。
如图4所示,本发明的一个实施例提供的一种数据处理装置400,其中,该装置400包括以下单元:
获取单元401,用于获取用户的历史睡眠数据;
其中,所述历史睡眠数据的维度包括呼吸率数据、心率数据、体动次数数据以及体动能量数据。
处理单元402,用于对所述历史睡眠数据进行提取处理以得到有效睡眠数据;
具体的,处理单元402,用于对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;对所述目标数据按照预设规则进行切分;将切分后的所述目标数据进行拼接以得到有效睡眠数据。
训练单元403,用于利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
分析单元404,用于当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。
可选的,装置400还包括判断单元405,具体的,在处理单元402对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,判断单元405和获取单元401执行以下操作。
判断单元405,用于判断所述历史睡眠数据中是否存在上床点和离床点;若所述历史睡眠数据中不存在所述上床点或所述离床点,则确定所述历史睡眠数据为无效睡眠数据;
另外,可替换的,判断单元405还用于若所述历史睡眠数据中存在所述上床点和所述离床点,判断所述上床点和所述离床点之间的数据长度;
若所述数据长度小于预设数据长度,则判断所述历史睡眠数据为无效数据;
获取单元401,用于重新获取所述用户的历史睡眠数据。
可选的,装置400还包括加工单元406,在处理单元402对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,加工单元406还用于执行以下操作:对所述获取的有效睡眠数据进行加工以剔除数据中的异常值;使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效睡眠数据。
可选的,装置400还包括存储单元407,其中,在训练单元403利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,存储单元407执行以下操作:将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
其中,需要指出的是,在分析单元404调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定对所述用户的睡眠状态之后,训练单元403还执行以下操作:若确定所述用户已经起床,利用预设时间段内接收到的所述监测设备反馈的数据和所述无监督学习算法对所述清醒阶段判断模型进行更新。
可选的装置400还包括发送单元408,发送单元408,用于若确定所述用户已起床,则按照预设策略向相关联的物联网设备发送操作指令以使得所述物联网设备按照所述操作指令进行工作。
其中,获取单元401、处理单元402、训练单元403、分析单元404、判断单元405、加工单元406、存储单元407以及发送单元408可以用于执行实施例1中步骤101-103所述的方法,具体描述详见实施例1对所述方法的描述,在此不再赘述。
如图5所示,本发明的一个实施例提供的一种数据处理装置500,其中,该装置500包括以下单元:
获取单元501,用于获取用户的历史睡眠数据;
其中,所述历史睡眠数据的维度包括呼吸率数据、心率数据、体动次数数据以及体动能量数据。
判断单元502,用于判断所述历史睡眠数据中是否存在上床点和离床点;若所述历史睡眠数据中不存在所述上床点或所述离床点,则确定所述历史睡眠数据为无效睡眠数据;
获取单元501,还用于重新获取所述用户的历史睡眠数据;
提取单元503,用于对重新获取的历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;
对所述目标数据按照预设规则进行切分;将切分后的所述目标数据进行拼接以得到有效睡眠数据;
其中,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,所述方法还包括:对所述获取的有效睡眠数据进行加工以剔除数据中的异常值;使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;
将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效睡眠数据。
训练单元504,用于利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
其中,利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,所述方法还包括:将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
分析单元505,用于当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。
其中,上述单元501-505可以用于执行实施例2中步骤201-207所述的方法,具体描述详见实施例2对所述方法的描述,在此不再赘述。
如图6所示,本发明的一个实施例提供的一种数据处理装置600,其中,该装置600包括以下单元:
获取单元601,用于获取用户的历史睡眠数据;
其中,所述历史睡眠数据的维度包括呼吸率数据、心率数据、体动次数数据以及体动能量数据。
判断单元602,用于若所述历史睡眠数据中存在所述上床点和所述离床点,判断所述上床点和所述离床点之间的数据长度;若所述数据长度小于预设数据长度,则判断所述历史睡眠数据为无效数据;
获取单元601,还用于重新获取所述用户的历史睡眠数据;
提取单元603,用于对重新获取的历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;
切分单元604,用于对所述目标数据按照预设规则进行切分;
拼接单元605,用于将切分后的所述目标数据进行拼接以得到有效睡眠数据;
其中,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,所述方法还包括:对所述获取的有效睡眠数据进行加工以剔除数据中的异常值;使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效睡眠数据。
训练单元606,用于利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
其中,利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,所述方法还包括:将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
分析单元607,用于当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。
训练单元606,还用于若确定所述用户已经起床,利用预设时间段内接收到的所述监测设备反馈的数据和所述无监督学习算法对所述清醒阶段判断模型进行更新。
可选的,若确定所述用户已起床,则按照预设策略向相关联的物联网设备发送操作指令以使得所述物联网设备按照所述操作指令进行工作。
其中,上述单元601-607可以用于执行实施例2中步骤301-308所述的方法,具体描述详见实施例3对所述方法的描述,在此不再赘述。
请参阅图7,在本发明的另一个实施例中,提供一种数据处理装置700。装置700包括CPU 701、存储器702、总线703、收发器704等硬件。上述图4-图6所示的逻辑单元可通过图7所示的硬件装置实现。
其中,CPU 701执行预先存储在存储器702中的服务器程序,该执行过程具体包括:
获取用户的历史睡眠数据;
对所述历史睡眠数据进行提取处理以得到有效睡眠数据;
利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。
可选的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,所述执行过程还包括:
判断所述历史睡眠数据中是否存在上床点和离床点;
若所述历史睡眠数据中不存在所述上床点或所述离床点,则确定所述历史睡眠数据为无效睡眠数据;
重新获取所述用户的历史睡眠数据。
可选的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,所述执行过程还包括:
若所述历史睡眠数据中存在所述上床点和所述离床点,判断所述上床点和所述离床点之间的数据长度;
若所述数据长度小于预设数据长度,则判断所述历史睡眠数据为无效数据;
重新获取所述用户的历史睡眠数据。
其中,可选的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据,包括:
对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;
对所述目标数据按照预设规则进行切分;
将切分后的所述目标数据进行拼接以得到有效睡眠数据。
其中,可选的,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,所述执行过程还包括:
对所述获取的有效睡眠数据进行加工以剔除数据中的异常值;
使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;
将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效睡眠数据。
可选的,利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,所述执行过程还包括:
将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
可选的,所述调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定对所述用户的睡眠状态之后,所述执行过程还包括:
若确定所述用户已经起床,利用预设时间段内接收到的所述监测设备反馈的数据和所述无监督学习算法对所述清醒阶段判断模型进行更新。
可选的,所述执行过程还包括:
若确定所述用户已起床,则按照预设策略向相关联的物联网设备发送操作指令以使得所述物联网设备按照所述操作指令进行工作。
其中,可选的,所述历史睡眠数据包括呼吸率数据、心率数据、体动次数数据以及体动能量数据。
从上可知,本发明实施例提供的技术方案中,获取用户的历史睡眠数据;对所述历史睡眠数据进行提取处理以得到有效睡眠数据;利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定所述用户的睡眠状态。通过本发明提供的技术方案,能够根据用户的历史睡眠数据来训练清醒点判断模型,从而提升了用户睡眠清醒点判断的准确性。
在本发明的另一个实施例中,公开了一种计算机程序产品,所述计算机程序产品中包含有程序代码;当所述程序代码被运行时,前述方法实施例中的方法会被执行。
在本发明的另一个实施例中,公开了一种芯片,所述芯片中包含有程序代码;当所述程序代码被运行时,前述方法实施例中的方法会被执行。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解: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;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种数据处理的方法,其特征在于,所述方法包括:
获取用户的历史睡眠数据;
对所述历史睡眠数据进行提取处理以得到有效睡眠数据;
利用异常检测无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型;
当进行用户睡眠状态分析时,调用所述清醒阶段判断模型对当前睡眠数据进行分析以确定所述用户的睡眠状态。
2.根据权利要求1所述的方法,其特征在于,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,所述方法还包括:
判断所述历史睡眠数据中是否存在上床点和离床点;
若所述历史睡眠数据中不存在所述上床点或所述离床点,则确定所述历史睡眠数据为无效睡眠数据;
重新获取所述用户的历史睡眠数据。
3.根据权利要求2所述的方法,其特征在于,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之前,所述方法还包括:
若所述历史睡眠数据中存在所述上床点和所述离床点,判断所述上床点和所述离床点之间的数据长度;
若所述数据长度小于预设数据长度,则确定所述历史睡眠数据为无效数据;
重新获取所述用户的历史睡眠数据。
4.根据权利要求3所述的方法,其特征在于,对所述历史睡眠数据进行提取处理以得到有效睡眠数据,包括:
对所述历史睡眠数据按照预设时长的时间窗口进行滑动以提取目标数据;
对所述目标数据按照预设规则进行切分;
将切分后的所述目标数据进行拼接以得到有效睡眠数据。
5.根据权利要求4所述的方法,其特征在于,对所述历史睡眠数据进行提取处理以得到有效睡眠数据之后,所述方法还包括:
对所述有效睡眠数据进行加工以剔除数据中的异常值;
使用线性插值的方式对加工后的所述有效睡眠数据进行缺失值填补以获取完整的睡眠数据;
将所述完整的睡眠数据通过归一化函数映射到0-1范围内,以得到所述有效睡眠数据。
6.根据权利要求5所述的方法,其特征在于,利用无监督算法对所述有效睡眠数据进行训练以得到清醒阶段判断模型之后,所述方法还包括:
将所述用户的标识与所述清醒阶段判断模型的对应关系进行存储。
7.根据权利要求6所述的方法,其特征在于,所述调用所述清醒阶段判断模型对当前的睡眠数据进行分析以确定对所述用户的睡眠状态之后,所述方法还包括:
若确定所述用户已经起床,则利用预设时间段内接收到的所述监测设备反馈的数据和所述无监督学习算法对所述清醒阶段判断模型进行更新;
按照预设策略向相关联的物联网设备发送操作指令以使得所述物联网设备按照所述操作指令进行工作。
8.根据权利要求7所述的方法,其特征在于,所述历史睡眠数据包括呼吸率数据、心率数据、体动次数数据以及体动能量数据。
9.一种数据处理装置,其特征在于,所述数据处理装置包括收发器、处理器以及存储器;其中所述存储器中存储有程序代码,当所述程序代码被运行时,
所述收发器执行权利要求1至8任一所述接收和发送操作;
所述处理器执行权利要求1至8任一所述的处理操作。
10.一种存储介质,其特征在于,所述存储介质中存储有程序代码,当所述程序代码被运行时,权利要求1至8任一所述的方法会被运行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580538.9A CN109674459A (zh) | 2018-12-24 | 2018-12-24 | 一种数据处理的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811580538.9A CN109674459A (zh) | 2018-12-24 | 2018-12-24 | 一种数据处理的方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109674459A true CN109674459A (zh) | 2019-04-26 |
Family
ID=66188947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811580538.9A Pending CN109674459A (zh) | 2018-12-24 | 2018-12-24 | 一种数据处理的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109674459A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269625A (zh) * | 2021-05-08 | 2021-08-17 | 深圳微众信用科技股份有限公司 | 一种工单处理方法及装置 |
CN116269258A (zh) * | 2023-02-22 | 2023-06-23 | 昆山市第一人民医院 | 一种枕式睡眠检测方法、装置及计算机设备 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001091631A1 (en) * | 2000-05-29 | 2001-12-06 | Richard Hamilton Lewis | A sleep study apparatus |
EP2712300A1 (en) * | 2011-05-18 | 2014-04-02 | V-Watch SA | System and method for determining sleep and sleep stages of a person |
US8708904B2 (en) * | 2000-06-16 | 2014-04-29 | Bodymedia, Inc. | Device utilizing data of a user's context or activity to determine the user's caloric consumption or expenditure |
CN103750820A (zh) * | 2013-12-26 | 2014-04-30 | 沈阳熙康阿尔卑斯科技有限公司 | 一种睡眠质量监测方法及装置 |
CN105286783A (zh) * | 2014-05-26 | 2016-02-03 | 爱信精机株式会社 | 睡眠评价装置 |
CN105434043A (zh) * | 2014-09-01 | 2016-03-30 | 上海宽带技术及应用工程研究中心 | 确定匹兹堡睡眠质量指数的方法及系统 |
CN105902257A (zh) * | 2016-06-27 | 2016-08-31 | 安徽华米信息科技有限公司 | 睡眠状态分析方法及装置、智能可穿戴设备 |
CN105997004A (zh) * | 2016-06-17 | 2016-10-12 | 美的集团股份有限公司 | 一种睡眠提醒的方法及睡眠监测装置 |
CN105997003A (zh) * | 2016-06-17 | 2016-10-12 | 美的集团股份有限公司 | 一种确定睡眠分期的方法和装置 |
CN106037655A (zh) * | 2016-06-17 | 2016-10-26 | 美的集团股份有限公司 | 一种睡眠周期信号的分离及周期计算方法及装置 |
CN107184217A (zh) * | 2017-07-06 | 2017-09-22 | 深圳市新元素医疗技术开发有限公司 | 一种昼夜节律分析方法 |
CN107252313A (zh) * | 2017-05-25 | 2017-10-17 | 深圳市卡迪赛克科技有限公司 | 一种安全驾驶的监测方法及系统、汽车、可读存储介质 |
WO2018049852A1 (zh) * | 2016-09-13 | 2018-03-22 | 深圳市迈迪加科技发展有限公司 | 睡眠评估方法、装置及系统 |
CN108354612A (zh) * | 2018-01-19 | 2018-08-03 | 深圳和而泰数据资源与云技术有限公司 | 一种信号处理方法及装置 |
CN108847279A (zh) * | 2018-04-27 | 2018-11-20 | 吉林大学 | 一种基于脉搏波数据的睡眠呼吸状态自动判别方法及系统 |
-
2018
- 2018-12-24 CN CN201811580538.9A patent/CN109674459A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2001091631A1 (en) * | 2000-05-29 | 2001-12-06 | Richard Hamilton Lewis | A sleep study apparatus |
US8708904B2 (en) * | 2000-06-16 | 2014-04-29 | Bodymedia, Inc. | Device utilizing data of a user's context or activity to determine the user's caloric consumption or expenditure |
EP2712300A1 (en) * | 2011-05-18 | 2014-04-02 | V-Watch SA | System and method for determining sleep and sleep stages of a person |
CN103750820A (zh) * | 2013-12-26 | 2014-04-30 | 沈阳熙康阿尔卑斯科技有限公司 | 一种睡眠质量监测方法及装置 |
CN105286783A (zh) * | 2014-05-26 | 2016-02-03 | 爱信精机株式会社 | 睡眠评价装置 |
CN105434043A (zh) * | 2014-09-01 | 2016-03-30 | 上海宽带技术及应用工程研究中心 | 确定匹兹堡睡眠质量指数的方法及系统 |
CN106037655A (zh) * | 2016-06-17 | 2016-10-26 | 美的集团股份有限公司 | 一种睡眠周期信号的分离及周期计算方法及装置 |
CN105997004A (zh) * | 2016-06-17 | 2016-10-12 | 美的集团股份有限公司 | 一种睡眠提醒的方法及睡眠监测装置 |
CN105997003A (zh) * | 2016-06-17 | 2016-10-12 | 美的集团股份有限公司 | 一种确定睡眠分期的方法和装置 |
CN105902257A (zh) * | 2016-06-27 | 2016-08-31 | 安徽华米信息科技有限公司 | 睡眠状态分析方法及装置、智能可穿戴设备 |
WO2018049852A1 (zh) * | 2016-09-13 | 2018-03-22 | 深圳市迈迪加科技发展有限公司 | 睡眠评估方法、装置及系统 |
CN107252313A (zh) * | 2017-05-25 | 2017-10-17 | 深圳市卡迪赛克科技有限公司 | 一种安全驾驶的监测方法及系统、汽车、可读存储介质 |
CN107184217A (zh) * | 2017-07-06 | 2017-09-22 | 深圳市新元素医疗技术开发有限公司 | 一种昼夜节律分析方法 |
CN108354612A (zh) * | 2018-01-19 | 2018-08-03 | 深圳和而泰数据资源与云技术有限公司 | 一种信号处理方法及装置 |
CN108847279A (zh) * | 2018-04-27 | 2018-11-20 | 吉林大学 | 一种基于脉搏波数据的睡眠呼吸状态自动判别方法及系统 |
Non-Patent Citations (2)
Title |
---|
刘大波: "《临床小二耳鼻喉疾病诊疗学》", 31 May 2017 * |
樊代明、戴旭光: "《精良设备谈》", 31 July 2009 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113269625A (zh) * | 2021-05-08 | 2021-08-17 | 深圳微众信用科技股份有限公司 | 一种工单处理方法及装置 |
CN116269258A (zh) * | 2023-02-22 | 2023-06-23 | 昆山市第一人民医院 | 一种枕式睡眠检测方法、装置及计算机设备 |
CN116269258B (zh) * | 2023-02-22 | 2023-11-21 | 昆山市第一人民医院 | 一种枕式睡眠检测方法、装置及计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ȚĂRANU | Data mining in healthcare: decision making and precision | |
CN110136842A (zh) | 急性传染病的发病预测方法、装置及计算机可读存储介质 | |
CN104503891B (zh) | 对jvm线程进行在线监控的方法和装置 | |
CN107516110A (zh) | 一种基于集成卷积编码的医疗问答语义聚类方法 | |
CN109363659B (zh) | 基于深度学习的心率监控方法、装置及存储介质 | |
CN110929752B (zh) | 基于知识驱动和数据驱动的分群方法及相关设备 | |
Guo et al. | An accelerated alignment method for analyzing time sequences of industrial alarm floods | |
CN104636751A (zh) | 基于时间递归神经网络的人群异常检测和定位系统及方法 | |
CN103413117A (zh) | 一种基于局部保持非负矩阵分解的增量学习人脸识别方法 | |
CN107066514A (zh) | 老年人的情绪识别方法和系统 | |
CN106095101A (zh) | 基于节能机制的人体行为识别方法及客户端 | |
CN109034371A (zh) | 一种深度学习模型推理期加速方法、装置及系统 | |
CN109674459A (zh) | 一种数据处理的方法及装置 | |
CN108597605A (zh) | 一种个人健康生活大数据采集与分析系统 | |
CN108937867A (zh) | 一种睡眠状态的监测方法及装置 | |
CN109710763A (zh) | 一种文本数据的分类方法、装置以及系统 | |
CN110363090A (zh) | 智能心脏疾病检测方法、装置及计算机可读存储介质 | |
CN108549276A (zh) | 一种智能交互控制制水设备的方法及系统 | |
Durai et al. | Liver disease prediction using machine learning | |
CN110555524A (zh) | 基于室内环境监测的训练样本数据获取方法及装置 | |
CN108922621A (zh) | 一种失能等级的评估方法及装置 | |
CN105117980B (zh) | 一种电网设备状态的自动评价方法 | |
CN112370058A (zh) | 一种基于移动端对用户的情感进行识别与监测方法 | |
CN103605671A (zh) | 科研信息演化的分析方法和装置 | |
CN109674449A (zh) | 一种数据处理的方法及装置 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190426 |
|
RJ01 | Rejection of invention patent application after publication |