CN109918362A - 一种基于衡通仪的错误性信息判断方法 - Google Patents
一种基于衡通仪的错误性信息判断方法 Download PDFInfo
- Publication number
- CN109918362A CN109918362A CN201910104625.5A CN201910104625A CN109918362A CN 109918362 A CN109918362 A CN 109918362A CN 201910104625 A CN201910104625 A CN 201910104625A CN 109918362 A CN109918362 A CN 109918362A
- Authority
- CN
- China
- Prior art keywords
- wrong data
- data
- wrong
- information
- restorative procedure
- 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
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了一种基于衡通仪的错误性信息判断方法，包括：通过衡通仪获取用户的生理数据信息，并保存在数据库中；将所述数据库中的数据信息进行递归熵特征提取，通过预设特征阈值确定错误数据的判断点位置；建立信息模型，将所述判断点位置的错误数据加入所述信息模型中进行目标检测；直至所有数据完全目标检测后，删除所有错误数据；本发明方法通过对可能发生的错误信息进行检测、预判，以解决传统仪器中由于本身的数据检测或兼容性问题出现错误数据的技术问题，从而实现用户数据准确地显示在仪器显示屏上。
Description
技术领域
本发明涉及信息数据领域，尤其涉及一种基于衡通仪的错误性信息判断方法。
背景技术
衡通仪是用于人体保健的电子设备，是把人体内的微电路和体外的微电路形成闭合电路，排出人体内各个器官中细胞的毒素，达到净化体内每个细胞的内环境，使各经络通畅；通过电解水分离出来高浓度氢离子，由于氢离子的渗透能力强，也是强抗氧化剂，所以对细胞的能量提升，抗自由基起着重要作用。
传统的衡通仪通过手腕带获取人体数据，在显示屏上显示仪器运行的时间、PPM能量数值等等；由于仪器本身的数据检测或兼容性问题会出现数据错误的情况，而传统的衡通仪并没有对可能发生的错误信息进行预判，导致显示屏上显示的数据信息不准确。
发明内容
本发明提供了一种基于衡通仪的错误性信息判断方法，以解决传统仪器中由于本身的数据检测或兼容性问题出现错误数据的技术问题，从而对可能发生的错误信息进行预判，进而实现用户数据准确地显示在仪器显示屏上。
为了解决上述技术问题，本发明实施例提供了一种基于衡通仪的错误性信息判断方法，包括：
通过衡通仪获取用户的生理数据信息，并保存在数据库中；
将所述数据库中的数据信息进行递归熵特征提取，通过预设特征阈值确定错误数据的判断点位置；
建立信息模型，将所述判断点位置的错误数据加入所述信息模型中进行目标检测；
直至所有数据完全目标检测后，删除所有错误数据。
作为优选方案，所述建立信息模型，将所述判断点位置的错误数据加入所述信息模型中进行目标检测，包括：
将所述判断点位置的错误数据作为训练样本，并根据所述训练样本是否含有特定目标物体以及物体位置，训练出对应目标对象的错误信息模型；
将得到的所述错误信息模型对目标假设进行对比检测，过滤不满足条件的目标假设，最终根据模型的不同，实现不同种类目标的检测。
作为优选方案，所述将所述判断点位置的错误数据作为训练样本，并根据所述训练样本是否含有特定目标物体以及物体位置，训练出对应目标对象的错误信息模型，包括：
根据训练样本提供的标签信息确定训练模型所需的第一样本集和第二样本集；标签信息是训练样本中用限定框标记的数据所在的区域以及数据种类；
根据第一样本集中的限定框的大小信息，选择根模型的尺寸，通过SVM训练得到一个初始根模型；
用所述初始根模型在样本数据中进行扫描并计算卷积得分，找出得分最大且和样本中标记的位置覆盖面积最大的位置，以此位置来更新训练样本中的限定框标记，使用经过重新标记的第一样本和第二样本重新组成新的样本库，更新根模型；
使用不断更新的样本数据库训练更新模型，得到标准的错误信息模型。
作为优选方案，所述将得到的所述错误信息模型对目标假设进行对比检测，过滤不满足条件的目标假设，最终根据模型的不同，实现不同种类目标的检测，包括：
获取预设数据库中的待检测数据对象；
获取所述待检测数据对象的特征；
检测所述待检测数据对象的特征是否符合预设错误数据规则库中的错误数据规则；
如果检测到所述待检测数据对象的特征符合所述预设错误数据规则库中的错误数据规则，则确定所述待检测数据对象为错误数据对象。
作为优选方案，在确定所述待检测数据对象为错误数据对象之后，所述方法还包括：
获取所述错误数据对象的错误数据类型；
检测预设修复方法库中是否存在所述错误数据类型对应的修复方法，其中，所述预设修复方法库中预先存储有用于修复错误数据的修复方法；以及
如果检测到预设修复方法库中存在所述错误数据类型对应的修复方法，按照所述错误数据类型对应的修复方法对所述错误数据对象进行修复。
作为优选方案，在检测预设修复方法库中是否存在所述错误数据类型对应的修复方法之后，所述方法还包括：
如果检测到预设修复方法库中不存在所述错误数据类型对应的修复方法，获取新增错误数据规则，其中，所述新增错误数据规则为与所述错误数据对象的错误数据类型对应的错误数据规则；
获取新增修复方法，其中，所述新增修复方法为与所述新增错误数据规则对应的修复方法；
将所述新增错误数据规则添加至所述预设错误数据规则库中；以及
将所述新增修复方法添加至所述预设修复方法库中。
作为优选方案，所述预设修复方法库中的修复方法与所述预设错误数据规则库中的错误数据规则一一对应。
作为优选方案，按照所述错误数据类型对应的修复方法对所述错误数据对象进行修复包括：
获取所述错误数据对象中的有效信息；
按照所述错误数据类型对应的修复方法将所述错误数据对象中的错误信息进行添加、删除或者替换，得到处理后的所述错误数据对象中的错误信息；
将所述处理后的所述错误数据对象中的错误信息与所述错误数据对象中的有效信息重新组合，得到修复后的数据对象；以及
将所述预设数据库中的所述错误数据对象替换为所述修复后的数据对象。
作为优选方案，在确定所述待检测数据对象为错误数据对象之后，所述方法还包括：
输出提示信息，其中，所述提示信息用于提示对修复方式进行选择；
接收选择信息，其中，所述选择信息用于选择修复方式；
确定所述选择信息对应的修复方式，得到确定的修复方式；以及
通过所述确定的修复方式对所述错误数据对象执行修复。
相比于现有技术，本发明实施例具有如下有益效果：
通过对可能发生的错误信息进行检测、预判，以解决传统仪器中由于本身的数据检测或兼容性问题出现错误数据的技术问题，从而实现用户数据准确地显示在仪器显示屏上。
附图说明
图1：为本发明方法实施例的步骤流程示意图。
具体实施方式
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作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。
请参照图1，本发明优选实施例提供了一种基于衡通仪的错误性信息判断方法，包括：
S1，通过衡通仪获取用户的生理数据信息，并保存在数据库中；
S2，将所述数据库中的数据信息进行递归熵特征提取，通过预设特征阈值确定错误数据的判断点位置；
S3，建立信息模型，将所述判断点位置的错误数据加入所述信息模型中进行目标检测；
S4，直至所有数据完全目标检测后，删除所有错误数据。
在本实施例中，所述步骤S3建立信息模型，将所述判断点位置的错误数据加入所述信息模型中进行目标检测，包括：
S31，将所述判断点位置的错误数据作为训练样本，并根据所述训练样本是否含有特定目标物体以及物体位置，训练出对应目标对象的错误信息模型；
S32，将得到的所述错误信息模型对目标假设进行对比检测，过滤不满足条件的目标假设，最终根据模型的不同，实现不同种类目标的检测。
在本实施例中，所述步骤S31将所述判断点位置的错误数据作为训练样本，并根据所述训练样本是否含有特定目标物体以及物体位置，训练出对应目标对象的错误信息模型，包括：
S311，根据训练样本提供的标签信息确定训练模型所需的第一样本集和第二样本集；标签信息是训练样本中用限定框标记的数据所在的区域以及数据种类；
S312，根据第一样本集中的限定框的大小信息，选择根模型的尺寸，通过SVM训练得到一个初始根模型；
S313，用所述初始根模型在样本数据中进行扫描并计算卷积得分，找出得分最大且和样本中标记的位置覆盖面积最大的位置，以此位置来更新训练样本中的限定框标记，使用经过重新标记的第一样本和第二样本重新组成新的样本库，更新根模型；
S314，使用不断更新的样本数据库训练更新模型，得到标准的错误信息模型。
在本实施例中，所述步骤S32将得到的所述错误信息模型对目标假设进行对比检测，过滤不满足条件的目标假设，最终根据模型的不同，实现不同种类目标的检测，包括：
S321，获取预设数据库中的待检测数据对象；
S322，获取所述待检测数据对象的特征；
S323，检测所述待检测数据对象的特征是否符合预设错误数据规则库中的错误数据规则；
S324，如果检测到所述待检测数据对象的特征符合所述预设错误数据规则库中的错误数据规则，则确定所述待检测数据对象为错误数据对象。
在本实施例中，在确定所述待检测数据对象为错误数据对象之后，所述方法还包括：
S325，获取所述错误数据对象的错误数据类型；
S326，检测预设修复方法库中是否存在所述错误数据类型对应的修复方法，其中，所述预设修复方法库中预先存储有用于修复错误数据的修复方法；以及
S327，如果检测到预设修复方法库中存在所述错误数据类型对应的修复方法，按照所述错误数据类型对应的修复方法对所述错误数据对象进行修复。
在本实施例中，在检测预设修复方法库中是否存在所述错误数据类型对应的修复方法之后，所述方法还包括：
如果检测到预设修复方法库中不存在所述错误数据类型对应的修复方法，获取新增错误数据规则，其中，所述新增错误数据规则为与所述错误数据对象的错误数据类型对应的错误数据规则；
获取新增修复方法，其中，所述新增修复方法为与所述新增错误数据规则对应的修复方法；
将所述新增错误数据规则添加至所述预设错误数据规则库中；以及
将所述新增修复方法添加至所述预设修复方法库中。
在本实施例中，所述预设修复方法库中的修复方法与所述预设错误数据规则库中的错误数据规则一一对应。
在本实施例中，按照所述错误数据类型对应的修复方法对所述错误数据对象进行修复包括：
获取所述错误数据对象中的有效信息；
按照所述错误数据类型对应的修复方法将所述错误数据对象中的错误信息进行添加、删除或者替换，得到处理后的所述错误数据对象中的错误信息；
将所述处理后的所述错误数据对象中的错误信息与所述错误数据对象中的有效信息重新组合，得到修复后的数据对象；以及
将所述预设数据库中的所述错误数据对象替换为所述修复后的数据对象。
在本实施例中，在确定所述待检测数据对象为错误数据对象之后，所述方法还包括：
输出提示信息，其中，所述提示信息用于提示对修复方式进行选择；
接收选择信息，其中，所述选择信息用于选择修复方式；
确定所述选择信息对应的修复方式，得到确定的修复方式；以及
通过所述确定的修复方式对所述错误数据对象执行修复。
本发明通过对可能发生的错误信息进行检测、预判，以解决传统仪器中由于本身的数据检测或兼容性问题出现错误数据的技术问题，从而实现用户数据准确地显示在仪器显示屏上。
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于衡通仪的错误性信息判断方法，其特征在于，包括：
通过衡通仪获取用户的生理数据信息，并保存在数据库中；
将所述数据库中的数据信息进行递归熵特征提取，通过预设特征阈值确定错误数据的判断点位置；
建立信息模型，将所述判断点位置的错误数据加入所述信息模型中进行目标检测；
直至所有数据完全目标检测后，删除所有错误数据。
2.如权利要求1所述的方法，其特征在于，所述建立信息模型，将所述判断点位置的错误数据加入所述信息模型中进行目标检测，包括：
将所述判断点位置的错误数据作为训练样本，并根据所述训练样本是否含有特定目标物体以及物体位置，训练出对应目标对象的错误信息模型；
将得到的所述错误信息模型对目标假设进行对比检测，过滤不满足条件的目标假设，最终根据模型的不同，实现不同种类目标的检测。
3.如权利要求2所述的方法，其特征在于，所述将所述判断点位置的错误数据作为训练样本，并根据所述训练样本是否含有特定目标物体以及物体位置，训练出对应目标对象的错误信息模型，包括：
根据训练样本提供的标签信息确定训练模型所需的第一样本集和第二样本集；标签信息是训练样本中用限定框标记的数据所在的区域以及数据种类；
根据第一样本集中的限定框的大小信息，选择根模型的尺寸，通过SVM训练得到一个初始根模型；
用所述初始根模型在样本数据中进行扫描并计算卷积得分，找出得分最大且和样本中标记的位置覆盖面积最大的位置，以此位置来更新训练样本中的限定框标记，使用经过重新标记的第一样本和第二样本重新组成新的样本库，更新根模型；
使用不断更新的样本数据库训练更新模型，得到标准的错误信息模型。
4.如权利要求2所述的方法，其特征在于，所述将得到的所述错误信息模型对目标假设进行对比检测，过滤不满足条件的目标假设，最终根据模型的不同，实现不同种类目标的检测，包括：
获取预设数据库中的待检测数据对象；
获取所述待检测数据对象的特征；
检测所述待检测数据对象的特征是否符合预设错误数据规则库中的错误数据规则；
如果检测到所述待检测数据对象的特征符合所述预设错误数据规则库中的错误数据规则，则确定所述待检测数据对象为错误数据对象。
5.如权利要求4所述的方法，其特征在于，在确定所述待检测数据对象为错误数据对象之后，所述方法还包括：
获取所述错误数据对象的错误数据类型；
检测预设修复方法库中是否存在所述错误数据类型对应的修复方法，其中，所述预设修复方法库中预先存储有用于修复错误数据的修复方法；以及
如果检测到预设修复方法库中存在所述错误数据类型对应的修复方法，按照所述错误数据类型对应的修复方法对所述错误数据对象进行修复。
6.如权利要求5所述的方法，其特征在于，在检测预设修复方法库中是否存在所述错误数据类型对应的修复方法之后，所述方法还包括：
如果检测到预设修复方法库中不存在所述错误数据类型对应的修复方法，获取新增错误数据规则，其中，所述新增错误数据规则为与所述错误数据对象的错误数据类型对应的错误数据规则；
获取新增修复方法，其中，所述新增修复方法为与所述新增错误数据规则对应的修复方法；
将所述新增错误数据规则添加至所述预设错误数据规则库中；以及
将所述新增修复方法添加至所述预设修复方法库中。
7.如权利要求6所述的方法，其特征在于，所述预设修复方法库中的修复方法与所述预设错误数据规则库中的错误数据规则一一对应。
8.如权利要求5所述的方法，其特征在于，按照所述错误数据类型对应的修复方法对所述错误数据对象进行修复包括：
获取所述错误数据对象中的有效信息；
按照所述错误数据类型对应的修复方法将所述错误数据对象中的错误信息进行添加、删除或者替换，得到处理后的所述错误数据对象中的错误信息；
将所述处理后的所述错误数据对象中的错误信息与所述错误数据对象中的有效信息重新组合，得到修复后的数据对象；以及
将所述预设数据库中的所述错误数据对象替换为所述修复后的数据对象。
9.如权利要求4所述的方法，其特征在于，在确定所述待检测数据对象为错误数据对象之后，所述方法还包括：
输出提示信息，其中，所述提示信息用于提示对修复方式进行选择；
接收选择信息，其中，所述选择信息用于选择修复方式；
确定所述选择信息对应的修复方式，得到确定的修复方式；以及
通过所述确定的修复方式对所述错误数据对象执行修复。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910104625.5A CN109918362A (zh) | 2019-02-01 | 2019-02-01 | 一种基于衡通仪的错误性信息判断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910104625.5A CN109918362A (zh) | 2019-02-01 | 2019-02-01 | 一种基于衡通仪的错误性信息判断方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109918362A true CN109918362A (zh) | 2019-06-21 |
Family
ID=66961317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910104625.5A Pending CN109918362A (zh) | 2019-02-01 | 2019-02-01 | 一种基于衡通仪的错误性信息判断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109918362A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104182623A (zh) * | 2014-08-12 | 2014-12-03 | 南京工程学院 | 一种基于当量变化率计算的热工过程数据检测方法 |
| CN104572999A (zh) * | 2015-01-07 | 2015-04-29 | 北京数码大方科技股份有限公司 | 基于异构数据的错误数据的检测方法和装置 |
| CN105225226A (zh) * | 2015-09-02 | 2016-01-06 | 电子科技大学 | 一种基于图像分割的级联可变形部件模型目标检测方法 |
| CN105628383A (zh) * | 2016-02-01 | 2016-06-01 | 东南大学 | 基于改进型lssvm迁移学习的轴承故障诊断方法和系统 |
| WO2018097898A1 (en) * | 2016-11-23 | 2018-05-31 | Linkedin Corporation | Embedded deep representation of social network taxonomy |
| CN108615230A (zh) * | 2018-03-16 | 2018-10-02 | 北京邮电大学 | 一种轮毂表面异常检测方法和系统 |
-
2019
- 2019-02-01 CN CN201910104625.5A patent/CN109918362A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104182623A (zh) * | 2014-08-12 | 2014-12-03 | 南京工程学院 | 一种基于当量变化率计算的热工过程数据检测方法 |
| CN104572999A (zh) * | 2015-01-07 | 2015-04-29 | 北京数码大方科技股份有限公司 | 基于异构数据的错误数据的检测方法和装置 |
| CN105225226A (zh) * | 2015-09-02 | 2016-01-06 | 电子科技大学 | 一种基于图像分割的级联可变形部件模型目标检测方法 |
| CN105628383A (zh) * | 2016-02-01 | 2016-06-01 | 东南大学 | 基于改进型lssvm迁移学习的轴承故障诊断方法和系统 |
| WO2018097898A1 (en) * | 2016-11-23 | 2018-05-31 | Linkedin Corporation | Embedded deep representation of social network taxonomy |
| CN108615230A (zh) * | 2018-03-16 | 2018-10-02 | 北京邮电大学 | 一种轮毂表面异常检测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8534839B2 (en) | Adaptive visual performance testing system | |
| CN105608942B (zh) | 一种作业批改系统及方法 | |
| CN106529202A (zh) | 一种用于医疗标本检测的智能审核系统与方法 | |
| CN109948522A (zh) | 一种基于深度神经网络的x光片手骨成熟度判读方法 | |
| CN109933763A (zh) | 无纸化考试方法、系统及装置 | |
| CN102334975A (zh) | 一种智能视力检查仪 | |
| CN108363902A (zh) | 一种致病遗传变异的精确预测方法 | |
| CN109273023A (zh) | 一种数据评测方法、装置、设备及可读存储介质 | |
| CN106466178A (zh) | 一种基于磁力自动识别的监护模式切换方法及系统 | |
| CN110197475A (zh) | 一种输电线路中的绝缘子自动识别系统、方法及应用 | |
| CN202976570U (zh) | 一种核电站防人因失误训练装置及系统 | |
| CN106920429A (zh) | 一种信息处理方法及装置 | |
| CN109918362A (zh) | 一种基于衡通仪的错误性信息判断方法 | |
| CN113274025B (zh) | 基于盆底肌对称性测试的调节系统和方法 | |
| Keller-Margulis et al. | Generalizability theory reliability of written expression curriculum-based measurement in universal screening. | |
| CN202288243U (zh) | 一种智能视力检查仪 | |
| CN114155121A (zh) | 中考实验操作人工智能ai辅助评分系统 | |
| CN109036510A (zh) | 视力矫正训练计划生成方法、装置及系统 | |
| Jones et al. | New developments in EPG3 software | |
| CN205827552U (zh) | 电力安全工器具管理系统 | |
| CN105167775A (zh) | 一种消化内镜异物测量系统及方法 | |
| CN202258072U (zh) | 一种多功能、仿真支气管镜诊疗操作模拟器 | |
| CN114783218A (zh) | 一种ppe防护安全教育学习系统 | |
| CN208256808U (zh) | 热电池叠片自动提示纠错设备 | |
| CN105759185A (zh) | 一种基于臭氧检测的金具起晕电压测量装置及方法 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20210219 Address after: 510000 No.2, Third Road, Cowboy City, Zengcheng District, Guangzhou City, Guangdong Province (self declaration) Applicant after: Guangzhou weisiguan Electronic Technology Co.,Ltd. Address before: 510000 No.2, Third Road, cowboy town, Xintang Town, Zengcheng District, Guangzhou City, Guangdong Province (factory building) Applicant before: GUANGZHOU YUBENCAO ELECTRONIC TECHNOLOGY Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190621 |