CN111428742A - 人体健康测量方法、装置、计算机设备及存储介质 - Google Patents
人体健康测量方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN111428742A CN111428742A CN201811583855.6A CN201811583855A CN111428742A CN 111428742 A CN111428742 A CN 111428742A CN 201811583855 A CN201811583855 A CN 201811583855A CN 111428742 A CN111428742 A CN 111428742A
- Authority
- CN
- China
- Prior art keywords
- measurement data
- target
- data
- health
- measurement
- 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.)
- Granted
Links
- 230000036541 health Effects 0.000 title claims abstract description 210
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005259 measurement Methods 0.000 claims abstract description 415
- 238000012549 training Methods 0.000 claims description 54
- 238000007637 random forest analysis Methods 0.000 claims description 32
- 238000000691 measurement method Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012795 verification Methods 0.000 claims description 10
- 210000000577 adipose tissue Anatomy 0.000 description 12
- 238000003066 decision tree Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 210000003205 muscle Anatomy 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 210000001596 intra-abdominal fat Anatomy 0.000 description 4
- 230000037323 metabolic rate Effects 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 102000004169 proteins and genes Human genes 0.000 description 3
- 108090000623 proteins and genes Proteins 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Theoretical Computer Science (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Pulmonology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种人体健康测量方法、装置、计算机设备及存储介质，该方法包括：获取健康检查请求，健康检查请求携带有用户ID；基于用户ID获取与用户ID对应的目标测量数据；获取人体测量设备发送的当前测量数据；计算目标测量数据和当前测量数据的相似度，统计相似度达到预先设置的标准值的目标相似率，若目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型；若相似度没有达到预先设置的标准值或者目标相似率不大于预设相似率，则基于当前测量数据选取与当前测量数据匹配的原始健康识别模型作为目标健康识别模型；将当前测量数据输入到目标健康识别模型中，获取人体测量结果,使得人体测量结果更加准确。
Description
技术领域
本发明涉及一种人体健康测量方法、装置、计算机设备及存储介质。
背景技术
随着科技的发展、人民生活水平的不断提高，以及人们对于健康的日益重视，体脂秤日益进入了千家万户，通过体脂秤可以测量用户的体重、脂肪率、肌肉率和水分等身体成分。但现有的体脂秤仅能够测量数据，不能很好地反映用户的身体健康情况，使得用户不能直观、轻松地获知自己身体是否健康的结果。
发明内容
本发明实施例提供一种人体健康测量方法、装置、计算机设备及存储介质，以解决通过人体的测量数据不能获知用户准确的身体健康情况的问题。
一种人体健康测量方法，包括：
获取健康检查请求，所述健康检查请求携带有用户ID；
基于所述用户ID获取与所述用户ID对应的目标测量数据；
获取人体测量设备发送的当前测量数据；
计算所述目标测量数据和所述当前测量数据的相似度，统计所述相似度达到预先设置的标准值的目标相似率，若所述目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型；
若所述相似度没有达到预先设置的标准值或者所述目标相似率不大于预设相似率，则基于所述当前测量数据选取与所述当前测量数据匹配的原始健康识别模型作为目标健康识别模型；
将所述当前测量数据输入到目标健康识别模型中，获取人体测量结果。
一种人体健康测量装置，包括：
请求获取模块，用于获取健康检查请求，所述健康检查请求携带有用户ID；
目标测量数据获取模块，用于基于所述用户ID获取与所述用户ID对应的目标测量数据；
当前测量数据获取模块，用于获取人体测量设备发送的当前测量数据；
第一模型选择模块，用于计算所述目标测量数据和所述当前测量数据的相似度，统计所述相似度达到预先设置的标准值的目标相似率，若所述目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型；
第二模型选择模块，用于若所述相似度没有达到预先设置的标准值或者所述目标相似率不大于预设相似率，则基于所述当前测量数据选取与所述当前测量数据匹配的原始健康识别模型作为目标健康识别模型；
模型识别模块，用于将所述当前测量数据输入到目标健康识别模型中，获取人体测量结果。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述人体健康测量方法。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述人体健康测量方法。
上述人体健康测量方法、装置、计算机设备及存储介质，通过建立健康测量APP与人体测量设备的连接关系，获取当前测量数据，通过用户ID获取目标测量数据，以为后续选取目标健康识别模型提供参考。计算目标测量数据和当前测量数据的相似度，统计相似度达到预先设置的标准值的目标相似率，若目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型；若相似度没有达到预先设置的标准值或者目标相似率不大于预设相似率，则基于当前测量数据选取与当前测量数据匹配的原始健康识别模型作为目标健康识别模型；最后通过目标健康模型对当前测量数据的识别，获取对应的人体测量结果，有效提高了人体测量结果的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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是本发明一实施例中人体健康测量方法的一应用环境示意图；
图2是本发明一实施例中人体健康测量方法的一流程图；
图3是本发明一实施例中人体健康测量方法的另一流程图；
图4是图1中步骤S20的一具体流程图；
图5是图1中步骤S40的一具体流程图；
图6是本发明一实施例中人体健康测量方法的另一流程图；
图7是本发明一实施例中人体健康测量方法的另一流程图；
图8是本发明一实施例中人体健康测量装置的一示意图；
图9是本发明一实施例中计算机设备的一示意图。
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。
本发明实施例提供的人体健康测量方法应用在开发的人体健康测量APP中，该人体健康测量APP可以安装在用户客户端中，该用户客户端包括但不限于个人计算机、笔记本电脑、智能手机和平板电脑。该APP包括下载安装供用户使用的客户端和处理获取到的数据的服务器，其中，客户端通过网络与服务器进行通信，本发明实施例以智能手机为例，具体如图1所示。
在一实施例中，如图2所示，提供一种人体健康测量方法，以该方法应用在图1中的服务器为例进行说明，包括如下步骤：
S10：获取健康检查请求，健康检查请求携带有用户ID。
其中，健康检查请求指用户在安装有健康测量APP的客户端发送的用于进行健康检查的请求。
具体地，健康测量APP对应的服务器获取安装有健康测量APP的客户端发送的健康检查请求，该健康检查请求携带有用户ID。其中，用户ID指用户用于登录健康测量APP的用户账号，该用户ID可唯一识别用户的身份。
S20：基于用户ID获取与用户ID对应的目标测量数据。
具体地，健康测量APP对应的服务器在获取用户ID后，会根据用户ID获取与该用户ID关联存储的目标测量数据。其中，目标测量数据指用户在使用该健康测量APP时存储的有效的历史测量数据。当用户使用健康测量APP时，健康测量APP会记录用户每次的测量数据，由于用户的身体状况是不断变化的，时间过于久远的测量数据会对后续步骤判断当前测量数据是否准确产生较大的误差，因此，获取的目标测量数据是满足预设时效要求的历史测量数据。本实施例中的目标测量数据设置为距离当前时间最近的预设时间段(如三个月)的历史测量数据。
进一步地，若没有符合条件的目标测量数据，则健康测量APP执行步骤S60。
S30：获取人体测量设备发送的当前测量数据。
其中，人体测量设备携带有对应的设备ID，便于安装有健康测量APP的智能手机可以准确地获取设备ID，并与之建立通讯关系。本实施例以体脂秤为例。
具体地，健康测量APP通过蓝牙连接方案/wifi连接方案与体脂秤建立通讯关系，体脂秤将测量的当前测量数据通过蓝牙连接方案/wifi连接方案发送给健康测量APP对应的服务器。本实施例中的当前测量数据包括不同的测量项目，包括但不限于基础代谢率、内脏脂肪指数、储肌能力等级、脂肪率、肌肉率、骨量、蛋白质和水分。
其中，蓝牙连接方案指用户打开智能手机的蓝牙功能，在智能手机的蓝牙匹配列表中搜寻到体脂秤的设备ID，通过蓝牙建立智能手机与体脂秤的连接。
wifi连接方案指智能手机中的健康测量APP通过wifi与体脂秤建立通讯关系，当安装有健康测量APP的智能手机与体脂秤第一次连接成功之后，后续再使用健康测量APP从体脂秤中获取当前测量数据的时候可直接连接到wifi，不用重新连接，方便用户操作。
S40：计算目标测量数据和当前测量数据的相似度，统计相似度达到预先设置的标准值的目标相似率，若目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型。
需要说明的是，本实施例中的当前测量数据和目标测量数据均包括至少一个项目。该项目包括但不限于基础代谢率、内脏脂肪指数、储肌能力等级、脂肪率、肌肉率、骨量、蛋白质和水分。
具体地，在获取当前测量数据后，采用相似度算法计算目标测量数据与当前测量数据的相似度，将该相似度与预先设置的标准值进行比较，若相似度达到预先设置的标准值，则统计相似度达到标准值的相似项目数量，将相似项目数量和测量项目总数进行商比较(即使用目标相似率公式：目标相似率＝相似项目数量/测量项目总数)获取目标相似率。若目标相似率大于预设相似率，则表示当前测量数据和目标测量数据相似性已经满足要求，可以直接以目标测量数据对应的历史健康识别模型作为目标健康识别模型。其中，标准值根据实际需要预先设置好的满足要求的相似度。历史健康识别模型指用于识别目标测量数据是否健康的模型。相似项目数量指目标测量数据与当前测量数据的相似度，达到预先设置的标准值的数量。如标准值设置为90％，预设相似率设置为80％，则根据相似度算法计算当目标测量数据和当前测量数据中每一个项目的相似度，统计相似度大于90％的相似项目数量，获取目标相似率，当目标相似率大于80％，则可以直接以历史健康识别模型作为目标健康识别模型。
计算目标测量数据和当前测量数据的相似度的具体过程如下：为了方便判断二者相似度，首先比较目标测量数据与当前测量数据的大小，将目标测量数据与当前测量数据较小的数据确定为A，目标测量数据与当前测量数据较大的数据确定为B。然后，将目标测量数据与当前测量数据进行商运算，即采用
计算A与B的比值.需要说明的是，当C越接近1，则表示A和B相差越小，相似度越高；当C等于1，则表示A和B相等，相似度最高；当C越接近0，则表示A和B相差越大，相似度越低。
S50：若相似度没有达到预先设置的标准值或者目标相似率不大于预设相似率，则基于当前测量数据选取与当前测量数据匹配的原始健康识别模型作为目标健康识别模型。
具体地，若相似度没有达到预先设置的标准值，或者目标相似率不大于预设相似率，则表示目标测量数据和当前测量数据的相似性不满足条件，则以当前测量数据为准，选取与当前测量数据匹配的原始健康识别模型作为目标健康识别模型。
其中，原始健康识别模型指训练好的用于识别当前测量数据的模型。本实施例中的原始健康识别模型包括但不限于青年普通男士、青年普通女士、中年普通男士、中年普通女士、老年普通男士、老年普通女士、青年爱好运动男士、青年爱好运动女士、中年爱好运动男士、中年爱好运动女士、老年爱好运动男士、老年爱好运动女士等十二种群体对应的健康识别模型。
通过当前测量数据从原始健康识别模型中选取与当前测量数据匹配的目标健康识别模型，可以有效提高识别准确率。
S60：将当前测量数据输入到目标健康识别模型中，获取人体测量结果。
具体地，在确定目标健康识别模型后，将当前测量数据输入到目标健康识别模型中，获取人体测量结果。其中，人体测量结果指目标健康识别模型对当前测量数据进行识别得到的结果。该人体测量结果包括健康和不健康。通过目标健康识别模型识别当前测量数据，获取当前测量数据对应的人体测量结果，使得获取的人体测量结果更加准确。
步骤S10-步骤S60，通过建立健康测量APP与人体测量设备的连接关系，获取当前测量数据，通过用户ID获取目标测量数据，以为后续选取目标健康识别模型提供参考。计算目标测量数据和当前测量数据的相似度，统计相似度达到预先设置的标准值的目标相似率，若目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型；若相似度没有达到预先设置的标准值或者目标相似率不大于预设相似率，则基于当前测量数据选取与当前测量数据匹配的原始健康识别模型作为目标健康识别模型；最后通过目标健康模型对当前测量数据的识别，获取对应的人体测量结果，有效提高了人体测量结果的准确性。
在一实施例中，由于用户的测量数据和人体测量结果属于用户的个人信息，为了方便管理用户的个人信息和保护个人信息的安全，在获取健康检查请求的步骤之前，健康测量APP还需要对用户的身份信息进行验证，如图3所示，在步骤S10，获取健康检查请求的步骤之前，人体健康测量方法具体包括如下步骤：
S101：获取用户的登录信息，登录信息包括用户ID和登录密码。
具体地，在获取健康检查请求的步骤之前，健康测量APP需要用户使用用户ID和登录密码进行登录。用户在安装有健康测量APP的智能手机上输入自己的用户ID和登录密码，并发送给健康测量APP对应的服务器。
S102：基于用户ID和登录密码进行验证，获取验证通过结果。
具体地，健康测量APP对应的服务器基于用户在健康测量APP注册的用户ID和登录密码，对用户输入的用户ID和登录密码进行验证，当用户输入的用户ID和登录密码与服务器存储的用户ID和登录密码匹配，则生成验证通过结果。
步骤S101-步骤S102，通过对用户ID和登录密码进行验证，获取验证通过结果，保护了用户在健康测量APP中个人信息的安全。另外，使用用户ID登录健康测量APP，方便将康测量APP根据用户ID管理用户的个人信息。
在一实施例中，如图4所示，步骤S20，基于用户ID获取与用户ID对应的目标测量数据，具体包括如下步骤：
S21：基于用户ID获取与用户ID对应的历史测量数据。
具体地，健康测量APP对应的服务器获取用户ID后，基于用户ID从数据库中获取与用户ID对应的历史测量数据。其中，历史测量数据指用户在健康测量APP中使用过的测量数据。通过用户ID，可以准确地获取与用户ID对应的历史测量数据，方便后续对该用户ID对应的当前测量数据进行结果分析。
S22：根据历史测量数据对应的历史时间，计算历史时间与当前时间的时间间隔，将历史测量数据按照时间间隔由短到长的顺序进行排列，获取测量数据列表。
其中，当前时间指健康测量APP获取当前测量数据并存储在数据库中的时间。具体地，数据库保存的每一历史测量数据都携带有对应的历史时间，该历史时间指健康测量APP存储历史测量数据的时间。在获取历史测量数据后，计算每一历史测量数据的历史时间与当前时间的时间间隔，然后将历史测量数据按照时间间隔由短到长的顺序进行排列，获取测量数据列表，方便后续根据测量数据列表选取目标测量数据。
S23：按照预设次数从测量数据列表中选取对应的历史测量数据作为目标测量数据。
具体地，在获取测量数据列表后，由于测量数据列表记录了用户在健康测量APP中的每一次历史测量数据。为了提高后续计算的准确性，同时也为了提高判断效率，本实施例中设置了预设次数，健康测量APP对应的服务器会按照预设次数从测量数据列表中选取对应的历史测量数据作为目标测量数据。
进一步地，由于每个人的身体情况是不断变化的，如有些用户在减肥、增肥或者怀孕，对应的个人身体情况变化是非常大的，若这些用户最近的一次历史测量数据为一年前的数据，将该历史测量数据作为目标测量数据，用于判断当前测量数据是否准确，则会产生较大的误差。为了避免发生这种情况，本实施例中设置了筛选有效期，该筛选有效期可以设置为三个月或者其他有效期。在根据预设次数对历史测量数据进行筛选后，再根据筛选有效期对筛选后的目标测量数据进行筛选，获取符合筛选有效期的目标测量数据。
步骤S21-步骤S23，通过用户ID获取该用户ID对应的历史测量数据，然后根据预设次数选取满足条件的历史测量数据作为目标测量数据，保证了后续步骤根据目标测量数据获取相似度的准确性，同时也提高了判断效率。
在一实施例中，目标测量数据和当前测量数据均包括测量项目ID和每一测量项目ID对应的测量数值，如图5所示，步骤S40，计算目标测量数据和当前测量数据的相似度，统计相似度达到预先设置的标准值的目标相似率，具体包括如下步骤：
S41：基于测量项目ID分别从目标测量数据和当前测量数据中获取对应的测量数值。
具体地，健康测量APP对应的服务器首先根据测量项目ID从目标测量数据中获取每一测量项目ID对应的目标测量数值，然后根据测量项目ID从当前测量数据中获取对应的当前测量数值，为后续计算二者相似度提供准确的数据来源。其中，目标测量数值指测量项目ID在目标测量数据中的测量数值；当前测量数值指测量项目ID在当前测量数据中的测量数值。
S42：比较同一测量项目ID中，目标测量数据和当前测量数据对应的测量数值的相似度，当相似度达到预先设置的标准值时，更新相似项目数量。
具体地，在获取测量项目ID在目标测量数据和当前测量数据中的测量数值后，使用相似度算法对同一测量项目ID对应的目标测量数值和当前测量数值进行相似度计算，获取二者的相似度。当相似度达到标准值，则统计相似度达到标准值的相似项目数量。如项目ID为基础代谢率的当前测量数据和目标测量数据各自对应的测量数值的相似度达到预先设置的标准值时，则项目数值准确数量为1；项目ID为内脏脂肪指数的当前测量数据和目标测量数据各自对应的测量数值的相似度达到预先设置的标准值时，则项目数值准确数量为2；项目ID为储肌能力等级的当前测量数据和目标测量数据各自对应的测量数值的相似度达到预先设置的标准值时，则项目数值准确数量为3。
S43：基于相似项目数量获取当前测量数据的目标相似率。
具体地，当获取相似项目数量后，使用目标相似率的计算公式
获取当前测量数据的目标相似率。其中，n指相似项目数量，N指测量项目总数。如相似项目数量为4，测量项目总数为6，当前测量数据的目标相似率为0.667。
步骤S41-步骤S43，基于测量项目ID分别从目标测量数据和当前测量数据中获取对应的测量数值，比较同一测量项目ID中，目标测量数据和当前测量数据对应的测量数值的相似度，当相似度达到预先设置的标准值时，更新相似项目数量，最后通过当前测量数据的目标相似率统计相似度达到预先设置的标准值的目标相似率，保证后续获取人体测量结果的准确性。
在一实施例中，在步骤S10，获取健康检查请求的步骤之前，需要预先训练好原始健康识别模型，方便步骤S60，根据预先训练好的原始健康识别模型获取人体测量结果，如图6所示，人体健康测量方法还包括：
S601：获取原始训练数据，基于数据划分规则将原始训练数据划分为不同数据类型的有效训练数据，有效训练数据携带有对应的原始标签。
其中，原始训练数据指用于训练随机森林的数据。数据划分规则指用于划分原始训练数据的规则，该数据划分规则包括年龄、性别和运动经常性。其中，运动经常性包括经常运动和不经常运动。
具体地，在获取原始训练数据后，基于数据划分规则对原始训练数据进行划分，原始训练数据根据数据划分规则被划分为青年普通男士数据类型、青年普通女士数据类型、中年普通男士数据类型、中年普通女士数据类型、老年普通男士数据类型、老年普通女士数据类型、青年爱好运动男士数据类型、青年爱好运动女士数据类型、中年爱好运动男士数据类型、中年爱好运动女士数据类型、老年爱好运动男士数据类型和老年爱好运动女士数据类型等12种数据类型对应的有效训练数据，为了方便步骤S604，在获取有效训练数据后，对每一有效训练数据添加一个对应的原始标签，该原始标签包括健康和不健康。
S602：从每一数据类型的有效训练数据中随机抽取K个样本集，基于K个样本集生成每一数据类型对应的随机森林。
具体地，在获取不同数据类型的有效训练数据后，从每一数据类型的有效训练数据中随机抽取K个样本集，基于K个样本集生成每一数据类型对应的随机森林。
以一个数据类型为例，从该数据类型的有效训练数据中随机抽取部分有效训练数据，将该部分有效测量数据分为K个样本集，一个样本集对应一棵决策树，K个样本集对应生成K棵决策树，形成一个随机森林。其中，每个样本集中的有效测量数据包括有M个属性。本实施例中的属性包括但不限于基础代谢率、内脏脂肪指数、储肌能力等级、脂肪率、肌肉率、骨量、蛋白质和水分。
基于K个样本集生成对应的随机森林步骤包括：(1)对于每个样本集，从M个属性中选取m个属性(一般地，m为M的均方根)。从这m个属性中采用某种策略(包括但不限于信息增益、信息增益比和基尼指数)选择其中的一个属性作为构建第一棵决策树的分裂点；(2)对剩下的m-1个属性重复执行步骤(1)，直到不能够再分裂为止(如果下一次该节点选出来的那一个属性是刚刚其父节点分裂时用过的属性，则该节点已经达到了叶子节点，表示无须继续分裂)，得到决策树；(3)将生成的多棵子决策树组成随机森林。
S603：将每一数据类型中没有抽取的有效测量数据输入到随机森林中，将随机森林的输出结果作为训练标签。
具体地，在每一数据类型对应的有效测量数据抽取完K个样本集后，将每一数据类型中剩余的有效测量数据，即没有抽取到的有效测量数据输入到随机森林中，随机森林对每棵决策树的输出结果进行投票，将投票最多的输出结果作为随机森林的输出结果。在得到随机森林的输出结果后，将随机森林对应的输出结果作为有效测量数据的训练标签。通过随机森林获取训练标签提高了数据训练的速度。例如：随机森林中有100棵子决策树，80棵子决策树的分类结果是健康，20棵子决策树树的分类结果不是健康，通过投票，该随机森林的输出结果是健康，该结果则为有效测量数据通过随机森林得到的训练标签。
S604：将训练标签与原始标签进行对比，当训练标签与原始标签匹配，则将随机森林作为原始健康识别模型。
在获取训练标签后，将训练标签与原始标签进行对比，当训练标签与原始标签匹配，则表示将随机森林训练成功，可以将该随机森林作为原始健康识别模型。
步骤S601-步骤S604，通过数据划分规则将原始训练数据划分为不同数据类型的有效训练数据，方便后续根据有效训练数据生成不同数据类型的随机森林。使用随机森林作为原始健康识别模型，可以快速地对有效训练数据中的属性进行分裂，不需要人为干预，提高分裂效率。对不同数据类型训练不同的原始健康识别模型，可以使得后续获取的人体测量结果更加准确。
在一实施例中，在步骤S30，获取人体测量设备发送的当前测量数据的步骤之前，还需要预先检查人体测量设备是否可以与健康测量APP进行正常通信，如图7所示，人体健康测量方法还包括：
S301：检测人体测量设备是否接入成功，若接入成功，则发送数据获取指令。
具体地，在获取人体测量设备发送的当前测量数据的步骤之前，健康测量APP还需要检测人体测量设备是否接入成功，若接入成功，则表示体脂秤可以与健康测量APP进行正常通信。健康测量APP在获取到健康请求后，会检测人体测量设备是否成功接入智能手机，若接入成功，则发送数据获取指令给人体测量设备。其中，数据获取指令指健康测量APP发送给人体测量设备以获取数据的指令。
S302：基于数据获取指令，获取人体测量设备发送的当前测量数据。
具体地，人体测量设备在获取到数据获取指令后，会将测量的当前测量数据发送给健康测量APP对应的服务器，以使健康测量APP根据当前测量数据执行后续步骤。
步骤S301-步骤S302，通过检测测量设备是否成功接入健康测量APP所在的智能手机，以确保人体测量设备和健康测量APP可以正常通信，进行数据传输，为获取当前测量数据提供数据传输通道。
本发明所提供的人体健康测量方法，通过对用户ID和登录密码进行验证，获取验证通过结果，保护了用户在健康测量APP中个人信息的安全。然后根据用户ID获取该用户ID对应的历史测量数据，并根据预设次数选取满足条件的历史测量数据作为目标测量数据，以为后续选取目标健康识别模型提供参考。通过建立健康测量APP与人体测量设备的连接关系，获取当前测量数据，以便计算目标测量数据和当前测量数据的相似度，统计相似度达到预先设置的标准值的目标相似率，若目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型；若相似度没有达到预先设置的标准值或者目标相似率不大于预设相似率，则基于当前测量数据选取与当前测量数据匹配的原始健康识别模型作为目标健康识别模型；最后通过目标健康模型对当前测量数据的识别，获取对应的人体测量结果，有效提高了人体测量结果的准确性。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
在一实施例中，提供一种人体健康测量装置，该人体健康测量装置与上述实施例中人体健康测量方法一一对应。如图8所示，该人体健康测量装置包括请求获取模块10、目标测量数据获取模块20、当前测量数据获取模块30、第一模型选择模块40、第二模型选择模块50和模型识别模块60。各功能模块详细说明如下：
请求获取模块10，用于获取健康检查请求，健康检查请求携带有用户ID。
目标测量数据获取模块20，用于基于用户ID获取与用户ID对应的目标测量数据。
当前测量数据获取模块30，用于获取人体测量设备发送的当前测量数据。
第一模型选择模块40，用于计算目标测量数据和当前测量数据的相似度，统计相似度达到预先设置的标准值的目标相似率，若目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型。
第二模型选择模块50，用于若相似度没有达到预先设置的标准值或者目标相似率不大于预设相似率，则基于当前测量数据选取与当前测量数据匹配的原始健康识别模型作为目标健康识别模型。
模型识别模块60，用于将当前测量数据输入到目标健康识别模型中，获取人体测量结果。
进一步地，人体健康测量装置还包括登录信息获取单元和登录信息验证单元。
登录信息获取单元，用于获取用户的登录信息，登录信息包括用户ID和登录密码。
登录信息验证单元，用于基于用户ID和登录密码进行验证，获取验证通过结果。
进一步地，目标测量数据获取模块20包括历史测量数据获取单元、测量数据列表获取单元和目标测量数据选取单元。
历史测量数据获取单元，用于基于用户ID获取与用户ID对应的历史测量数据。
测量数据列表获取单元，用于根据历史测量数据对应的历史时间，计算历史时间与当前时间的时间间隔，将历史测量数据按照时间间隔由短到长的顺序进行排列，获取测量数据列表。
目标测量数据选取单元，用于按照预设次数从测量数据列表中选取对应的历史测量数据作为目标测量数据。
进一步地，第一模型选择模块40包括数值获取单元、数值处理单元和数据准确性判断单元。
数值获取单元，用于基于测量项目ID分别从目标测量数据和当前测量数据中获取对应的测量数值。
数值处理单元，用于比较同一测量项目ID中，目标测量数据和当前测量数据对应的测量数值的相似度，当相似度达到预先设置的标准值时，更新相似项目数量。
数据准确性判断单元，用于基于相似项目数量获取当前测量数据的目标相似率。
进一步地，人体健康测量装置还包括原始训练数据获取单元、随机森林生成单元、训练标签获取单元和原始健康识别模型获取单元。
原始训练数据获取单元，用于获取原始训练数据，基于数据划分规则将原始训练数据划分为不同数据类型的有效训练数据，有效训练数据携带有对应的原始标签。
随机森林生成单元，用于从每一数据类型的有效训练数据中随机抽取K个样本集，基于K个样本集生成每一数据类型对应的随机森林。
训练标签获取单元，用于将每一数据类型中没有抽取的有效测量数据输入到随机森林中，将随机森林的输出结果作为训练标签。
原始健康识别模型获取单元，用于将训练标签与原始标签进行对比，当训练标签与原始标签匹配，则将随机森林作为原始健康识别模型。
进一步地，原始训练数据获取单元中的数据划分规则包括年龄、性别和运动经常性。
数据类型包括青年普通男士数据类型、青年普通女士数据类型、中年普通男士数据类型、中年普通女士数据类型、老年普通男士数据类型、老年普通女士数据类型、青年爱好运动男士数据类型、青年爱好运动女士数据类型、中年爱好运动男士数据类型、中年爱好运动女士数据类型、老年爱好运动男士数据类型和老年爱好运动女士数据类型。
进一步地，人体健康测量装置还包括测量设备检测单元和当前测量数据获取单元。
测量设备检测单元，用于检测人体测量设备是否接入成功，若接入成功，则发送数据获取指令。
当前测量数据获取单元，用于基于数据获取指令，获取人体测量设备发送的当前测量数据。
关于人体健康测量装置的具体限定可以参见上文中对于人体健康测量方法的限定，在此不再赘述。上述人体健康测量装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储人体将康测量方法中涉及到的数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种人体健康测量方法。
在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中人体健康测量方法，例如图2所示步骤S10-步骤S60，或者图3至图7中所示的步骤，为避免重复，这里不再赘述。或者，处理器执行计算机程序时实现人体健康测量装置这一实施例中的各模块/单元的功能，例如图8所示的请求获取模块10、目标测量数据获取模块20、当前测量数据获取模块30、第一模型选择模块40、第二模型选择模块50和模型识别模块60的功能，为避免重复，这里不再赘述。
在一实施例中，提供一计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述实施例中人体健康测量方法，例如图2所示步骤S10-步骤S60，或者图3至图7中所示的步骤，为避免重复，这里不再赘述。或者，该计算机程序被处理器执行时实现上述人体健康测量装置这一实施例中的各模块/单元的功能，例如图8所示的请求获取模块10、目标测量数据获取模块20、当前测量数据获取模块30、第一模型选择模块40、第二模型选择模块50和模型识别模块60的功能，为避免重复，这里不再赘述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。
以上所述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精神和范围，均应包含在本发明的保护范围之内。
Claims (10)
1.一种人体健康测量方法，其特征在于，包括：
获取健康检查请求，所述健康检查请求携带有用户ID；
基于所述用户ID获取与所述用户ID对应的目标测量数据；
获取人体测量设备发送的当前测量数据；
计算所述目标测量数据和所述当前测量数据的相似度，统计所述相似度达到预先设置的标准值的目标相似率，若所述目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型；
若所述相似度没有达到预先设置的标准值或者所述目标相似率不大于预设相似率，则基于所述当前测量数据选取与所述当前测量数据匹配的原始健康识别模型作为目标健康识别模型；
将所述当前测量数据输入到目标健康识别模型中，获取人体测量结果。
2.如权利要求1所述的人体健康测量方法，其特征在于，在所述获取健康检查请求的步骤之前，所述人体健康测量方法还包括：
获取用户的登录信息，所述登录信息包括用户ID和登录密码；
基于所述用户ID和登录密码进行验证，获取验证通过结果。
3.如权利要求1所述的人体健康测量方法，其特征在于，所述基于所述用户ID获取与所述用户ID对应的目标测量数据，包括：
基于所述用户ID获取与所述用户ID对应的历史测量数据；
根据所述历史测量数据对应的历史时间，计算历史时间与当前时间的时间间隔，将历史测量数据按照时间间隔由短到长的顺序进行排列，获取测量数据列表；
按照预设次数从所述测量数据列表中选取对应的历史测量数据作为目标测量数据。
4.如权利要求1所述的人体健康测量方法，其特征在于，所述目标测量数据和所述当前测量数据均包括测量项目ID和每一所述测量项目ID对应的测量数值；
所述计算所述目标测量数据和所述当前测量数据的相似度，统计所述相似度达到预先设置的标准值的目标相似率，包括：
基于所述测量项目ID分别从所述目标测量数据和当前测量数据中获取对应的测量数值；
比较同一测量项目ID中，所述目标测量数据和当前测量数据对应的测量数值的相似度，当相似度达到预先设置的标准值时，更新相似项目数量；
基于所述相似项目数量获取当前测量数据的目标相似率。
5.如权利要求1所述的人体健康测量方法，其特征在于，在所述获取健康检查请求的步骤之前，所述人体健康测量方法还包括：
获取原始训练数据，基于数据划分规则将所述原始训练数据划分为不同数据类型的有效训练数据，所述有效训练数据携带有对应的原始标签；
从每一数据类型的有效训练数据中随机抽取K个样本集，基于K个样本集生成每一数据类型对应的随机森林；
将每一数据类型中没有抽取的有效测量数据输入到随机森林中，将所述随机森林的输出结果作为训练标签；
将所述训练标签与原始标签进行对比，当训练标签与原始标签匹配，则将随机森林作为原始健康识别模型。
6.如权利要求5所述的人体健康测量方法，其特征在于，所述数据划分规则包括年龄、性别和运动经常性；
所述数据类型包括青年普通男士数据类型、青年普通女士数据类型、中年普通男士数据类型、中年普通女士数据类型、老年普通男士数据类型、老年普通女士数据类型、青年爱好运动男士数据类型、青年爱好运动女士数据类型、中年爱好运动男士数据类型、中年爱好运动女士数据类型、老年爱好运动男士数据类型和老年爱好运动女士数据类型。
7.如权利要求1所述的人体健康测量方法，其特征在于，在所述获取人体测量设备发送的当前测量数据的步骤之前，所述人体健康测量方法还包括：
检测人体测量设备是否接入成功，若接入成功，则发送数据获取指令；
基于所述数据获取指令，获取人体测量设备发送的当前测量数据。
8.一种人体健康测量装置，其特征在于，包括：
请求获取模块，用于获取健康检查请求，所述健康检查请求携带有用户ID；
目标测量数据获取模块，用于基于所述用户ID获取与所述用户ID对应的目标测量数据；
当前测量数据获取模块，用于获取人体测量设备发送的当前测量数据；
第一模型选择模块，用于计算所述目标测量数据和所述当前测量数据的相似度，统计所述相似度达到预先设置的标准值的目标相似率，若所述目标相似率大于预设相似率，则选取目标测量数据对应的历史健康识别模型作为目标健康识别模型；
第二模型选择模块，用于若所述相似度没有达到预先设置的标准值或者所述目标相似率不大于预设相似率，则基于所述当前测量数据选取与所述当前测量数据匹配的原始健康识别模型作为目标健康识别模型；
模型识别模块，用于将所述当前测量数据输入到目标健康识别模型中，获取人体测量结果。
9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述人体健康测量方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述人体健康测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811583855.6A CN111428742B (zh) | 2018-12-24 | 2018-12-24 | 人体健康测量方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811583855.6A CN111428742B (zh) | 2018-12-24 | 2018-12-24 | 人体健康测量方法、装置、计算机设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111428742A true CN111428742A (zh) | 2020-07-17 |
| CN111428742B CN111428742B (zh) | 2023-12-19 |
Family
ID=71545706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811583855.6A Active CN111428742B (zh) | 2018-12-24 | 2018-12-24 | 人体健康测量方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111428742B (zh) |
Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050113650A1 (en) * | 2000-06-16 | 2005-05-26 | Christopher Pacione | System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability |
| US7689437B1 (en) * | 2000-06-16 | 2010-03-30 | Bodymedia, Inc. | System for monitoring health, wellness and fitness |
| CN102216951A (zh) * | 2008-11-19 | 2011-10-12 | 欧姆龙健康医疗事业株式会社 | 健康状态判断装置 |
| CN105808903A (zh) * | 2014-12-29 | 2016-07-27 | 中兴通讯股份有限公司 | 一种生成健康报告的方法及装置 |
| CN105956382A (zh) * | 2016-04-26 | 2016-09-21 | 北京工商大学 | 基于改进型cart决策树与模糊朴素贝叶斯组合模型的中医体质优化分类方法 |
| CN106339576A (zh) * | 2016-07-20 | 2017-01-18 | 美的集团股份有限公司 | 一种健康管理方法和系统 |
| CN106551678A (zh) * | 2016-11-15 | 2017-04-05 | 上海斐讯数据通信技术有限公司 | 一种智能可穿戴设备以及测量体脂率的方法 |
| CN107155140A (zh) * | 2017-04-26 | 2017-09-12 | 上海斐讯数据通信技术有限公司 | 一种基于体重检测装置的检测方法及系统 |
| CN107273666A (zh) * | 2017-05-26 | 2017-10-20 | 武汉大学 | 一种人体健康数据综合分析系统 |
| CN107517434A (zh) * | 2017-07-31 | 2017-12-26 | 上海斐讯数据通信技术有限公司 | 一种体重检测装置识别用户的方法及系统 |
| CN107785083A (zh) * | 2017-10-30 | 2018-03-09 | 上海斐讯数据通信技术有限公司 | 一种用户健康数据采集方法和用户健康监护系统 |
| CN108538392A (zh) * | 2018-04-23 | 2018-09-14 | 京东方科技集团股份有限公司 | 一种信息处理方法及系统 |
| KR20180120469A (ko) * | 2017-04-27 | 2018-11-06 | 권오일 | 질병 분석 및 예측 시스템 |
| CN109045629A (zh) * | 2018-09-17 | 2018-12-21 | 奇酷互联网络科技（深圳）有限公司 | 健身设备的控制方法、可穿戴设备和具有存储功能的装置 |
-
2018
- 2018-12-24 CN CN201811583855.6A patent/CN111428742B/zh active Active
Patent Citations (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050113650A1 (en) * | 2000-06-16 | 2005-05-26 | Christopher Pacione | System for monitoring and managing body weight and other physiological conditions including iterative and personalized planning, intervention and reporting capability |
| US7689437B1 (en) * | 2000-06-16 | 2010-03-30 | Bodymedia, Inc. | System for monitoring health, wellness and fitness |
| CN102216951A (zh) * | 2008-11-19 | 2011-10-12 | 欧姆龙健康医疗事业株式会社 | 健康状态判断装置 |
| CN105808903A (zh) * | 2014-12-29 | 2016-07-27 | 中兴通讯股份有限公司 | 一种生成健康报告的方法及装置 |
| CN105956382A (zh) * | 2016-04-26 | 2016-09-21 | 北京工商大学 | 基于改进型cart决策树与模糊朴素贝叶斯组合模型的中医体质优化分类方法 |
| CN106339576A (zh) * | 2016-07-20 | 2017-01-18 | 美的集团股份有限公司 | 一种健康管理方法和系统 |
| CN106551678A (zh) * | 2016-11-15 | 2017-04-05 | 上海斐讯数据通信技术有限公司 | 一种智能可穿戴设备以及测量体脂率的方法 |
| CN107155140A (zh) * | 2017-04-26 | 2017-09-12 | 上海斐讯数据通信技术有限公司 | 一种基于体重检测装置的检测方法及系统 |
| KR20180120469A (ko) * | 2017-04-27 | 2018-11-06 | 권오일 | 질병 분석 및 예측 시스템 |
| CN107273666A (zh) * | 2017-05-26 | 2017-10-20 | 武汉大学 | 一种人体健康数据综合分析系统 |
| CN107517434A (zh) * | 2017-07-31 | 2017-12-26 | 上海斐讯数据通信技术有限公司 | 一种体重检测装置识别用户的方法及系统 |
| CN107785083A (zh) * | 2017-10-30 | 2018-03-09 | 上海斐讯数据通信技术有限公司 | 一种用户健康数据采集方法和用户健康监护系统 |
| CN108538392A (zh) * | 2018-04-23 | 2018-09-14 | 京东方科技集团股份有限公司 | 一种信息处理方法及系统 |
| CN109045629A (zh) * | 2018-09-17 | 2018-12-21 | 奇酷互联网络科技（深圳）有限公司 | 健身设备的控制方法、可穿戴设备和具有存储功能的装置 |
Non-Patent Citations (4)
| Title |
|---|
| REBECCA KURIYAN: "Body composition techniques", 《INDIAN J MED RES》, vol. 148, no. 5, pages 648 - 658 * |
| 刘伟: "基于BIA的人体健康监测与智能评价系统研究", 《中国博士学位论文全文数据库_医药卫生科技辑》, pages 080 - 20 * |
| 孙傲冰;张德贤;张苗;: "基于多元特征的智能型生物识别模型", 计算机科学, no. 02, pages 221 - 224 * |
| 孙文学;郑自强;段言成;李卓;: "基于蓝牙4.0的移动健康管理平台的设计与实现", 电脑知识与技术, no. 34, pages 24 - 26 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111428742B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111177714B (zh) | 异常行为检测方法、装置、计算机设备和存储介质 | |
| CN111639497B (zh) | 一种基于大数据机器学习的异常行为发现方法 | |
| WO2021047326A1 (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
| CN111314173B (zh) | 监控信息异常的定位方法、装置、计算机设备及存储介质 | |
| CN107146160B (zh) | 投保客户健康状况分析方法及服务器 | |
| CN111354463B (zh) | 人体健康测量方法、装置、计算机设备及存储介质 | |
| WO2020015139A1 (zh) | 风险旅客方法、装置、计算机设备和存储介质 | |
| CN111400126B (zh) | 网络服务异常数据检测方法、装置、设备和介质 | |
| CN109995576A (zh) | 上网设备的识别方法、装置及存储介质、计算机设备 | |
| CN106485261A (zh) | 一种图像识别的方法和装置 | |
| CN111767192B (zh) | 基于人工智能的业务数据检测方法、装置、设备和介质 | |
| CN108764369B (zh) | 基于数据融合的人物识别方法、装置和计算机存储介质 | |
| CN115730605B (zh) | 基于多维信息的数据分析方法 | |
| WO2021120587A1 (zh) | 基于oct的视网膜分类方法、装置、计算机设备及存储介质 | |
| CN111178537A (zh) | 一种特征提取模型训练方法及设备 | |
| CN114186760A (zh) | 一种企业稳健运营的分析方法、系统及可读存储介质 | |
| CN115036033A (zh) | 健康数据管理方法、装置、电子设备和可读存储介质 | |
| CN112017779A (zh) | 一种基于体检数据分析人体健康预警系统 | |
| CN111428742B (zh) | 人体健康测量方法、装置、计算机设备及存储介质 | |
| CN111147441A (zh) | 网络购票的舞弊行为自动检测方法、设备及可读存储介质 | |
| CN113344469B (zh) | 欺诈识别方法、装置、计算机设备及存储介质 | |
| CN115760486A (zh) | 临建规模评估方法、装置、设备和可读存储介质 | |
| CN114360732A (zh) | 医疗数据分析方法、装置、电子设备及存储介质 | |
| CN113704624A (zh) | 基于用户分流的策略推荐方法、装置、设备及介质 | |
| CN112966988A (zh) | 基于XGBoost模型的数据评估方法、装置、设备及存储介质 |
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 |
Effective date of registration: 20231122 Address after: Room 206, Building 4, Software Industry Base, No. 19, 17, 18, Haitian 1st Road, Binhai Community, Yuehai Street, Nanshan District, Shenzhen, Guangdong, 518000 Applicant after: Youpin International Science and Technology (Shenzhen) Co.,Ltd. Address before: No.312, block C, 28 xinjiekouwai street, Xicheng District, Beijing Applicant before: BINKE PUDA (BEIJING) TECHNOLOGY Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |