CN115049015B - 时序数据的滑窗后对齐方法、装置及设备和存储介质 - Google Patents
时序数据的滑窗后对齐方法、装置及设备和存储介质 Download PDFInfo
- Publication number
- CN115049015B CN115049015B CN202210826866.2A CN202210826866A CN115049015B CN 115049015 B CN115049015 B CN 115049015B CN 202210826866 A CN202210826866 A CN 202210826866A CN 115049015 B CN115049015 B CN 115049015B
- Authority
- CN
- China
- Prior art keywords
- data
- window
- windows
- time
- time sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000010354 integration Effects 0.000 claims abstract description 9
- 230000002123 temporal effect Effects 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000013480 data collection Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y20/00—Information sensed or collected by the things
- G16Y20/40—Information sensed or collected by the things relating to personal data, e.g. biometric data, records or preferences
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
Landscapes
- Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Closed-Circuit Television Systems (AREA)
- Indexing, Searching, Synchronizing, And The Amount Of Synchronization Travel Of Record Carriers (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种时序数据的滑窗后对齐方法、装置及设备和存储介质,其中,该方法用于生理数据采集设备,包括:基于滑动窗口算法赋予多组时序数据不同的数据窗;将多个数据窗结束时对应的时间点确定为多组时序数据的目标时间点;在确定多个数据窗的目标时间点相同时,对多组时序数据进行整合。本发明解决了在通过滑动窗口算法进行时序数据处理时,无法确定对时序数据的处理结构对应的时间点,以及如何对多个窗口的时序数据进行数据整合的问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及处理多模态时序数据的滑窗后对齐方法、处理多模态时序数据的滑窗后对齐装置及生理数据采集设备和计算机可读存储介质。
背景技术
通常情况下,为了使得生理数据采集设备能够采集到多个人体的生理数据,在生理数据采集设备上安装有多个传感器。以通过多个传感器的设置,采集人体不同的生理数据,例如是,心率、血压、血氧浓度等等。在生理数据采集设备的多个传感器进行数据采集时,会得到多模态数据。由于数据来源的多样性,不同模态的数据在进行处理时,基于滑动窗口算法的窗长和滑动步长也各不相同,进而导致在对一个窗口内的数据进行处理时,处理后的结果无法确定其对应的时间点。另外,如何将多个窗口的数据进行数据整合也成为了本领域亟待解决的技术问题。
发明内容
本发明所要解决的技术问题在于,提供一种处理多模态时序数据的滑窗后对齐方法、处理多模态时序数据的滑窗后对齐装置及生理数据采集设备和计算机可读存储介质,以解决在通过滑动窗口算法进行时序数据处理时,无法确定对时序数据的处理结构对应的时间点,以及如何对多个窗口的时序数据进行数据整合的问题。
为了解决上述技术问题,根据本发明一方面,提供了一种处理多模态时序数据的滑窗后对齐方法,用于生理数据采集设备,该方法包括:
基于滑动窗口算法赋予多组时序数据不同的数据窗;
将多个数据窗结束时对应的时间点确定为多组时序数据的目标时间点;
在确定多个数据窗的目标时间点相同时,对多组时序数据进行整合。
在一些实施方式中,多个数据窗具有不同的窗口长度和滑动步长,多个数据窗按照不同的滑动步长进行滑动。
在一些实施方式中,处理多模态时序数据的滑窗后对齐方法还包括:
根据多个数据窗的窗口长度和滑动步长判断多个数据窗的目标时间点是否相同。
在一些实施方式中,多组时序数据为生理数据采集设备的多个传感器实时采集的多组数据。
根据本发明的另一方面,提供处理多模态时序数据的滑窗后对齐装置,用于生理数据采集设备,该装置包括:
处理模块,配置为基于滑动窗口算法赋予多组时序数据不同的数据窗;
确定模块,配置为将多个数据窗结束时对应的时间点确定为多组时序数据的目标时间点;
整合模块,配置为在确定多个数据窗的目标时间点相同时,对多组时序数据进行整合。
在一些实施方式中,多个数据窗具有不同的窗口长度和滑动步长,多个数据窗按照不同的滑动步长进行滑动。
在一些实施方式中,处理多模态时序数据的滑窗后对齐装置还包括:
判断模块,配置为根据多个数据窗的窗口长度和滑动步长判断多个数据窗的目标时间点是否相同。
在一些实施方式中,多组时序数据为生理数据采集设备的多个传感器实时采集的多组数据。
根据本发明另一方面,提供一种生理数据采集设备,其包括上述任一项所述的处理多模态时序数据的滑窗后对齐装置。
根据本发明另一方面,提供一种生理数据采集设备,其包括存储器与处理器,所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现上述任一项所述的处理多模态时序数据的滑窗后对齐方法的步骤。
根据本发明再一方面,提供一种计算机可读存储介质,用于存储计算机程序,所述程序在由一计算机或处理器执行时实现上述任意一项所述的处理多模态时序数据的滑窗后对齐方法的步骤。
本发明与现有技术相比具有明显的优点和有益效果。借由上述技术方案,本发明的处理多模态时序数据的滑窗后对齐方法、处理多模态时序数据的滑窗后对齐装置及生理数据采集设备和计算机可读存储介质可以达到相当的技术进步性及实用性,并具有产业上的广泛利用价值,其至少具有下列优点:
(一)本发明在基于滑动窗口对时序数据进行处理时,将时序数据对应的数据窗结束时对应的时间点确定为时序数据的目标时间点,进而解决了在一个数据窗中,时序数据的处理结果无法确定时间点的问题。
(二)本发明在多个数据窗结束时对应的时间点相同时,对多个数据窗对应的多组时序数据进行整合,也就是说采用数据窗后对齐的方式,进行对多组时序数据的整合,使得整合的时序数据为同一时间点的数据,保证了整合后的时序数据的参考价值,以及数据分析的准确性。
(三)本发明对多组时序数据的整合,采用后对齐的方式实现,基于该后对齐的方式,使得整合时的时间点始终处于多模态数据的最新的时间点上,即在整合时的数据为多模态数据的实时数据,进而可以将后对齐的方式实现的整合数据应用于对数据监控等时效性要求高的应用中。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其他目的、特征和优点能够更明显易懂,以下特举较佳实施例,并配合附图,详细说明如下。
附图说明
图1为本发明一实施例的处理多模态时序数据的滑窗后对齐方法的流程示意图;
图2为本发明一实施例的基于滑动窗口算法的时序数据处理的示意框图;
图3为本发明另一实施例的基于滑动窗口算法的时序数据处理的示意框图;
图4为本发明一实施例的处理多模态时序数据的滑窗后对齐装置的示意框图。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种处理多模态时序数据的滑窗后对齐方法、处理多模态时序数据的滑窗后对齐装置及生理数据采集设备和计算机可读存储介质的具体实施方式及其功效,详细说明如后。
本发明的时序数据的处理是采用滑动窗口算法来实现的。
具体地,本发明提出了一种处理多模态时序数据的滑窗后对齐方法,用于生理数据采集设备,如图1所示,该方法包括:
步骤S10,基于滑动窗口算法赋予多组时序数据不同的数据窗。
具体地,生理数据采集设备的传感器会实时采集人体的生理数据,每个传感器采集的生理数据构成一组时序数据。可知的是,为了保证人体生理数据采集的多样性,在生理数据采集设备上设置有多个传感器,因而会形成多组时序数据。
为了便于对多组时序数据的处理,本发明采用滑动窗口算法。基于该滑动窗口算法赋予多组时序数据不同的数据窗。针对不同的时序数据,每个数据窗的窗口长度和滑动步长均不相同。
数据窗则在其窗口长度的基础上,基于滑动步长沿着时间轴朝向一侧滑动。在一具体实施中,如图2所示,图中T0-T5为滑动窗口算法的时间轴,在该实施例中,T0-T5表示时间从0秒-5秒。图中第1窗表示一组时序数据的初始数据窗,其为T0-T2秒时间内的时序数据。该数据窗的窗口长度为3秒,滑动步长为1秒。图中第2窗为第1窗在滑动1秒(即滑动步长)后的时序数据,为T1-T2秒时间内的时序数据。以此类推,第3窗为第2窗在滑动1秒后的时序数据,第4窗为第3窗在滑动1秒后的时序数据。
当然,图2仅仅是本发明的一个具体实施例而已,时序数据的窗口长度和滑动步长还可以是其他值,本发明并不以此为限。
步骤S20,将多个数据窗结束时对应的时间点确定为多组时序数据的目标时间点。
可知的是,通常情况时序数据对应的数据窗的窗口长度均为时间段,例如是,0秒-3秒、0秒-5秒等等。那么,在对时序数据进行处理时,处理后的时序数据的时间点无法确定。也就是说,处理后的时序数据属于哪个时间点的数据无法确定。
本发明基于此问题,在数据窗结束时的时间点确定为该数据窗对应的时序数据的目标时间点。也就是说,数据窗结束时对应的时间点为一组时序数据经过处理后,得到的处理结果对应的时间点(即目标时间点)。
以图2为例,第1窗对应的时序数据在处理完成后,该第1窗的结束的时间点为T2,那么T2则作为该组时序数据的处理结果对应的时间点,即第1窗对应的时序数据的目标时间点为T2。同理,第2窗对应的时序数据的目标时间点为T3。
本发明通过对时序时间的目标时间点的确定,确定出该时序数据在处理后的处理结果对应的时间点,以便为后期时序数据分析提供准确地参考。
步骤S40,在确定多个数据窗的目标时间点相同时,对多组时序数据进行整合。
在人体的生理数据进行分析时,需要将同一时间点的多项生理数据进行整合,以能够更加全面的反应人体的生理状况,更加全面的了解其身体情况,做出准确地分析。
然而,生理数据采集设备的多个传感器采集到的多组时序数据对应着不同的数据窗。每组时序数据对应的数据窗的窗口长度和滑动步长均不相同。也就是说,并非是在任意时间点对多组时序数据进行整合后,均能够得到人体同一时间点的生理数据。
本发明基于此问题,提出了在多个数据窗的目标时间点相同时,在对多个数据窗对应的时序数据进行整合。
具体地,每组时序数据对应的数据窗是按照其滑动步长在进行滑动的,当多个数据窗在滑动过程中,多个数据窗的结束时对应的时间点(即目标时间点)相同时,那么就可以确定多个数据窗对应的时序数据则为同一时间点的数据。进而,将多组时序数据进行整合,即可得到人体的同一时间点的生理数据。
在一具体实施例中,如图3所示,其示出了两组数据窗的滑动过程,其中,第一组数据窗(深灰色的数据窗)的第2窗的结束时间点为T3,第二组数据窗(浅灰色的数据窗)的第1窗的结束时间点为T3,那么就可以确定,第一组数据窗的第2窗对应的时序数据与第二组数据窗的第1窗对应时序数据为同一时间点的数据。那么在时间点T3时,将第一组数据窗的第2窗对应的时序数据与第二组数据窗的第1窗对应时序数据进行整合后,即可得到在同一时间点的人体的生理数据。
另外,通过图3可知,第一组数据窗的第4窗和第二组数据窗的第2窗的目标时间点也相同,那么在T5时,将第一组数据窗的第4窗对应的时序数据和第二组数据窗的第2窗对应的时序数据进行整合。
上述具体实施方式仅是为了详细说明本发明的技术方案,并非用于限定本发明的保护范围。
在一实施例中,如图1所示,本发明的处理多模态时序数据的滑窗后对齐方法还包括:
步骤S30,多个数据窗的窗口长度和滑动步长判断多个数据窗的目标时间点是否相同。
因每组时序数据对应的数据窗的窗口长度和滑动步长不同。因此。并非是每一个时间点时,各数据窗的结束时间点均是相同的。因此,在对多组时序数据进行整合前,需要判断各数据窗的技术时间点(即目标时间点)是否相同。
本发明的方案中,通过多个数据窗的窗口长度和滑动步长来判断数据窗的目标时间点是否相同。
举例来说,如图3所示,第一组数据窗的窗口长度为3秒,滑动步长为1秒,第二组数据窗的窗口长度为4秒,滑动步长为2秒。那么在第一组数据窗的第1窗滑动1秒后,因第二组数据窗的第1窗的滑动步长为2秒,那么该二组数据窗的第1窗在1秒时并未滑动。第一组数据窗的第2窗的结束时间点与第二组数据窗的第1窗的结束时间点相同,均为T3。那么在T3时刻,即可确定第一组数据窗的第2窗与第二组数据窗的第1窗的目标时间点相同。进而将第一组数据窗的第2窗的对应的时序数据与第二组数据窗的第1窗对应的时序数据进行整合。
本发明另一实施例的一种处理多模态时序数据的滑窗后对齐装置,用于生理数据采集设备,如图4所示,该装置包括:处理模块10、确定模块20、生成模块40。
其中,处理模块配置为基于滑动窗口算法赋予多组时序数据不同的数据窗;确定模块配置为将多个数据窗结束时对应的时间点确定为多组时序数据的目标时间点;整合模块配置为在确定多个数据窗的目标时间点相同时,对多组时序数据进行整合。
具体地,生理数据采集设备的传感器会实时采集人体的生理数据,每个传感器采集的生理数据构成一组时序数据。可知的是,为了保证人体生理数据采集的多样性,在生理数据采集设备上设置有多个传感器,因而会形成多组时序数据。
为了便于对多组时序数据的处理,本发明采用滑动窗口算法。处理模块10基于该滑动窗口算法赋予多组时序数据不同的数据窗。针对不同的时序数据,每个数据窗的窗口长度和滑动步长均不相同。
数据窗则在其窗口长度的基础上,基于滑动步长沿着时间轴朝向一侧滑动。在一具体实施中,如图2所示,图中T0-T5为滑动窗口算法的时间轴,在该实施例中,T0-T5表示时间从0秒-5秒。图中第1窗表示一组时序数据的初始数据窗,其为T0-T2秒时间内的时序数据。该数据窗的窗口长度为3秒,滑动步长为1秒。图中第2窗为第1窗在滑动1秒(即滑动步长)后的时序数据,为T1-T2秒时间内的时序数据。以此类推,第3窗为第2窗在滑动1秒后的时序数据,第4窗为第3窗在滑动1秒后的时序数据。
当然,图2仅仅是本发明的一个具体实施例而已,时序数据的窗口长度和滑动步长还可以是其他值,本发明并不以此为限。
可知的是,通常情况时序数据对应的数据窗的窗口长度均为时间段,例如是,0秒-3秒、0秒-5秒等等。那么,在对时序数据进行处理时,处理后的时序数据的时间点无法确定。也就是说,处理后的时序数据属于哪个时间点的数据无法确定。
确定模块20将数据窗结束时的时间点确定为该数据窗对应的时序数据的目标时间点。也就是说,数据窗结束时对应的时间点为一组时序数据经过处理后,得到的处理结果对应的时间点(即目标时间点)。
以图2为例,第1窗对应的时序数据在处理完成后,该第1窗的结束的时间点为T2,那么T2则作为该组时序数据的处理结果对应的时间点,即第1窗对应的时序数据的目标时间点为T2。同理,第2窗对应的时序数据的目标时间点为T3。
本发明通过对时序时间的目标时间点的确定,确定出该时序数据在处理后的处理结果对应的时间点,以便为后期时序数据分析提供准确地参考。
在人体的生理数据进行分析时,需要将同一时间点的多项生理数据进行整合,以能够更加全面的反应人体的生理状况,以更加全面的了解其身体情况,做出准确地分析。
然而,生理数据采集设备的多个传感器采集到的多组时序数据对应着不同的数据窗。每组时序数据对应的数据窗的窗口长度和滑动步长均不相同。也就是说,并非是在任意时间点对多组时序数据进行整合后,均能够得到人体同一时间点的生理数据。
整合模块40在多个数据窗的目标时间点相同时,在对多个数据窗对应的时序数据进行整合。
具体地,每组时序数据对应的数据窗是按照其滑动步长在进行滑动的,当多组数据窗在滑动过程中,多组数据窗的结束时对应的时间点(即目标时间点)相同时,那么就可以确定多组数据窗对应的时序数据则为同一时间点的数据。进而,整合模块40将多组时序数据进行整合,即可得到人体的同一时间点的生理数据。
在一具体实施例中,如图3所示,其示出了两组数据窗的滑动过程,其中,第一组数据窗(深灰色的数据窗)的第2窗的结束时间点为T3,第二组数据窗(浅灰色的数据窗)的第1窗的结束时间点为T3,那么就可以确定,第一组数据窗的第2窗对应的时序数据与第二组数据窗的第1窗对应时序数据为同一时间点的数据。那么在时间点T3时,将第一组数据窗的第2窗对应的时序数据与第二组数据窗的第1窗对应时序数据进行整合后,即可得到在同一时间点的人体的生理数据。
另外,通过图3可知,第一组数据窗的第4窗和第二组数据窗的第2窗的目标时间点也相同,那么在T5时,将第一组数据窗的第4窗对应的时序数据和第二组数据窗的第2窗对应的时序数据进行整合。
上述具体实施方式仅是为了详细说明本发明的技术方案,并非用于限定本发明的保护范围。
在一实施例中,如图4所示,本发明的处理多模态时序数据的滑窗后对齐装置还包括:判断模块30。
该判断模块30配置为多个数据窗的窗口长度和滑动步长判断多个数据窗的目标时间点是否相同。
因每组时序数据对应的数据窗的窗口长度和滑动步长不同。因此。并非是每一个时间点时,各数据窗的结束时间点均是相同的。因此,判断模块30在对多组时序数据进行整合前,需要判断各数据窗的技术时间点(即目标时间点)是否相同。
本发明的方案中,通过多个数据窗的窗口长度和滑动步长来判断数据窗的目标时间点是否相同。
举例来说,如图3所示,第一组数据窗的窗口长度为3秒,滑动步长为1秒,第二组数据窗的窗口长度为4秒,滑动步长为2秒。那么在第一组数据窗的第1窗滑动1秒后,因第二组数据窗的第1窗的滑动步长为2秒,那么该二组数据窗的第1窗在1秒时并未滑动。第一组数据窗的第2窗的结束时间点与第二组数据窗的第1窗的结束时间点相同,均为T3。那么在T3时刻,即可确定第一组数据窗的第2窗与第二组数据窗的第1窗的目标时间点相同。进而将第一组数据窗的第2窗的对应的时序数据与第二组数据窗的第1窗对应的时序数据进行整合。
本发明另一实施例的生理数据采集设备,其包括上述任一实施例的处理多模态时序数据的滑窗后对齐装置。
该生理数据采集设备可以是智能手环或智能手表等设备,本发明并不以此为限。
本发明另一实施例的一种生理数据采集设备,其包括存储器与处理器,所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现任一实施例所述的处理多模态时序数据的滑窗后对齐方法的步骤。
本发明又一实施例的一种计算机可读存储介质,用于存储计算机程序,所述程序在由一计算机或处理器执行时实现任一实施例所述的处理多模态时序数据的滑窗后对齐方法的步骤。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属于本发明技术方案的范围内。
Claims (5)
1.一种处理多模态时序数据的滑窗后对齐方法,其特征在于,用于生理数据采集设备,所述生理数据采集设备包括多个传感器,该方法包括:
基于滑动窗口算法赋予多组时序数据不同的数据窗,其中多组所述时序数据为多个传感器采集的多组时序数据,多个所述数据窗具有不同的窗口长度和滑动步长,多个所述数据窗按照不同的所述滑动步长进行滑动;
分别将多组所述时序数据的所述数据窗结束时对应的时间点确定为每组所述时序数据的目标时间点;
根据多个所述数据窗的所述窗口长度和所述滑动步长判断多个所述目标时间点是否相同;
在确定多个所述目标时间点相同时,对多组所述时序数据进行整合。
2.一种处理多模态时序数据的滑窗后对齐装置,其特征在于,用于生理数据采集设备,所述生理数据采集设备包括多个传感器,该装置包括:
处理模块,配置为基于滑动窗口算法赋予多组时序数据不同的数据窗,其中多组所述时序数据为多个传感器采集的多组时序数据,多个所述数据窗具有不同的窗口长度和滑动步长,多个所述数据窗按照不同的所述滑动步长进行滑动;
确定模块,配置为分别将多组所述时序数据的所述数据窗结束时对应的时间点确定为每组所述时序数据的目标时间点;
判断模块,配置为根据多个所述数据窗的所述窗口长度和所述滑动步长判断多个所述目标时间点是否相同;
整合模块,配置为在确定多个所述目标时间点相同时,对多组所述时序数据进行整合。
3.一种生理数据采集设备,其包括权利要求2所述的处理多模态时序数据的滑窗后对齐装置。
4.一种生理数据采集设备,其包括存储器与处理器,所述存储器存储有计算机程序,所述程序在被所述处理器执行时能够实现权利要求1所述的方法的步骤。
5.一种计算机可读存储介质,用于存储计算机程序,所述程序在由一计算机或处理器执行时实现如权利要求1所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210826866.2A CN115049015B (zh) | 2022-07-14 | 2022-07-14 | 时序数据的滑窗后对齐方法、装置及设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210826866.2A CN115049015B (zh) | 2022-07-14 | 2022-07-14 | 时序数据的滑窗后对齐方法、装置及设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115049015A CN115049015A (zh) | 2022-09-13 |
CN115049015B true CN115049015B (zh) | 2023-04-18 |
Family
ID=83165549
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210826866.2A Active CN115049015B (zh) | 2022-07-14 | 2022-07-14 | 时序数据的滑窗后对齐方法、装置及设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115049015B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116821176B (zh) * | 2023-08-30 | 2023-11-21 | 北京中科心研科技有限公司 | 时序数据的处理方法、装置、电子设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798018A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 行为预测方法、装置、存储介质及电子设备 |
CN113057585A (zh) * | 2021-03-15 | 2021-07-02 | 中国科学院计算技术研究所 | 一种认知障碍检测模型及其训练方法 |
CN113555132A (zh) * | 2020-04-24 | 2021-10-26 | 华为技术有限公司 | 多源数据处理方法、电子设备和计算机可读存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9396433B2 (en) * | 2013-05-29 | 2016-07-19 | International Business Machines Corporation | Determining related data points from multi-modal inputs |
-
2022
- 2022-07-14 CN CN202210826866.2A patent/CN115049015B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111798018A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 行为预测方法、装置、存储介质及电子设备 |
CN113555132A (zh) * | 2020-04-24 | 2021-10-26 | 华为技术有限公司 | 多源数据处理方法、电子设备和计算机可读存储介质 |
CN113057585A (zh) * | 2021-03-15 | 2021-07-02 | 中国科学院计算技术研究所 | 一种认知障碍检测模型及其训练方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115049015A (zh) | 2022-09-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110309136B (zh) | 一种数据库异常事件缺失数据填充方法及系统 | |
CN115049015B (zh) | 时序数据的滑窗后对齐方法、装置及设备和存储介质 | |
WO2019189977A8 (ko) | 인공신경망 딥러닝 기법을 활용한 측정물 분석 방법, 장치, 학습 방법 및 시스템 | |
CN109815855B (zh) | 一种基于机器学习的电子设备自动测试方法及系统 | |
CN116418882B (zh) | 基于hplc双模载波通信的存储器数据压缩方法 | |
US11571169B2 (en) | Probability-based detector and controller apparatus, method, computer program | |
CN109165167A (zh) | 一种响应时间的测试方法及装置 | |
CN111207875A (zh) | 基于多粒度并联cnn模型的肌电信号-扭矩匹配方法 | |
CN104305991A (zh) | 从心电信号中检测噪声的方法和设备 | |
CN118280606B (zh) | 智能陪护设备控制方法及其系统 | |
CN113568960A (zh) | 物联网数据实时分析方法、系统及计算机可读存储介质 | |
CN107212882B (zh) | 一种脑电信号状态变化的实时检测方法及系统 | |
Kirichenko et al. | Generalized approach to Hurst exponent estimating by time series | |
CN109770891B (zh) | 心电信号预处理方法及预处理装置 | |
Laudato et al. | Morphological Classification of Heartbeats in Compressed ECG. | |
CN117942038A (zh) | 一种融合交叉预测和判别任务的睡眠分期识别系统 | |
CN116712099A (zh) | 基于多模态数据的胎心状态检测方法、电子设备、存储介质 | |
CN115266583B (zh) | 环境光滤除方法、系统、计算机设备及计算机可读存储介质 | |
CN114533010A (zh) | 心率检测方法和装置 | |
CN112288686A (zh) | 一种模型训练方法、装置、电子设备和存储介质 | |
Gjoreski | A method for combining classical and deep machine learning for mobile health and behavior monitoring | |
CN114010174B (zh) | 一种心率监测方法、装置及系统 | |
CN109171740A (zh) | 带步态检测的智能体检机及其步态检测方法 | |
CN114999649B (zh) | 一种基于深度学习的老人体征数据监控预警方法和系统 | |
CN118262931B (zh) | 一种应急救援场景下的医疗数据特征补全方法和系统 |
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 |