买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明提供一种基于物联网和大数据的养老信息规划方法及系统，该方法包括：对获取到的目标养老用户的多通道人体生理信号进行特征分类，得到目标生理信号特征；对目标生理信号特征进行聚类分析，得到生理特征类别，对生理特征类别进行生理信号的微状态划分，得到微状态划分结果；基于微状态划分结果进行原始生理信号与微状态类别的映射，将连续的生理信号转变为微状态序列，提取微状态序列特征；将微状态序列特征输入至情绪状态预测模型，获得情绪计算结果；根据情绪计算结果进行养老信息规划。本发明通过穿戴式采集设备，以及物联网和大数据的情绪状态预测模型准确地预测出养老用户的情绪计算结果，从而提高了养老信息规划的准确性。

主权项：1.一种基于物联网和大数据的养老信息规划方法，其特征在于，包括对通过穿戴式采集设备获取到的目标养老用户的多通道人体生理信号进行特征分类，得到目标生理信号特征；对所述目标生理信号特征进行聚类分析，得到生理特征类别，并对所述生理特征类别进行生理信号的微状态划分，得到微状态划分结果；基于所述微状态划分结果进行原始生理信号与微状态类别的映射，将连续的生理信号转变为微状态序列，提取微状态序列特征；将所述微状态序列特征输入至情绪状态预测模型，获得所述情绪状态预测模型输出的情绪计算结果；所述情绪状态预测模型是基于物联网和大数据的样本微状态序列特征，以及样本微状态序列特征对应的情绪标签训练得到；根据所述情绪计算结果进行养老信息规划；其中，所述对通过穿戴式采集设备获取到的目标养老用户的多通道人体生理信号进行特征分类，得到目标生理信号特征，包括：将所述多通道人体生理信号输入至生理信号分类模型中的第一卷积模块，通过所述第一卷积模块对所述多通道人体生理信号进行降维处理，得到浅层信号特征；将所述浅层信号特征分别输入至所述生理信号分类模型中的生理特征混合模块和信号特征混合模块中，通过所述生理特征混合模块提取所述浅层信号特征的多尺度生理特征，并通过所述信号特征混合模块提取所述浅层信号特征的多尺度信号特征；将所述多尺度生理特征和所述多尺度信号特征的叠加结果输入所述生理信号分类模型中的第二卷积模块中，通过所述第二卷积模块对所述得到叠加结果进行分类，得到所述目标生理信号特征；所述生理特征混合模块包括依次串联的第一归一化层、生理自适应特征调制单元、第二归一化层和生理混合器，所述通过所述生理特征混合模块提取所述浅层信号特征的多尺度生理特征，包括：通过所述第一归一化层对所述浅层信号特征进行归一化处理，得到第一信号特征；通过所述生理自适应特征调制单元对所述第一信号特征进行生理自适应特征调制，得到第一生理特征；通过所述第二归一化层对所述浅层信号特征和所述第一生理特征的第一乘积进行归一化处理，得到第二生理特征；通过所述生理混合器对所述第二生理特征进行生理混合处理，得到第三生理特征，所述第三生理特征和所述第一乘积的叠加结果为所述多尺度生理特征；所述生理自适应特征调制单元包括依次串联的多尺度生理特征生成单元、第一卷积层和第一激活函数，所述通过所述生理自适应特征调制单元对所述第一信号特征进行生理自适应特征调制，得到第一生理特征，包括：通过所述多尺度生理特征生成单元提取所述第一信号特征对应的多个生理特征信号；通过所述第一卷积层对所述多个生理特征信号的拼接结果进行卷积，得到卷积后的生理特征信号；通过所述第一激活函数对所述卷积后的生理特征信号进行非线性变换，得到变换后的生理特征信号，所述变换后的生理特征信号和所述第一信号特征的乘积为所述第一生理特征；所述多尺度生理特征生成单元包括并联的第一深度卷积层和多个生理特征生成分支，各生理特征生成分支均包括依次串联的自适应平均池化层，第二深度卷积层和最近邻上采样层，所述各生理特征生成分支包括的自适应平均池化层的池化分辨率不同，所述通过所述多尺度生理特征生成单元提取所述第一信号特征对应的多个生理特征信号，包括：通过所述第一深度卷积层对所述第一信号特征进行深度卷积，第一生理特征信号；针对所述各生理特征生成分支，通过所述自适应平均池化层对所述第一信号特征进行池化处理，得到池化后的生理特征；通过所述第二深度卷积层对所述池化后的生理特征进行深度卷积，得到深度卷积后的生理特征；通过所述最近邻上采样层对所述深度卷积后的生理特征进行上采样，得到第二生理特征信号；其中，所述多个生理特征信号包括所述第一生理特征信号和所述各生理特征生成分支得到的所述第二生理特征信号；所述信号特征混合模块包括依次串联的第三归一化层、信号自适应特征调制单元、第四归一化层和信号混合器，所述通过所述信号特征混合模块提取所述浅层信号特征的多尺度信号特征，包括：通过所述第三归一化层对所述浅层信号特征进行归一化处理，得到第二信号特征；通过所述信号自适应特征调制单元对所述第二信号特征进行信号自适应特征调制，得到第一信号特征；通过所述第四归一化层对所述浅层信号特征和所述第一信号特征的第二乘积进行归一化处理，得到第二信号特征；通过所述信号混合器对所述第二信号特征进行生理混合处理，得到第三信号特征，所述第三信号特征和所述第二乘积的叠加结果为所述多尺度信号特征。

全文数据：

权利要求：

百度查询： 深圳市视壮科技有限公司 一种基于物联网和大数据的养老信息规划方法及系统