一种基于数据分析的睡眠按摩方法及系统技术方案

本发明专利技术公开了一种基于数据分析的睡眠按摩方法及系统，让用户随时随地都能了解自己的睡眠状况，为用户营造了更好的生活环境。包括：S1：采集用户的身体指标、按摩模式、按摩力度以及用户的当前图像构成影响因素矩阵X，并上传；其中，按摩模式、按摩力度构成决策变量；S2：利用Elman神经网络建立影响因素矩阵X与用户睡眠舒适度指数之间的复杂非线性关系，获得用户睡眠按摩模型；S3：对所述用户睡眠按摩模型进行优化，获得所述决策变量的一组最优解；S4：将所述决策变量的一组最优解作为用户的推荐决策X’，并通过服务器下发至用户的终端设备进行显示；S5：终端设备根据显示的推荐决策X’为用户提供按摩。

【技术实现步骤摘要】
一种基于数据分析的睡眠按摩方法及系统
本专利技术涉及用户智能睡眠按摩领域，具体涉及一种基于数据分析的睡眠按摩方法及系统。
技术介绍
随着国民经济的快速发展，年龄在20-45岁的成年人由于生活、工作的压力，成为失眠、颈椎病等问题的高发人群。如何才能睡得好、保护颈椎？成为成年人睡眠质量最关切的问题。人有三分之一的时间是在睡眠中度过，睡眠质量、颈椎睡眠舒适度与睡眠舒适度息息相关。但如果仅仅使用缺乏科学依据的个人经验对睡眠按摩，其不合理的按摩方案，可能会使，颈椎、肌肉得不到很好的放松，都达不到我们预想的目标，间接造成大量的精力损失和金钱浪费。目前，亟需解决的问题是建立一套全面的用户睡眠按摩模型，并将用户入睡快慢，深度睡眠情况反馈给用户，让用户能及时对按摩方案做出调整。影响按摩舒适度的各个因素之间往往体现出高度的复杂性和非线性，采用常规预测，分析方法存在一定难度。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于物联网大数据分析的睡眠按摩方法及系统，以解决现在过度劳累过程中因缺乏肌肉放松、休息，无法掌控最优的睡眠方案而导致用户睡眠质量差或者一觉醒来身体酸痛的问题，让用户随时随地都能了解自己的睡眠状况，为用户营造了更好的生活环境。本专利技术的目的是这样实现的：一种基于数据分析的睡眠按摩方法，包括如下步骤：S1：采集用户的身体指标、按摩模式、按摩力度以及用户的当前图像构成影响因素矩阵X，并上传到服务器；其中，按摩模式、按摩力度构成决策变量；S2：在服务器内，利用Elman神经网络建立影响因素矩阵X与用户睡眠舒适度指数之间的复杂非线性关系，获得用户睡眠按摩模型；S3：利用MOEA/D算法对所述用户睡眠按摩模型进行优化，获得所述决策变量的一组最优解；S4：将所述决策变量的一组最优解作为用户的推荐决策X’，并通过服务器下发至用户的终端设备进行显示；S5：终端设备根据显示的推荐决策X’为用户提供按摩。优选地，步骤S1中，所述用户的身体指标包括性别、年龄、心跳频率、血压、体温、活动量、当前体重。优选地，步骤S1中，利用温度传感器采集用户的体温；利用心率传感器采集用户的心跳频率；利用血压传感器采集用户的血压；利用计步器采集用户的活动量；利用摄像头采集用户的当前图像，并将当前图像转换成数字信号上传到服务器；用户的性别、年龄、当前体重由用户输入；利用采样电路分别与所述温度传感器、所述心率传感器、所述血压传感器、所述计步器连接，并将所述温度传感器、所述心率传感器、所述血压传感器、所述计步器分别采集到的用户的体温、心跳频率、血压、活动量转换成数字信号上传到服务器。优选地，步骤S2中，设Xk＝[xk1,xk2,L,xkM](k＝1,2,L,S)为用户睡眠按摩模型的输入矢量，S为训练样本的个数，WMI(g)为第g次迭代时输入层M与隐层I之间的权值矢量，WJP(g)为第g次迭代时隐层J与输入层P之间的权值矢量，WJC(g)为第g次迭代时隐层J与输入层C之间的权值矢量，YK(g)＝[yk1(g),yk2(g),L,ykP(g)](k＝1,2,L,S)为第g次迭代时实际输出，dK＝[dk1,dk2,L,dkP](k＝1,2,L,S)为期望输出：以及，建立睡眠按摩模型的步骤包括：步骤S21：初始化，设迭代次数g初始值为0，分别赋WMI(0)、WJP(0)、WJC(0)一个(0，1)区间的随机值；步骤S22：随机输入样本XK；步骤S23：对输入样本XK，向前计算所述Elman神将网络每层神经元的实际输出YK(g)；步骤S24：根据期望输出dK和实际输出YK(g)，计算误差E(g)；步骤S25：判断误差E(g)是否小于预设误差值，如果大于或者等于，进入步骤S26，如果小于，则进入步骤S29；步骤S26：判断迭代次数g+1是否大于最大迭代次数，如果大于进入步骤S29，否则，进入步骤S27；步骤S27：对输入样本XK反向计算所述Elman神经网络每层神经元的局部梯度δ；步骤S28：计算权值修正ΔW，并修正权值；令g＝g+1，跳转至步骤S23；其中，ΔWij＝η·δij，η为学习效率；Wij(g+1)＝Wij(g)+ΔWij(g)；i，j表示输入层第i个节点到隐层第j个节点的连接权重；步骤S29：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22。优选地，S3中，利用MOEA/D算法对睡眠按摩模型进行优化，包括以下步骤：步骤S31：初始化所述睡眠按摩模型,包括：步骤S311：将待优化的睡眠按摩模型的多个目标分解为N个单目标,并对每个单目标赋予权重(λ1，λ2，···λN)；步骤S312：计算任意两个单目标权重的欧式距离B(i),对于每个i＝1,2，...N,令B(i)＝{i1,i2,...iT}则为距离权重向量λi最近的T个权重；步骤S313：初始化种群x1...L...XN的初始化目标函数最佳值z＝(z1···zM)T,Zi＝min{fi(x1)，...fi(xN)},设置外部存档EP为空；步骤S32：对单个待优化目标最优值进行重复计算，每次产生的新向量更加接近多目标优化的最优值；步骤S33：判断迭代次数是否达到预设的上限，如果达到，则输出外部存档EP的值，并作为所述决策变量的一组最优解：如果未达到，则返回步骤S32。优选地，步骤S32包括：步骤S321：从B(i)中随机选取两个序列号为k和1的子向量，利用遗传算子Xk,Xl产生一个新的解y，并对解y利用基于测试问题的修复和改进启发产生y'；步骤S322：对于j＝l,...m如果Zi＜fj(y’),则令Zi＝fj(y')；步骤S323：对于j∈B(i)，如果gte(y'/λj,Z)≤gte(x/λj,Z)，则令xj＝y’，FV'＝F(yj),其中gte(x/λj,Z)表示第j个子问题的目标函数，利用切比雪夫法将多目标优化分解为N个标量优化子问题，具体表达式为：其中,FV为x的目标函数,FV'＝F(xi),FVi是xi的F值：步骤S324：从外部存档EP中移出所有被F(y')支配的向,量加入所有不被支配的F(y')。一种基于数据分析的睡眠按摩系统，包括：数据采集单元，用于采集用户的身体指标、按摩模式、按摩力度以及用户的当前图像构成影响因素矩阵X，并上传至服务器，其中，所述按摩模式、按摩力度构成决策变量；用户睡眠按摩模型建立单元，用于在所述服务器内利用Elman神经网络建立影响因素矩阵X与用户睡眠舒适度指数之间的复杂非线性关系，获得用户睡眠按摩模型；决策变量最优解获取单元，用于利用MOEA/D算法对所述智能睡眠按摩模型进行优化，获得所述决策变量的一组最优解，并作为所述用户的推荐决策X’；推荐决策下发单元，用于通过所述服务器将所述用户的推荐决策X’下发至用户的终端设备进行显示，终端设备根据显示的推荐决策X’为用户提供按摩。由于采用了上述技术方案，本专利技术在服务器内利用Elman神经网络建立影响因素矩阵X与用户睡眠舒适度指数之间的复杂非线性关系，获得睡眠按摩的动态模型，再利用MOEA/D算法优化睡眠按摩模型，确定了用户按摩模式、按摩力度的最优值，并将用户按摩模式、按摩力度的最优值构成用户睡眠按摩方案即时反馈给用户，让用户随时随地都能了解自己的睡眠状况，为用户营造了更好的生活环境。本文档来自技高网...

【技术保护点】
1.一种基于数据分析的睡眠按摩方法，其特征在于，包括如下步骤：S1：采集用户的身体指标、按摩模式、按摩力度以及用户的当前图像构成影响因素矩阵X，并上传到服务器；其中，按摩模式、按摩力度构成决策变量；S2：在服务器内，利用Elman神经网络建立影响因素矩阵X与用户睡眠舒适度指数之间的复杂非线性关系，获得用户睡眠按摩模型；S3：利用MOEA/D算法对所述用户睡眠按摩模型进行优化，获得所述决策变量的一组最优解；S4：将所述决策变量的一组最优解作为用户的推荐决策X’，并通过服务器下发至用户的终端设备进行显示；S5：终端设备根据显示的推荐决策X’为用户提供按摩。

【技术特征摘要】
1.一种基于数据分析的睡眠按摩方法，其特征在于，包括如下步骤：S1：采集用户的身体指标、按摩模式、按摩力度以及用户的当前图像构成影响因素矩阵X，并上传到服务器；其中，按摩模式、按摩力度构成决策变量；S2：在服务器内，利用Elman神经网络建立影响因素矩阵X与用户睡眠舒适度指数之间的复杂非线性关系，获得用户睡眠按摩模型；S3：利用MOEA/D算法对所述用户睡眠按摩模型进行优化，获得所述决策变量的一组最优解；S4：将所述决策变量的一组最优解作为用户的推荐决策X’，并通过服务器下发至用户的终端设备进行显示；S5：终端设备根据显示的推荐决策X’为用户提供按摩。2.根据权利要求1所述的基于数据分析的睡眠按摩方法，其特征在于，步骤S1中，所述用户的身体指标包括性别、年龄、心跳频率、血压、体温、活动量、当前体重。3.根据权利要求2所述的基于数据分析的睡眠按摩方法，其特征在于，步骤S1中，利用温度传感器采集用户的体温；利用心率传感器采集用户的心跳频率；利用血压传感器采集用户的血压；利用计步器采集用户的活动量；利用摄像头采集用户的当前图像，并将当前图像转换成数字信号上传到服务器；用户的性别、年龄、当前体重由用户输入；利用采样电路分别与所述温度传感器、所述心率传感器、所述血压传感器、所述计步器连接，并将所述温度传感器、所述心率传感器、所述血压传感器、所述计步器分别采集到的用户的体温、心跳频率、血压、活动量转换成数字信号上传到服务器。4.根据权利要求书1所述的基于数据分析的睡眠按摩方法，其特征在于，步骤S2中，设Xk＝[xk1,xk2,L,xkM](k＝1,2,L,S)为用户睡眠按摩模型的输入矢量，S为训练样本的个数，WMI(g)为第g次迭代时输入层M与隐层I之间的权值矢量，WJP(g)为第g次迭代时隐层J与输入层P之间的权值矢量，WJC(g)为第g次迭代时隐层J与输入层C之间的权值矢量，YK(g)＝[yk1(g),yk2(g),L,ykP(g)](k＝1,2,L,S)为第g次迭代时实际输出，dK＝[dk1,dk2,L,dkP](k＝1,2,L,S)为期望输出：以及，建立睡眠按摩模型的步骤包括：步骤S21：初始化，设迭代次数g初始值为0，分别赋WMI(0)、WJP(0)、WJC(0)一个(0，1)区间的随机值；步骤S22：随机输入样本XK；步骤S23：对输入样本XK，向前计算所述Elman神将网络每层神经元的实际输出YK(g)；步骤S24：根据期望输出dK和实际输出YK(g)，计算误差E(g)；步骤S25：判断误差E(g)是否小于预设误差值，如果大于或者等于，进入步骤S26，如果小于，则进入步骤S29；步骤S26：判断迭代次数g+1是否大于最大迭代次数，如果大于进入步骤S29，否则，进入步骤S27；步骤S27：对输入样本XK反向计算所述Elman神经网络每层神经元的局部梯度δ；步骤S28：计算权值修正ΔW，并修正权值；令g＝...

【专利技术属性】
技术研发人员：彭团结，李太福，唐波，张昆涛，
申请(专利权)人：重庆科技学院，
类型：发明
国别省市：重庆,50