基于睡眠与饮食分析的个性化机器学习精神压分析算法制造技术

基于睡眠与饮食分析的个性化机器学习精神压分析算法。一种个性化人体精神压力预测方法，其特征为：以普及与易得的人体参数为基础，利用机器学习算法来实现因人而异的人体精神压力大小预测。

An algorithm of individual machine learning stress analysis based on sleep and diet analysis

【技术实现步骤摘要】
基于睡眠与饮食分析的个性化机器学习精神压分析算法
本专利技术涉及一种人员精神压力检测算法，尤其涉及一种个性化的基于睡眠等参数的机器学习算法。
技术介绍
众所周知，人的心理压力和饮食习惯对于人的睡眠质量有很大的影响，通过量化人的心理压力，饮食习惯，以及睡眠质量，并且寻找四对一的映射关系可以帮助人们监控自己精神状况以及生活状况。生活中当人们压力大时，除了通过专业的心理测试如SAS(焦虑自评量表)可以量化自己的压力指标，人是很难具体知道自己的压力的。但是在不同压力状况下人的机体可能会有不同的反应，比如：暴饮暴食，睡眠质量差。当然也可以这么说，当人的睡眠质量差，或者开始暴饮暴食时，我们可以推测他的心理压力比较大。这种推测其实在公认的焦虑自评量表(SAS)中体现的非常明显，该量表会通过调查问卷，来记录一个人做的噩梦，或者头晕等身体症状，然后来预测人的压力指标。但是想要该表是针对于所有具有焦虑症状的成年人，而人和人之间是有差异的，如果能设计一个个性化的压力监控指标且能根据人的习惯进行自动学习，就可帮助人们实现个性化的压力监控。<br>现有的专利如“本文档来自技高网...

【技术保护点】
1.一种个性化人体精神压力预测方法，其特征为：以普及与易得的人体参数为基础，利用机器学习算法来实现因人而异的人体精神压力值预测。/n

【技术特征摘要】
1.一种个性化人体精神压力预测方法，其特征为：以普及与易得的人体参数为基础，利用机器学习算法来实现因人而异的人体精神压力值预测。


2.根据权利要求1所述的精神压力预测方法，其特征为：采用的数据集为饮食量、睡眠质量与SAS测评值，并且区别与应用瞳孔图像特征提取来进行人体情绪分析，饮食量、睡眠质量与人的精神状况的关系更强；区别于单纯应用人体血压、心率参数，SAS的主观测评值能更加精准地预测人体精神状况。


3.根据权利要求1所述的精神压力预测方法，其特征为：使用机器学习决策树方法，首先做大数据集的模型训练来获得基础模型；在用户端适配时通过加入其本人一段时间一定的数据量，易获得更具个性化的模型：






H(D)为数据集的信息熵，Gain(D,a)为某属性的增益；
ID3决策树算法：















1
荤
大量
深睡长
SAS高
压力大


2
荤
适量
深睡长
SAS高
压力大


3
荤
大量
深睡短
SAS高
压力大


4
...

【专利技术属性】
技术研发人员：漆进，何奕璇，孙岩啸，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51