一种体重预测方法及装置、计算机可读存储介质制造方法及图纸

本发明专利技术实施例公开了一种体重预测方法及装置、计算机可读存储介质，方法包括：通过客户端获取当前对象的影响体重的参数数据；对所述影响体重的参数数据进行标准化处理，得到体重参考数据；基于预设回归系数矩阵和所述体重参考数据，进行对象体重预测，确定对象预测体重；将所述对象预测体重进行存储和评估，得到评价结果；将所述评价结果发送至所述客户端。采用上述方案，可以根据对象的影响体重的参数数据，预测对象的体重，可以方便对象及时的了解体重的变化，对体重进行管理，适用性强。适用性强。适用性强。

【技术实现步骤摘要】
一种体重预测方法及装置、计算机可读存储介质


[0001]本专利技术涉及信息处理领域，尤其涉及一种体重预测方法及装置、计算机可读存储介质。

技术介绍

[0002]随着经济的快速发展，科技的迅速进步，人民的生活水平日益提高。然而，现代社会人们由于长时间的营养摄入不均衡、作息不规律、缺乏运动致使体重过高的情况频频发生。科学研究表明，体重过高不仅会导致出现高血糖，高血脂，高血压及高尿酸等高代谢综合征的发生，而且还容易衍生心脑血管、通风等疾病。不仅如此，体重过高还可能导致关节退行性病变，甚至是肿瘤的重要诱因。因此，综合营养、运动、生活方式等因素，制定个性化的体重管理方案十分重要。现有技术是依靠专业营养师制定减重方案并监督饮食以及运动量进行体重管理，方案的适用性低和扩展性低。

技术实现思路

[0003]本专利技术实施例期望提供一种体重预测方法及装置、计算机可读存储介质，能够根据对象的影响体重的参数数据，预测对象的体重，便于对象及时了解体重的变化，对体重进行管理，适用性强。
[0004]本专利技术的技术方案是这样实现的：
[0005]本专利技术实施例提供了一种体重预测方法，所述方法包括：
[0006]通过客户端获取当前对象的影响体重的参数数据；
[0007]对所述影响体重的参数数据进行标准化处理，得到体重参考数据；
[0008]基于预设回归系数矩阵和所述体重参考数据，进行对象体重预测，确定对象预测体重；
[0009]将所述对象预测体重进行存储和评估，得到评价结果；r/>[0010]将所述评价结果发送至所述客户端。
[0011]上述方案中，所述基于预设回归系数矩阵和所述体重参考数据，进行对象体重预测，确定对象预测体重之前，所述方法还包括：
[0012]获取对象多个历史体重相关初始数据和对象最新体重相关初始数据；
[0013]对所述多个历史体重相关初始数据和所述最新体重相关初始数据进行标准化处理，得到多个历史体重相关数据和最新体重相关数据；
[0014]基于所述多个历史体重相关数据和最新体重相关数据，通过聚类算法进行聚类，确定样本数据；
[0015]基于所述样本数据，建立偏最小二乘法局部模型；
[0016]基于所述偏最小二乘法局部模型，对所述样本数据进行计算，确定所述预设回归系数矩阵。
[0017]上述方案中，所述基于所述多个历史体重相关数据和最新体重相关数据，通过聚
类算法进行聚类，确定样本数据，包括：
[0018]基于所述多个历史体重相关数据，利用所述聚类算法进行聚类，得到多个聚类中心及其各自对应的第一隶属度；
[0019]基于所述最新体重相关数据，通过隶属度准则进行计算，得到对应每个聚类中心的第二隶属度；
[0020]基于所述第一隶属度和所述第二隶属度，进行隶属度相似性匹配，确定所述样本数据。
[0021]上述方案中，所述基于所述第一隶属度和所述第二隶属度，进行隶属度相似性匹配，确定所述样本数据，包括：
[0022]基于所述第一隶属度和所述第二隶属度，进行隶属度相似性匹配，得到匹配结果；
[0023]基于所述匹配结果，选取相似度最高对应的历史体重相关数据作为所述样本数据。
[0024]上述方案中，所述样本数据包括：样本体重参考数据和样本体重数据；
[0025]上述方案中，所述基于所述偏最小二乘法局部模型，对所述样本数据进行计算，确定所述预设回归系数矩阵，包括：
[0026]基于所述样本体重参考数据和所述样本体重数据，进行运算，得到负载向量和所述样本体重参考数据的第一负载矩阵；
[0027]基于所述负载向量、所述样本体重参考数据和所述样本体重数据，进行运算，得到所述偏最小二乘法局部模型的回归参数和所述样本体重数据的第二负载矩阵；
[0028]基于所述负载向量、所述第一负载矩阵、所述回归参数和第二负载矩阵，通过预设的回归系数准则进行运算，确定所述预设回归系数矩阵。
[0029]上述方案中，所述基于所述样本体重参考数据和所述样本体重数据，进行运算，得到负载向量和所述样本体重参考数据的第一负载矩阵，包括：
[0030]基于所述样本体重参考数据和所述样本体重数据，通过预设负载向量准则进行运算，得到所述负载向量；
[0031]基于所述样本体重参考数据和所述负载向量，通过预设第一负载矩阵准则进行运算，得到所述样本体重参考数据的所述第一负载矩阵。
[0032]上述方案中，所述基于所述负载向量、所述样本体重参考数据和所述样本体重数据，进行运算，得到所述偏最小二乘法局部模型的回归参数和所述样本体重数据的第二负载矩阵，包括：
[0033]基于所述负载向量和所述样本体重参考数据，通过预设分向量准则进行运算，得到所述样本体重参考数据的分向量；
[0034]基于所述分向量和所述样本体重数据，通过预设回归参数准则进行运算，得到所述回归参数；
[0035]基于所述样本体重数据和所述分向量，通过预设第二负载矩阵准则进行运算，得到所述样本体重数据的所述第二负载矩阵。
[0036]上述方案中，所述基于预设回归系数矩阵和所述体重参考数据，进行对象体重预测，确定对象预测体重，包括：
[0037]基于所述预设回归系数矩阵和所述体重参考数据，进行乘运算，获得对象的预测
体重标准值；
[0038]对所述预测体重标准值进行反标准处理，得到所述对象预测体重。
[0039]上述方案中，所述通过客户端获取当前对象的影响体重的参数数据，包括：
[0040]通过所述客户端获取当前对象的业务数据；其中，所述业务数据包括影响体重的参数数据和无效数据；
[0041]基于所述业务数据，进行数据提取处理，获得所述体重参考数据。
[0042]上述方案中，所述影响体重的参数数据包括：摄入营养数据、运动消耗数据和身体休养数据。
[0043]上述方案中，所述对所述多个历史体重相关初始数据和所述最新体重相关初始数据进行标准化处理，得到多个历史体重相关数据和最新体重相关数据，包括：
[0044]基于所述历史体重相关初始数据，通过均值准则进行计算，得到所述历史体重相关初始数据的均值；
[0045]基于所述历史体重相关初始数据，通过方差准则进行计算，得到所述历史体重相关初始数据的方差；
[0046]基于所述历史体重相关初始数据、所述历史体重相关初始数据的所述均值和所述历史体重相关初始数据的所述方差，计算得到所述历史体重相关数据；
[0047]基于所述最新体重相关初始数据、所述历史体重相关初始数据的所述均值和所述历史体重相关初始数据的所述方差，通过标准化准则进行计算，得到所述最新体重相关数据。
[0048]上述方案中，所述将所述对象预测体重进行存储和评估，得到评价结果，包括：
[0049]将所述对象预测体重进行存储，获得存储数据；
[0050]基于所述存储数据，通过本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种体重预测方法，其特征在于，包括：通过客户端获取当前对象的影响体重的参数数据；对所述影响体重的参数数据进行标准化处理，得到体重参考数据；基于预设回归系数矩阵和所述体重参考数据，进行对象体重预测，确定对象预测体重；将所述对象预测体重进行存储和评估，得到评价结果；将所述评价结果发送至所述客户端。2.根据权利要求1中所述的方法，其特征在于，所述基于预设回归系数矩阵和所述体重参考数据，进行对象体重预测，确定对象预测体重之前，所述方法还包括：获取对象多个历史体重相关初始数据和对象最新体重相关初始数据；对所述多个历史体重相关初始数据和所述最新体重相关初始数据进行标准化处理，得到多个历史体重相关数据和最新体重相关数据；基于所述多个历史体重相关数据和最新体重相关数据，通过聚类算法进行聚类，确定样本数据；基于所述样本数据，建立偏最小二乘法局部模型；基于所述偏最小二乘法局部模型，对所述样本数据进行计算，确定所述预设回归系数矩阵。3.根据权利要求2中所述的方法，其特征在于，所述基于所述多个历史体重相关数据和最新体重相关数据，通过聚类算法进行聚类，确定样本数据，包括：基于所述多个历史体重相关数据，利用所述聚类算法进行聚类，得到多个聚类中心及其各自对应的第一隶属度；基于所述最新体重相关数据，通过隶属度准则进行计算，得到对应每个聚类中心的第二隶属度；基于所述第一隶属度和所述第二隶属度，进行隶属度相似性匹配，确定所述样本数据。4.根据权利要求3中所述的方法，其特征在于，所述基于所述第一隶属度和所述第二隶属度，进行隶属度相似性匹配，确定所述样本数据，包括：基于所述第一隶属度和所述第二隶属度，进行隶属度相似性匹配，得到匹配结果；基于所述匹配结果，选取相似度最高对应的历史体重相关数据作为所述样本数据。5.根据权利要求1至4任一项中所述的方法，其特征在于，所述样本数据包括：样本体重参考数据和样本体重数据；所述基于所述偏最小二乘法局部模型，对所述样本数据进行计算，确定所述预设回归系数矩阵，包括：基于所述样本体重参考数据和所述样本体重数据，进行运算，得到负载向量和所述样本体重参考数据的第一负载矩阵；基于所述负载向量、所述样本体重参考数据和所述样本体重数据，进行运算，得到所述偏最小二乘法局部模型的回归参数和所述样本体重数据的第二负载矩阵；基于所述负载向量、所述第一负载矩阵、所述回归参数和第二负载矩阵，通过预设的回归系数准则进行运算，确定所述预设回归系数矩阵。6.根据权利要求5中所述的方法，其特征在于，所述基于所述样本体重参考数据和所述样本体重数据，进行运算，得到负载向量和所述样本体重参考数据的第一负载矩阵，包括：
基于所述样本体重参考数据和所述样本体重数据，通过预设负载向量准则进行运算，得到所述负载向量；基于所述样本体重参考数据和所述负载向量，通过预设第一负载矩阵准则进行运算，得到所述样本体重参考数据的所述第一负载矩阵。7.根据权利要求5中所述的方法，其特征在于，所述基于所述负载向量、所述样本体重参考数据和所述样本体重数据，进行运算，得到所...

【专利技术属性】
技术研发人员：王雨，
申请(专利权)人：北京京东拓先科技有限公司，
类型：发明
国别省市：