一种人体健康风险状态预测系统及方法技术方案

本发明专利技术提供了一种人体健康风险状态预测系统及方法，该方法包括：数据采集模块获取智能穿戴设备采集的健康数据，并将其发送至数据预处理模块，数据预处理模块对获取的健康数据进行预处理，并将预处理过后的健康数据发送至预测模块，预测模型构建模块构建健康风险预测模型，并将其发送至预测模型训练模块，预测模型训练模块获取预设的训练数据集，并对健康风险预测模型进行训练，将训练后的模型发送至预测模块，预测模块将预处理过后的健康数据输入训练后的健康风险预测模型，进行人体健康风险状态预测。本发明专利技术提供的人体健康风险状态预测系统及方法，能够实现人体健康风险状态预测，充分利用智能穿戴式设备采集的人体健康数据。充分利用智能穿戴式设备采集的人体健康数据。充分利用智能穿戴式设备采集的人体健康数据。

【技术实现步骤摘要】
一种人体健康风险状态预测系统及方法


[0001]本专利技术涉及人体健康风险预测
，特别是涉及一种人体健康风险状态预测系统及方法。

技术介绍

[0002]随着当代人们生活节奏的加快，生活压力的增加，亚健康状态的人大量存在，同时，人们不健康的饮食习惯和生活方式也使得各式各样的疾病频发。另外，随着电子科技的发展，百姓越来越重视自己的身体健康状态，往往采用智能硬件设备进行人体健康监测，但是，监测得到的数据并未得到充分的利用，无法根据这些健康数据进一步判断人体健康风险。因此，设计一种人体健康风险状态预测系统及方法是十分有必要的。

技术实现思路

[0003]本专利技术的目的是提供一种人体健康风险状态预测系统及方法，能够实现人体健康风险状态预测，充分利用智能穿戴式设备采集的人体健康数据。
[0004]为实现上述目的，本专利技术提供了如下方案：一种人体健康风险状态预测系统，包括：数据采集模块、数据预处理模块、预测模型构建模块、预测模型训练模块及预测模块，所述数据采集模块连接所述数据预处理模块，所述数据预处理模块连接所述预测模块，所本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种人体健康风险状态预测系统，其特征在于，包括：数据采集模块、数据预处理模块、预测模型构建模块、预测模型训练模块及预测模块，所述数据采集模块连接所述数据预处理模块，所述数据预处理模块连接所述预测模块，所述预测模型构建模块连接所述预测模型训练模块，所述预测模型训练模块连接所述预测模块；所述数据采集模块用于获取智能穿戴设备采集的健康数据；所述数据预处理模块用于对健康数据进行预处理，其中，数据预处理模块遍历所有数据，检测重复无效的数据，对其进行删除，检测数据中具有缺失的特征，其中，对缺失值超过80%的特征进行删除处理，对缺失值低于80%的特征，基于KNN算法对其进行填补，基于SMOTE算法对处理的健康数据进行数据不平衡处理，基于Z
‑
score标准化方法对处理后的健康数据进行归一化处理；所述预测模型构建模块用于构建健康风险预测模型，其中，预测模型构建模块构建DAE
‑
BLS模型，对BLS的增量学习算法进行改进，使其适用于DAE
‑
BLS模型；所述预测模型训练模块用于对健康风险预测模型进行训练；所述预测模块用于将预处理过后的健康数据输入训练后的健康风险预测模型，进行人体健康风险状态预测。2.一种人体健康风险状态预测方法，应用于权利要求1所述的人体健康风险状态预测系统，其特征在于，包括如下步骤：步骤1：数据采集模块获取智能穿戴设备采集的健康数据，并将其发送至数据预处理模块；步骤2：数据预处理模块对获取的健康数据进行预处理，并将预处理过后的健康数据发送至预测模块；步骤3：预测模型构建模块构建健康风险预测模型，并将其发送至预测模型训练模块；步骤4：预测模型训练模块获取预设的训练数据集，并对健康风险预测模型进行训练，将训练后的模型发送至预测模块；步骤5：预测模块将预处理过后的健康数据输入训练后的健康风险预测模型，进行人体健康风险状态预测。3.根据权利要求2所述的人体健康风险状态预测方法，其特征在于，步骤2中，数据预处理模块对获取的健康数据进行预处理，并将预处理过后的健康数据发送至预测模块，具体包括如下步骤：步骤101：获取健康数据中的所有数据；步骤102：遍历所有数据，检测重复无效的数据，对检测到重复无效的数据进行删除；步骤103：...

【专利技术属性】
技术研发人员：张秀玲，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：