本申请提供一种认知状态检测方法，包括：基于检测或者测试获取目标认知判断项数据，包括响应时间、记忆能力和注意集中度；根据预设的特征提取规则，提取所述认知判断项数据中与认知状态相关的特征数据，将所述特征数据进行归类、归一化处理，生成样本数据；构建样本模型，将所述样本数据输入到所述样本模型，经过所述样本模型计算输出多于所述样本数据的训练数据和验证数据；构建认知状态检测神经网络，基于所述训练数据和验证数据进行所述认知状态检测神经网络训练，获得认知状态检测模型；获取待检测目标判断项数据，输入到所述认知状态检测模型，计算并获得认知状态。本申请通过构建多量的训练数据，有助于模型训练后测试的准确性提高。试的准确性提高。试的准确性提高。
【技术实现步骤摘要】
一种认知状态检测方法及装置
[0001]本申请涉及认知检测领域，尤其涉及一种认知状态检测方法。本申请还涉及一种认知状态检测装置。
技术介绍
[0002]认知能力(cognitive abilities,cognitive ability)是指人脑加工、储存和提取信息的能力，即人们对事物的构成、性能与他物的关系、发展的动力、发展方向以及基本规律的把握能力。它是人们成功的完成活动最重要的心理条件。知觉、记忆、注意、思维和想象的能力都被认为是认知能力。
[0003]认知能力检测是衡量一个人学习及完成一项工作的能力的一种测试，可以分为语言能力、计算能力、感知速度、空间能力及推理能力。
[0004]目前，认知能力测试是通过检测或者测试获取目标的相关数据，经过对数据判断和识别，对目标的认知能力进行等级确定。随着计算机技术以及深度神经网络的出现，认知能力测试可以通过智能模型进行输出，但是这依靠于较多的训练数据量，才能更准确的进行预测。
技术实现思路
[0005]本申请的目的在于克服现有技术中对认知能力分析中智能模型训练数据量不足的问题，提供一种认知状态检测方法。本申请还涉及一种认知状态检测装置。
[0006]本申请提供一种认知状态检测方法，包括：
[0007]数据获取，基于检测或者测试获取目标认知判断项数据，包括响应时间、记忆能力和注意集中度；
[0008]根据预设的特征提取规则，提取所述认知判断项数据中与认知状态相关的特征数据，将所述特征数据进行归类、归一化处理，生成样本数据；
[0009]构建样本模型，将所述样本数据输入到所述样本模型，经过所述样本模型计算输出多于所述样本数据的训练数据和验证数据；
[0010]构建认知状态检测神经网络，基于所述训练数据和验证数据进行所述认知状态检测神经网络训练，获得认知状态检测模型；
[0011]获取待检测目标判断项数据，输入到所述认知状态检测模型，计算并获得认知状态。
[0012]可选的，构建样本模型，包括：
[0013]根据所述样本数据，建立类别的相关性阈值；
[0014]基于所述类别的相关性阈值，进行阈值内随机数生成；
[0015]基于所述阈值内随机数生成，生成训练数据和验证数据。
[0016]可选的，所述相关性阈值生成，包括：
[0017]将任意两个类别数据进行关联，并计算所述任意两个类别的范围表达式；
[0018]选择一个类别数据，基于所述范围表达式生成阈值。
[0019]可选的，所述认知状态包括：正常状态、非正常状态。
[0020]可选的，所述训练数据是样本模型生成的数据；所述测试数据是基于检测或者测试获取目标认知判断项数据。
[0021]本申请还提供一种认知状态检测装置，包括：
[0022]获取模块，用于数据获取，基于检测或者测试获取目标认知判断项数据，包括响应时间、记忆能力和注意集中度；
[0023]处理模块，用于根据预设的特征提取规则，提取所述认知判断项数据中与认知状态相关的特征数据，将所述特征数据进行归类、归一化处理，生成样本数据；
[0024]生成模块，用于构建样本模型，将所述样本数据输入到所述样本模型，经过所述样本模型计算输出多于所述样本数据的训练数据和验证数据；
[0025]训练模块，用于构建认知状态检测神经网络，基于所述训练数据和验证数据进行所述认知状态检测神经网络训练，获得认知状态检测模型；
[0026]检测模块，用于获取待检测目标判断项数据，输入到所述认知状态检测模型，计算并获得认知状态。
[0027]可选的，所述生成模块构建样本模型，包括：
[0028]根据所述样本数据，建立类别的相关性阈值；
[0029]基于所述类别的相关性阈值，进行阈值内随机数生成；
[0030]基于所述阈值内随机数生成，生成训练数据和验证数据。
[0031]可选的，所述处理模块中所述相关性阈值生成，包括：
[0032]将任意两个类别数据进行关联，并计算所述任意两个类别的范围表达式；
[0033]选择一个类别数据，基于所述范围表达式生成阈值。
[0034]可选的，所述认知状态包括：正常状态、非正常状态。
[0035]可选的，所述训练数据是样本模型生成的数据；所述测试数据是基于检测或者测试获取目标认知判断项数据。
[0036]本申请的优点和有益效果：
[0037]本申请提供一种认知状态检测方法，包括：数据获取，基于检测或者测试获取目标认知判断项数据，包括响应时间、记忆能力和注意集中度；根据预设的特征提取规则，提取所述认知判断项数据中与认知状态相关的特征数据，将所述特征数据进行归类、归一化处理，生成样本数据；构建样本模型，将所述样本数据输入到所述样本模型，经过所述样本模型计算输出多于所述样本数据的训练数据和验证数据；构建认知状态检测神经网络，基于所述训练数据和验证数据进行所述认知状态检测神经网络训练，获得认知状态检测模型；获取待检测目标判断项数据，输入到所述认知状态检测模型，计算并获得认知状态。本申请通过构建多量的训练数据，有助于模型训练后测试的准确性提高。
附图说明
[0038]图1是本申请中认知状态检测流程示意图。
[0039]图2是本申请中样本模型执行流程示意图。
[0040]图3是本申请中认知状态检测装置结构示意图。
具体实施方式
[0041]下面结合附图和具体实施例对本申请作进一步说明，以使本领域的技术人员可以更好地理解本申请并能予以实施。
[0042]以下内容均是为了详细说明本申请要保护的技术方案所提供的具体实施过程的示例，但是本申请还可以采用不同于此的描述的其他方式实施，本领域技术人员可以在本申请构思的指引下，采用不同的技术手段实现本申请，因此本申请不受下面具体实施例的限制。
[0043]本申请提供一种认知状态检测方法，包括：数据获取，基于检测或者测试获取目标认知判断项数据，包括响应时间、记忆能力和注意集中度；根据预设的特征提取规则，提取所述认知判断项数据中与认知状态相关的特征数据，将所述特征数据进行归类、归一化处理，生成样本数据；构建样本模型，将所述样本数据输入到所述样本模型，经过所述样本模型计算输出多于所述样本数据的训练数据和验证数据；构建认知状态检测神经网络，基于所述训练数据和验证数据进行所述认知状态检测神经网络训练，获得认知状态检测模型；获取待检测目标判断项数据，输入到所述认知状态检测模型，计算并获得认知状态。本申请通过构建多量的训练数据，有助于模型训练后测试的准确性提高。
[0044]图1是本申请中认知状态检测流程示意图。
[0045]请参照图1所示，S101数据获取，基于检测或者测试获取目标认知判断项数据，包括响应时间、记忆能力和注意集中度；
[0046]数据获取是基于检测或者测试实现的，所述检测是指通过仪器设备进行检测，例如检测本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种认知状态检测方法，其特征在于，包括：数据获取，基于检测或者测试获取目标认知判断项数据，包括响应时间、记忆能力和注意集中度；根据预设的特征提取规则，提取所述认知判断项数据中与认知状态相关的特征数据，将所述特征数据进行归类、归一化处理，生成样本数据；构建样本模型，将所述样本数据输入到所述样本模型，经过所述样本模型计算输出多于所述样本数据的训练数据和验证数据；构建认知状态检测神经网络，基于所述训练数据和验证数据进行所述认知状态检测神经网络训练，获得认知状态检测模型；获取待检测目标判断项数据，输入到所述认知状态检测模型，计算并获得认知状态。2.根据权利要求1所述认知状态检测方法，其特征在于，构建样本模型，包括：根据所述样本数据，建立类别的相关性阈值；基于所述类别的相关性阈值，进行阈值内随机数生成；基于所述阈值内随机数生成，生成训练数据和验证数据。3.根据权利要求2所述认知状态检测方法，其特征在于，所述相关性阈值生成，包括：将任意两个类别数据进行关联，并计算所述任意两个类别的范围表达式；选择一个类别数据，基于所述范围表达式生成阈值。4.根据权利要求1所述认知状态检测方法，其特征在于，所述认知状态包括：正常状态、非正常状态。5.根据权利要求1所述认知状态检测方法，其特征在于，所述训练数据是样本模型生成的数据；所述测试数据是基于检测或者测试获取目标认知判断项数据。6.一种认知状态检测装置，其特征在于，包括：获取模块，用于数据...
【专利技术属性】
技术研发人员：花弘，
申请(专利权)人：苏州科宏健康产业有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。