一种基于智能穿戴设备的大数据回归分析方法及系统技术方案

本发明专利技术提供的基于智能穿戴设备的大数据回归分析方法，获取智能穿戴设备的历史运动数据；根据拟合数据中不同时刻以及对应消耗的热量构建二元组；将二元组导入线性回归模型中，对线性回归模型进行拟合；利用校验数据对拟合后的线性回归模型进行校验；定义校验通过的线性回归模型为运动分析模型；接收运动监管起始时刻和运动监管结束时刻；利用运动分析模型预测运动监管起始时刻到运动监管结束时刻之间的计划消耗热量；计算用户在运动监管起始时刻到运动监管结束时刻之间的实际消耗热量；实时将实际消耗热量和计划消耗热量进行对比，根据对比结果生成实时的运动提醒信息。该方法提高了智能穿戴设备的数据分析能力以及用户体验感。感。感。

【技术实现步骤摘要】
一种基于智能穿戴设备的大数据回归分析方法及系统


[0001]本专利技术属于数据分析
，具体涉及一种基于智能穿戴设备的大数据回归分析方法及系统。

技术介绍

[0002]智能穿戴设备是应用穿戴式技术对日常穿戴进行智能化设计、开发出可以穿戴的设备，如手表、手环、眼镜、服饰等。而智能手表是最常见的智能穿戴设备。智能手表具有信息处理能力，例如智能手表具有提醒、导航、校准、交互、蓝牙同步手机打电话、收发短信、运动记录、拍照、音乐播放、录像等一种或者多种功能。
[0003]但是现有的智能手表类智能穿戴设备缺乏对采集数据进行大数据分析的功能，例如缺少对采集的运动数据、健康数据进行分析监控的功能，数据分析能力较差，用户体验感稍差。

技术实现思路

[0004]针对现有技术中的缺陷，本专利技术提供一种基于智能穿戴设备的大数据回归分析方法及系统，提高了智能穿戴设备的数据分析能力以及用户体验感。
[0005]第一方面，一种基于智能穿戴设备的大数据回归分析方法，包括：
[0006]获取智能穿戴设备的历史运动数据；历史运动数据包括用户在历史采样时间段内每天不同时刻下消耗的热量；
[0007]随机抽取部分历史运动数据作为拟合数据，定义剩下的历史运动数据作为校验数据；
[0008]根据拟合数据中不同时刻以及对应消耗的热量构建二元组；
[0009]将二元组导入线性回归模型中，对线性回归模型进行拟合；
[0010]利用校验数据对拟合后的线性回归模型进行校验；
[0011]定义校验通过的线性回归模型为运动分析模型；
[0012]接收运动监管起始时刻和运动监管结束时刻；
[0013]利用运动分析模型预测运动监管起始时刻到运动监管结束时刻之间的计划消耗热量；
[0014]计算用户在运动监管起始时刻到运动监管结束时刻之间的实际消耗热量；
[0015]实时将实际消耗热量和计划消耗热量进行对比，根据对比结果生成实时的运动提醒信息。
[0016]进一步地，计划消耗热量通过以下方式获得：
[0017]利用运动分析模型预测运动监管起始时刻到运动监管结束时刻之间消耗的热量，以得到计划消耗热量；
[0018]实际消耗热量通过以下方式获得：
[0019]当检测到当前时刻进入运动监管起始时刻时，持续实时采集智能穿戴设备记录的
用户在当前时刻下实际消耗的热量；对运动监管起始时刻到当前时刻之间采集到的实际消耗的热量进行累加，以得到实际消耗热量；
[0020]当检测到当前时刻到达运动监管结束时刻，停止采集实际消耗的热量。
[0021]进一步地，还包括：
[0022]获取智能穿戴设备的历史健康数据；历史健康数据包括用户在历史采样时间段内不同时刻的血糖数据、呼吸数据、心脏数据以及健康状态；
[0023]将不同时刻的血糖数据、呼吸数据、心脏数据以及健康状态导入逻辑回归模型中，对逻辑回归模型进行拟合；
[0024]计算拟合后的逻辑回归模型的评估指标；
[0025]当评估指标落入拟合指标标准范围内时，定义拟合后的逻辑回归模型为健康分析模型；
[0026]将智能穿戴设备当前时刻的血糖数据、呼吸数据和心脏数据导入健康分析模型；
[0027]定义健康分析模型输出的健康状态为用户的实时健康状态。
[0028]进一步地，评估指标包括召回率、准确率、精确率。
[0029]进一步地，在计算拟合后的逻辑回归模型的评估指标之后，还包括：
[0030]当评估指标未落入拟合指标标准范围内时，重新对对逻辑回归模型进行拟合。
[0031]第二方面，一种基于智能穿戴设备的大数据回归分析系统，包括：
[0032]采集单元：用于获取智能穿戴设备的历史运动数据；历史运动数据包括用户在历史采样时间段内每天不同时刻下消耗的热量；
[0033]数据预处理单元：用于随机抽取部分历史运动数据作为拟合数据，定义剩下的历史运动数据作为校验数据；根据拟合数据中不同时刻以及对应消耗的热量构建二元组；
[0034]回归模型构建单元：用于将二元组导入线性回归模型中，对线性回归模型进行拟合；利用校验数据对拟合后的线性回归模型进行校验；定义校验通过的线性回归模型为运动分析模型；
[0035]监管单元：用于接收运动监管起始时刻和运动监管结束时刻；利用运动分析模型预测运动监管起始时刻到运动监管结束时刻之间的计划消耗热量；计算用户在运动监管起始时刻到运动监管结束时刻之间的实际消耗热量；实时将实际消耗热量和计划消耗热量进行对比，根据对比结果生成实时的运动提醒信息。
[0036]进一步地，计划消耗热量通过以下方式获得：
[0037]利用运动分析模型预测运动监管起始时刻到运动监管结束时刻之间消耗的热量，以得到计划消耗热量；
[0038]实际消耗热量通过以下方式获得：
[0039]当检测到当前时刻进入运动监管起始时刻时，持续实时采集智能穿戴设备记录的用户在当前时刻下实际消耗的热量；对运动监管起始时刻到当前时刻之间采集到的实际消耗的热量进行累加，以得到实际消耗热量；
[0040]当检测到当前时刻到达运动监管结束时刻，停止采集实际消耗的热量。
[0041]进一步地，采集单元还用于：获取智能穿戴设备的历史健康数据；历史健康数据包括用户在历史采样时间段内不同时刻的血糖数据、呼吸数据、心脏数据以及健康状态；
[0042]回归模型构建单元还用于：将不同时刻的血糖数据、呼吸数据、心脏数据以及健康
状态导入逻辑回归模型中，对逻辑回归模型进行拟合；计算拟合后的逻辑回归模型的评估指标；当评估指标落入拟合指标标准范围内时，定义拟合后的逻辑回归模型为健康分析模型；
[0043]监管单元还用于：将智能穿戴设备当前时刻的血糖数据、呼吸数据和心脏数据导入健康分析模型；定义健康分析模型输出的健康状态为用户的实时健康状态。
[0044]进一步地，评估指标包括召回率、准确率、精确率。
[0045]进一步地，回归模型构建单元还用于：当评估指标未落入拟合指标标准范围内时，重新对对逻辑回归模型进行拟合。
[0046]由上述技术方案可知，本专利技术提供的基于智能穿戴设备的大数据回归分析方法及系统，通过用户的历史运动数据训练线性回归模型，得到时间与消耗热量的关系，并利用线性回归模型监督用户的运动量是否达标、进行相应提醒。这样能够对智能穿戴设备的数据进行回归分析，提高了智能穿戴设备的数据分析能力以及用户体验感。
附图说明
[0047]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中，类似的元件或部分一般由类似的附图标记标识。附图中，各元件或部分并不一定按照实际的比例绘制。
[0048]图1为实施例提供的大数据回归分析方法中运动监管的流程图。
[0049]图2为实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于智能穿戴设备的大数据回归分析方法，其特征在于，包括：获取智能穿戴设备的历史运动数据；所述历史运动数据包括用户在历史采样时间段内每天不同时刻下消耗的热量；随机抽取部分所述历史运动数据作为拟合数据，定义剩下的所述历史运动数据作为校验数据；根据所述拟合数据中不同时刻以及对应消耗的热量构建二元组；将所述二元组导入线性回归模型中，对所述线性回归模型进行拟合；利用所述校验数据对拟合后的线性回归模型进行校验；定义校验通过的线性回归模型为运动分析模型；接收运动监管起始时刻和运动监管结束时刻；利用所述运动分析模型预测所述运动监管起始时刻到所述运动监管结束时刻之间的计划消耗热量；计算用户在所述运动监管起始时刻到所述运动监管结束时刻之间的实际消耗热量；实时将所述实际消耗热量和所述计划消耗热量进行对比，根据对比结果生成实时的运动提醒信息。2.根据权利要求1所述基于智能穿戴设备的大数据回归分析方法，其特征在于，所述计划消耗热量通过以下方式获得：利用所述运动分析模型预测所述运动监管起始时刻到所述运动监管结束时刻之间消耗的热量，以得到所述计划消耗热量；所述实际消耗热量通过以下方式获得：当检测到当前时刻进入所述运动监管起始时刻时，持续实时采集所述智能穿戴设备记录的用户在当前时刻下实际消耗的热量；对所述运动监管起始时刻到当前时刻之间采集到的实际消耗的热量进行累加，以得到所述实际消耗热量；当检测到当前时刻到达所述运动监管结束时刻，停止采集所述实际消耗的热量。3.根据权利要求1所述基于智能穿戴设备的大数据回归分析方法，其特征在于，还包括：获取智能穿戴设备的历史健康数据；所述历史健康数据包括用户在所述历史采样时间段内不同时刻的血糖数据、呼吸数据、心脏数据以及健康状态；将所述不同时刻的血糖数据、呼吸数据、心脏数据以及健康状态导入逻辑回归模型中，对所述逻辑回归模型进行拟合；计算拟合后的逻辑回归模型的评估指标；当所述评估指标落入拟合指标标准范围内时，定义所述拟合后的逻辑回归模型为健康分析模型；将所述智能穿戴设备当前时刻的血糖数据、呼吸数据和心脏数据导入所述健康分析模型；定义所述健康分析模型输出的健康状态为用户的实时健康状态。4.根据权利要求3所述基于智能穿戴设备的大数据回归分析方法，其特征在于，所述评估指标包括召回率、准确率、精确率。5.根据权利要求3所述基于智能穿戴设备的大数据回归分析方法，其特征在于，在所述
计算拟合后的逻辑回归模型的评估指标之后，还包括：当所述评估指标未落入拟合指标标准范围内时，重新对对所述逻辑回归模型进行拟合。6.一种基于智能穿戴设备的大数据回归分析系统，其特征在于，包...

【专利技术属性】
技术研发人员：洪继进，
申请(专利权)人：深圳市腾进达信息技术有限公司，
类型：发明
国别省市：