基于多阶隐马尔可夫模型的健康预警方法

摘要

本发明提供一种基于多阶隐马尔可夫模型的健康预警方法，包括如下步骤：建立标准健康知识库：建立个人体征数据信息库，建立多阶隐马尔可夫模型，针对个人的预测与预警。通过本发明的方法，提供互动的主动健康服务模式，人的健康状态随着时间推移，当与健康知识库相应指标比对，发生异常时会重点提示预警。这些状态转换空间可能会划分为很多可达等价类，一方面，利用大数据可发现体征数据发展趋势和健康走向；另一方面，当需要判断一个新的会员健康状态时，可找相应匹配状态等价类，用其中容易判断的状态来判断(病症和发展趋势状态与速度类似)，用此给出预警和建议。

主权项

一种基于多阶隐马尔可夫模型的健康预警方法，其特征在于，包括如下步骤：(一)建立标准健康知识库：记录体征数据的正常值，体检和常规检查数据的正常值，用于将来与个人真实健康数据比对；(二)建立个人体征数据信息库，存储个人的健康信息，包括体征数据，体检和常规检查数据。用于与标准健康知识库比对，跟踪数据变化，以分析健康状况走势，提供健康预警以及个性化改善方案；(三)建立多阶隐马尔可夫模型，把人在某一时刻t的健康状态用S_t表示，则人在不同时间的健康状况用一系列状态表示，人在不同时期的健康状态看成一系列的状态转移；对人的健康状态指标S_t用m个指标数据表示，则人在不同时间的健康状况用一系列m维向量表示，S_t＝(S_t,1,S_t,2,……S_t,m)；一个人从t时刻状态S_t到t+1时刻状态S_t+1转移的概率为P_ij，则从t时刻状态到t+1时刻的状态转移概率矩阵为A＝(P_ij)_N×N,即下面的公式(1)：S_t+1＝S_t A    (1)其中0≤P_ij≤1    $\underset{i=1}{\overset{N}{\Sigma }}{P}_{\mathrm{ij}}=1;\forall j=\mathrm{1,2,3}···N$(四)针对个人的预测与预警，先从个人体征数据信息库中读取相应体征数据，然后获得起初始状态，然后用多阶隐马尔可夫模型做预测。