一种用于个人监护的智能化识别处理方法

摘要

一种用于个人监护的智能化识别处理方法，包括输入采集的数据，在某时段下每个用户采集的数据分别构成一个数据组；对各数据组分别进行特征识别处理，并返回识别结果作为预警依据。对任一数据组进行特征识别处理的实现包括提取特征识别处理用的数据，综合得到用户实时状态值M，求取历史状态平均值根据当前的用户状态参数X，判断Ｍ是否满足若不满足则标记识别结果为异常，若满足则标记识别结果为正常，在迭代进行特征识别处理的过程中根据识别结果统计比率修正X值。本发明能够结合用户的多种数据进行识别，避免单一数据造成的偏差，识别过程针对数据组中的有效数据进行迭代测算，弥补用户错误操作或者监护漏洞而造成的误差，智能化增强识别效果。

主权项

1.一种用于个人监护的智能化识别处理方法，其特征在于，包括如下步骤：步骤1，输入采集的数据，在某时段下每个用户采集的数据分别构成一个数据组；步骤2，对步骤1得到的各数据组分别进行特征识别处理，并返回识别结果作为预警依据；对任一用户的数据组进行特征识别处理的实现包括以下子步骤，步骤2.1，从当前时段的数据组提取特征识别处理用的数据，包括当前的身体生理值H、活动量值V和地理位置信息P；步骤2.2，根据以下模型综合得到用户的实时状态值M，M＝aH+bV+cP其中，a,b,c分别为数据组内数据所占权重值，a,b,c之和为1；步骤2.3，取用户多个时间段的身体生理值、活动量值和地理位置信息值，求出身体生理平均值活动量平均值地理位置信息平均值步骤2.4，基于步骤2.2中的模型，将代入得到状态平均值$\bar{M}=a\bar{H}+b\bar{V}+c\bar{P}$步骤2.5，设定当前的用户状态参数X，判断Ｍ是否满足初次执行步骤2.5时，用户状态参数X采用预设数值，若不满足则标记识别结果为异常，更新异常结果次数R_false＝R_false+1；若满足则标记识别结果为正常，更新正常结果次数R_true＝R_true+1；步骤2.6，当R_false或R_true为0时，保持X值不变，当R_false或R_true均不为0时，修正X值，按下列公式实现，$\bar{X}=X\times Y,$其中，是修正后的X值，Y是识别结果统计比率，步骤2.7，返回步骤2.1，根据下一时段的数据组继续进行处理。