[發明專利]基于復雜網絡與圖像識別的空調個性化健康管理方法

有效

• 申請號: 201810167495.5
• 申請日: 2018-02-28
• 公開（公告）號: CN108426349B
• 公開（公告）日: 2020-04-17
• 發明（設計）人: 高忠科;黨偉東;侯林華;呂冬梅
• 申請（專利權）人: 天津大學
• 主分類號: F24F11/65
• 分類號: F24F11/65;F24F11/56;F24F11/64;F24F110/10;F24F110/20;F24F120/10
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 杜文茹

1.一種基于復雜網絡與圖像識別的空調個性化健康管理方法，其特征在于，包括如下步驟：

1)獲取家居環境數據以及用戶生理數據和體檢數據；

2)構建深度卷積神經網絡A對家居圖片數據進行分析處理，其中，所述的深度卷積神經網絡A的構建過程包括如下過程：

(1)獲取大量家居圖片數據，對家居圖片數據內容進行標注，以家居環境中用戶數目、分布以及所處的家居場景為標簽，大量家居圖片數據與對應的標簽構成家居圖片數據集；

(2)構建深度卷積神經網絡A，確定網絡結構及待優化參數，以構成的家居圖片數據集為輸入，經多層卷積、池化操作后完成特征提取，通過目標函數確定分類誤差，通過反向傳播誤差優化更新待優化參數，對深度卷積神經網絡A反復訓練直至到達指定次數或分類誤差小于設定值，經輸出層完成分類辨識，確保對家居圖片數據的準確辨識；

3)在不同時段，結合多尺度理論以及可視化復雜網絡理論，對用戶脈搏數據X¹以及用戶心電數據X²進行特征提取，獲得不同時段的網絡指標；

4)構建和訓練深度卷積神經網絡B，利用深度卷積神經網絡B對步驟3)中獲得的不同時段的網絡指標進行分類；

5)對空調的運行模式進行調節，包括根據已建立的深度卷積神經網絡A、深度卷積神經網絡B和實時獲取的家居圖片數據和用戶生理數據進行自動調節，以及通過移動終端進行手動調節。

2.根據權利要求1所述的基于復雜網絡與圖像識別的空調個性化健康管理方法，其特征在于，步驟1)包括：

(1)通過攝像頭實時獲取家居圖片數據，通過分布式溫度傳感器實時獲取室內多點溫度數據，通過分布式濕度傳感器實時獲取室內多點濕度數據，構成家居環境數據；

(2)結合用戶喜好，個性化定制智能手環，用于實時獲取用戶脈搏數據X¹，通過便攜式心電采集設備，實時獲取用戶心電數據X²，構成用戶生理數據。

3.根據權利要求1所述的基于復雜網絡與圖像識別的空調個性化健康管理方法，其特征在于，步驟3)包括：

(1)對于長度為L₁的用戶脈搏數據X¹以及長度為L₂的用戶心電數據X²分別進行多尺度變換，變換過程如下：

采用如下公式分別對用戶脈搏數據和用戶心電數據進行粗粒化：

其中，是粗粒化操作后所得信號的第i個點，是信號X^a中的第j個點，a＝1時X^a表示用戶脈搏數據X¹，a＝2時X^a表示用戶心電數據X²，相應的數據長度L_a分別取L₁、L₂，β是尺度因子，μ表示數據是基于均值獲得的，表示取整操作；

(2)采用如下公式對用戶脈搏數據和用戶心電數據分別計算粗粒化方差，得到多尺度信號：

針對用戶脈搏數據X¹以及用戶心電數據X²，分別得到多尺度脈搏信號以及多尺度心電信號其中，a＝1時表示多尺度脈搏信號X^1(β)的第i個點，a＝2時表示多尺度心電信號X^2(β)的第i個點；

(3)對多尺度脈搏信號X^1(β)以及多尺度心電信號X^2(β)，分別基于可視化復雜網絡理論進行分析，若其中任意兩點和之間的任意一點滿足條件：則稱和可視，以中的每個點為網絡節點，根據各點之間的可視性確定網絡連邊：若可視，則建立連邊，若不可視，則沒有連邊，得到數據X^a在尺度β下的可視圖復雜網絡更新尺度β，得到數據X^a在多尺度下的多個可視圖復雜網絡；

(4)對于每一個可視圖復雜網絡A^a，提取包括網絡平均節點度M、網絡平均節點介數B、網絡平均聚集系數網絡全局聚集系數G、網絡聚集系數熵E_C以及網絡平均最短路徑S_P的網絡指標；

(5)分時段獲取大量用戶脈搏數據X¹以及用戶心電數據X²，重復第(1)步到第(4)步的過程，獲得網絡指標。