[發明專利]基于lightGBM和蜂群算法的兒童睡眠監測系統及監測方法

有效

• 申請號: 201910651762.0
• 申請日: 2019-07-18
• 公開（公告）號: CN110338765B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 王海泉;魏建華;溫盛軍;蘇孟豪;王璦琿;喻俊;王燕
• 申請（專利權）人: 中原工學院
• 主分類號: A61B5/00
• 分類號: A61B5/00;A61B5/024;A61B5/11
• 代理公司: 鄭州優盾知識產權代理有限公司 41125
• 代理人: 張彬

1.一種基于lightGBM和蜂群算法的兒童睡眠監測系統的監測方法，其特征在于，其步驟如下：

步驟一、將測量分析系統放置在被監測人的被子內，并靠近被監測人胸部的位置，利用信號采集模塊實時對被監測人的睡眠狀態數據進行采集及預處理；

步驟二、MCU控制模塊利用訓練好的lightGBM分類器對預處理后的睡眠狀態數據進行識別，得到被監護人的睡眠狀態信息；同時，將預處理后的睡眠狀態數據存儲到MCU控制模塊的閃存單元中，閃存單元中的睡眠狀態數據定時發送至上位機系統；

步驟三、上位機系統中的學習優化模塊利用蜂群算法對lightGBM分類器的參數和數據特征個數進行優化，并把優化信息反饋給MCU控制模塊，實時調整MCU控制模塊中的lightGBM分類器；

步驟四、當MCU控制模塊利用lightGBM分類器分析睡眠狀態數據出現異常時將睡眠狀態數據轉化為警示信息，MCU控制模塊通過無線通信模塊將警示信息發送給移動終端，被監護人的家人或醫生及時作出下一步判斷處理。

2.根據權利要求1所述的基于lightGBM和蜂群算法的兒童睡眠監測系統的監測方法，其特征在于，所述步驟一中采集的被監測人的睡眠狀態數據包括被子的偏轉角度、角速度、角加速度、加速度、被子內部的溫度、濕度、被監測人的心率和呼吸率。

3.根據權利要求1或2所述的基于lightGBM和蜂群算法的兒童睡眠監測系統的監測方法，其特征在于，所述學習優化模塊利用蜂群算法對lightGBM分類器和數據特征個數進行優化的方法為：

S31、初始化蜂群個數Q，初始化觀察蜂的迭代次數l＝0和偵察蜂的迭代次數t＝0，設置觀察蜂的最大迭代次數l_max和偵察蜂的最大迭代次數t_max；

S32、蜂群算法對應的解：每個解包括代表睡眠狀態數據8個特征是否被選中的索引值和lightGBM分類器的6個參數，解的維度為14維，其中，8個特征分別為被子的偏轉角度、角速度、角加速度、加速度、被子內部的溫度、濕度、被監測人的心率和呼吸率，8個特征是否被選中的索引值的取值均為0或1，0表示否，1表示是，6個參數分別為迭代器數量、特征占比、學習率、最小葉子節點樣本權重和、樹的深度和葉子數量，迭代器數量的取值范圍為[1,1000]，特征占比的取值范圍為[0,1.0]，學習率的取值范圍為[0.001,0.9]，最小葉子節點樣本權重和的取值范圍為[1,100]，樹的深度的取值范圍為[1,10]，葉子數量的取值范圍為[1,30]；

S33、在取值范圍內隨機選擇特征和參數的值，獲得一組初始解向量；

S34、將初始解向量輸入lightGBM分類器中，并計算初始解向量對應的目標函數的初值AUC₀；

S35、雇傭蜂階段：隨機修改初始解向量中某一個元素的值，更新為當前最優解，重復步驟S34獲得目標函數的值AUC，若AUCAUC₀，則替換當前最優解和目標函數的值，否則，初始解向量不變，目標函數的值AUC₀不變；

S36、觀察蜂階段：觀察蜂按照選擇概率選擇解向量并對其任意維度進行更新，判斷目標函數的值是否替換當前最優解，若新解的目標函數的值高于當前最優解對應的目標函數的值則替換，否則當前最優解及其對應的目標函數的值保持不變；

S37、觀察蜂的迭代次數l+1，循環步驟S36，直至觀察蜂的迭代次數達到觀察蜂的最大迭代次數l_max，結束循環，執行步驟S38；

S38、偵察蜂階段：將步驟S37中的觀察蜂轉變為偵查蜂，并生成一組新解進行開采更新，偵察蜂的迭代次數t+1，判斷偵察蜂的迭代次數是否達到偵察蜂的最大迭代次數t_max，若是，執行步驟S39，否則，執行步驟S36；

S39、輸出目標函數的最優值AUC對應的解向量，并利用解向量包含的6個參數值更新lightGBM分類器。