[发明专利]睡眠状态判别模型构建方法、装置及便携式智能设备

权利要求书

1.一种应用于便携式智能设备的睡眠状态判别模型构建方法，其特征在于，包括：

基于通过三轴加速度计采集的睡眠状态判别数据，提取睡眠状态特征，得出睡眠状态特征数据集合；

根据所述睡眠状态特征数据集合，构建待训练随机森林模型；

每次均将从所述睡眠状态特征数据集合中随机选取的单个训练样本输入所述待训练随机森林模型，计算每棵所述决策树的每个叶节点所遍历过的样本数、已遍历样本所产生的增益，以及由随机阈值函数组产生的左增益和右增益，并基于所述样本数、所述增益、所述左增益、所述右增益以及预设分裂条件，确定每个所述叶节点的分裂规则，并以所述分裂规则进行分裂；

重复多次，直至遍历完所述睡眠状态特征数据集合中的所有样本，得出目标睡眠状态判别模型。

2.如权利要求1所述的方法，其特征在于，所述基于通过三轴加速度计采集的睡眠状态判别数据，提取睡眠状态特征，得出睡眠状态特征数据集合，包括：

计算预设时间段内的每个所述睡眠状态判别数据的模值，其中，所述预设时间段由目标时刻、所述目标时刻之前的第一时间段和所述目标时刻之后的第二时间段组成；

分别在所述第一时间段和所述第二时间段内计算用于表征所述模值数据波动性的第一统计结果和第二统计结果；

利用所述第一统计结果、所述第二统计结果和所述目标时刻的所述睡眠状态判别数据，构建所述目标时刻的所述睡眠状态特征；

利用各个时刻的所述睡眠状态特征，构建所述睡眠状态特征数据集合。

3.如权利要求1所述的方法，其特征在于，在所述基于通过三轴加速度计采集的睡眠状态判别数据，提取睡眠状态特征，得出睡眠状态特征数据集合之前，还包括：

根据预先设定的睡眠起止时间，通过所述三轴加速度计，持续采集个人用户的所述睡眠状态判别数据；

将睡眠开始至睡眠结束内的所述睡眠状态判别数据标注为第一数值，将睡眠结束至下一次睡眠开始内的所述睡眠状态判别数据标注为第二数值。

4.如权利要求1至3任一项所述的方法，其特征在于，所述基于所述样本数、所述增益、所述左增益、所述右增益以及预设分裂条件，确定每个所述叶节点的分裂规则，包括：

基于所述样本数、所述增益、所述左增益和所述右增益，利用节点可分裂评价函数计算出每个所述叶节点的增益；

将满足遍历样本数大于最小遍历样本数且所述增益大于最小增益的阈值函数组作为待选函数组；

将所述待选函数组中的使所述增益达到最大化的阈值函数作为所述叶节点的所述分裂规则；

其中，随机阈值函数组为S＝(s₁,...s_i,...s_I)，和分别为阈值函数s_i下节点j所遍历过的样本中划分为睡眠的样本数和清醒的样本数。

5.如权利要求4所述的方法，其特征在于，所述根据所述睡眠状态特征数据集合，构建待训练随机森林模型，包括：

从所述睡眠状态特征随机选取预设数量个特征构成特征子集，重复多次以获得多个所述特征子集；

为每个所述特征子集构建包含单个叶节点的决策树，并利用所述决策树构建所述待训练随机森林模型。

6.一种应用于便携式智能设备的睡眠状态判别模型构建装置，其特征在于，包括：

特征提取模块，用于基于通过三轴加速度计采集的睡眠状态判别数据，提取睡眠状态特征，得出睡眠状态特征数据集合；

待训练随机森林模型构建模块，用于根据所述睡眠状态特征数据集合，构建待训练随机森林模型；

节点分裂规则确定模块，用于每次均将从所述睡眠状态特征数据集合中随机选取的单个训练样本输入所述待训练随机森林模型，计算每棵所述决策树的每个叶节点所遍历过的样本数、已遍历样本所产生的增益，以及由随机阈值函数组产生的左增益和右增益，并基于所述样本数、所述增益、所述左增益、所述右增益以及预设分裂条件，确定每个所述叶节点的分裂规则，并以所述分裂规则进行分裂；

目标模型构建模块，用于重复多次，直至遍历完所述睡眠状态特征数据集合中的所有样本，得出目标睡眠状态判别模型。