[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

说明书

本发明公开了一种睡眠状态判别模型构建方法、装置及便携式智能设备，该方法包括：基于通过三轴加速度计采集的睡眠状态判别数据，提取得出睡眠状态特征数据集合；根据睡眠状态特征数据集合，构建待训练随机森林模型；每次均将从睡眠状态特征数据集合中随机选取的单个训练样本输入待训练随机森林模型，计算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，并基于此和预设分裂条件，确定每个叶节点的分裂规则，并以分裂规则进行分裂；重复多次，直至遍历完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。这样，基于单个样本来构建模型，最小化模型构建的计算资源需求。

技术领域

本发明涉及睡眠状态监测技术领域，特别涉及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、装置以及一种便携式可穿戴智能设备。

背景技术

随着睡眠状态监测技术和以智能手环、智能手机等为代表的便携式设备的不断发展，在便携式智能设备上集成睡眠状态监测功能也越来越普遍。

目前，一般是利用便携式智能设备内置的三轴加速度计来感知用户在睡眠/清醒状态下的不同动作幅度，然后基于三轴加速度计信号来进行睡眠状态判别，再则人为定义某种单一特征，并通过经验观测来设定特征阈值，进而完成用户睡眠状态的判断。而近年来，机器学习方法正在逐步取代上述基于人工经验判定的方法。

但是，由于机器学习需要利用海量可观测数据来进行建模，即要求构建模型过程中需要存储和计算大批量的数据，这样必然需要消耗大量的计算资源，而便携式智能设备往往很难满足。因此，如何消耗更小的计算资源来构建睡眠状态判别模型是本领域需要解决的问题。

发明内容

本发明的目的是提供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、装置及一种便携式智能设备，以最小化睡眠状态判别模型构建过程中的计算需求。

为实现上述目的，本发明提供如下技术方案：

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，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。

可选地，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。

可选地，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；