[发明专利]一种基于数据分析的睡眠按摩方法及系统

权利要求书

1.一种基于数据分析的睡眠按摩方法，其特征在于，包括如下步骤：

S1：采集用户的身体指标、按摩模式、按摩力度以及用户的当前图像构成影响因素矩阵X，并上传到服务器；其中，按摩模式、按摩力度构成决策变量；

S2：在服务器内，利用Elman神经网络建立影响因素矩阵X与用户睡眠舒适度指数之间的复杂非线性关系，获得用户睡眠按摩模型；

S3：利用MOEA/D算法对所述用户睡眠按摩模型进行优化，获得所述决策变量的一组最优解；

S4：将所述决策变量的一组最优解作为用户的推荐决策X’，并通过服务器下发至用户的终端设备进行显示；

S5：终端设备根据显示的推荐决策X’为用户提供按摩。

2.根据权利要求1所述的基于数据分析的睡眠按摩方法，其特征在于，步骤S1中，所述用户的身体指标包括性别、年龄、心跳频率、血压、体温、活动量、当前体重。

3.根据权利要求2所述的基于数据分析的睡眠按摩方法，其特征在于，步骤S1中，利用温度传感器采集用户的体温；利用心率传感器采集用户的心跳频率；利用血压传感器采集用户的血压；利用计步器采集用户的活动量；利用摄像头采集用户的当前图像，并将当前图像转换成数字信号上传到服务器；用户的性别、年龄、当前体重由用户输入；利用采样电路分别与所述温度传感器、所述心率传感器、所述血压传感器、所述计步器连接，并将所述温度传感器、所述心率传感器、所述血压传感器、所述计步器分别采集到的用户的体温、心跳频率、血压、活动量转换成数字信号上传到服务器。

4.根据权利要求书1所述的基于数据分析的睡眠按摩方法，其特征在于，步骤S2中，设X_k＝[x_k1,x_k2,L,x_kM](k＝1,2,L,S)为用户睡眠按摩模型的输入矢量，S为训练样本的个数，W_MI(g)为第g次迭代时输入层M与隐层I之间的权值矢量，W_JP(g)为第g次迭代时隐层J与输入层P之间的权值矢量，W_JC(g)为第g次迭代时隐层J与输入层C之间的权值矢量，

Y_K(g)＝[y_k1(g),y_k2(g),L,y_kP(g)](k＝1,2,L,S)为第g次迭代时实际输出，

d_K＝[d_k1,d_k2,L,d_kP](k＝1,2,L,S)为期望输出：以及，

建立睡眠按摩模型的步骤包括：

步骤S21：初始化，设迭代次数g初始值为0，分别赋W_MI(0)、W_JP(0)、W_JC(0)一个(0，1)区间的随机值；

步骤S22：随机输入样本X_K；

步骤S23：对输入样本X_K，向前计算所述Elman神将网络每层神经元的实际输出Y_K(g)；

步骤S24：根据期望输出d_K和实际输出Y_K(g)，计算误差E(g)；

步骤S25：判断误差E(g)是否小于预设误差值，如果大于或者等于，进入步骤S26，如果小于，则进入步骤S29；

步骤S26：判断迭代次数g+1是否大于最大迭代次数，如果大于进入步骤S29，否则，进入步骤S27；

步骤S27：对输入样本X_K反向计算所述Elman神经网络每层神经元的局部梯度δ；

步骤S28：计算权值修正ΔW，并修正权值；令g＝g+1，跳转至步骤S23；其中，ΔW_ij＝η·δ_ij，η为学习效率；W_ij(g+1)＝W_ij(g)+ΔW_ij(g)；i，j表示输入层第i个节点到隐层第j个节点的连接权重；

步骤S29：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22。