[发明专利]一种危险预测方法及装置

权利要求书

1.一种危险预测方法，其特征在于，包括：

获取用户的人体健康数据，位置对应的地理信息数据以及所述位置对应的外界环境数据；

将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合；

通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息；

根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件；

所述通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，包括：

通过词频-逆文本频率指数TF-IDF算法，从融合后的数据中挖掘贡献度满足预设贡献度条件的数据；

通过对满足预设贡献度条件的数据进行关联分析，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息；

所述根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件，包括：

根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，构造待分解非负矩阵；

通过奇异值分解，对待分解非负矩阵进行初始化；

通过非负矩阵分解算法，对初始化后的待分解非负矩阵进行分解，得到特征矩阵；

根据所述特征矩阵，确定所述用户在所述位置可能发生的危险事件。

2.根据权利要求1所述的方法，其特征在于，所述将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合，包括：

通过多传感器有偏估计融合算法，将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合。

3.根据权利要求2所述的方法，其特征在于，所述通过多传感器有偏估计融合算法，将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合，包括：

对所述人体健康数据，所述地理信息数据以及所述外界环境数据进行有偏估计，得到所述人体健康数据、所述地理信息数据、以及所述外界环境数据分别对应的有偏估计值；

通过公式：将所述人体健康数据、所述地理信息数据、以及所述外界环境数据分别对应的有偏估计值进行融合，得到融合后的数据；

其中，为融合后的数据，为有偏估计值，0≤W_i≤1，n为有偏估计值的个数。

4.根据权利要求1所述的方法，其特征在于，所述危险事件包括直接危险事件；

所述根据所述特征矩阵，确定所述用户在位置可能发生的危险事件，包括：

当所述特征矩阵满足危险事件发生的条件时，将所述危险事件确定为所述用户在位置可能发生的直接危险事件。

5.根据权利要求4所述的方法，其特征在于，所述危险事件还包括关联危险事件；

所述根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件，包括：

确定所述直接危险事件与其他危险事件的相似度，所述其他危险事件是不同于所述直接危险事件的危险事件；

根据所述直接危险事件与所述其他危险事件的相似度，从所述其他危险事件中确定出与所述直接危险事件相似的关联危险事件。

6.根据权利要求1至5任一项所述的方法，其特征在于，在所述根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件之后，所述方法还包括：

展示所述危险事件。

7.一种危险预测装置，其特征在于，包括：

获取模块，用于获取用户的人体健康数据，位置对应的地理信息数据以及所述位置对应的外界环境数据；

融合模块，用于将所述人体健康数据，所述地理信息数据以及所述外界环境数据进行融合；

提取模块，用于通过关联分析，从融合后的数据中，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息；

确定模块，用于根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，通过潜在特征分析，确定所述用户在所述位置可能发生的危险事件；

所述提取模块，具体用于：

通过词频-逆文本频率指数TF-IDF算法，从融合后的数据中挖掘贡献度满足预设贡献度条件的数据；

通过对满足预设贡献度条件的数据进行关联分析，提取所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息；

所述确定模块，具体用于：

根据所述人体健康数据，所述地理信息数据以及所述外界环境数据分别对应的特征信息，构造待分解非负矩阵；

通过奇异值分解，对待分解非负矩阵进行初始化；

通过非负矩阵分解算法，对初始化后的待分解非负矩阵进行分解，得到特征矩阵；

根据所述特征矩阵，确定所述用户在所述位置可能发生的危险事件。