[发明专利]婴儿发育情况预测方法、装置、存储介质及电子设备

权利要求书

1.一种婴儿发育情况预测方法，其特征在于，包括以下步骤：

获取待测样本的单次肢体运动数据及对应的月龄数据；

针对所述待测样本的单次肢体运动数据进行数据处理，得到与月龄数据相对应的针对所述待测样本单次肢体运动的特征值；

将预定次数的与所述待测样本相对应的单次肢体运动的特征值及对应的月龄数据带入至堆叠式极限学习机的数学模型，进行逻辑运算；

以所述堆叠式极限学习机的逻辑运算的输出结果作为所述待测样本发育正常或者发育迟缓的依据，得到所述婴儿发育情况的预测结果。

2.根据权利要求1所述的婴儿发育情况预测方法，其特征在于，所述堆叠式极限学习机的数学模型的构建方法包括以下步骤：

获取训练样本的单次肢体运动数据及对应的月龄数据，其中，所述训练样本为已知发育状况的样本；

针对所述训练样本的单次肢体运动数据进行数据处理，得到与月龄数据相对应的针对所述训练样本单次肢体运动的特征值；

将所述与月龄数据相对应的针对所述训练样本单次肢体运动的特征值带入至逻辑运算公式：当所述训练样本为多个时，得到多个基于所述逻辑运算公式的表达式；

其中，

L为单隐层神经网络的节点数，

g(x)为激活函数，

w_i＝[W_i1,w_i2,...,w_in]^T为第i个隐层单元的输入权重，

Bi为第i个隐层单元的偏置，

β_i＝[β_i1,β_i2,...,β_im]^T为第i个隐层单元的输出权重，

Oj为针对训练样本，应用堆叠式极限学习机进行分类后的逻辑运算输出结果，其中，所述逻辑运算输出结果包括发育正常和发育迟缓2个大类；

根据所述多个基于所述逻辑运算公式的表达式，确定所述激活函数g(x)的表达式、所述第i个隐层单元的输入权重wi、所述第i个隐层单元的偏置bi以及所述第i个隐层单元的输出权重βi；

再将确定后的激活函数g(x)的表达式、所述第i个隐层单元的输入权重wi、所述第i个隐层单元的偏置bi以及所述第i个隐层单元的输出权重βi带回至所述逻辑运算公式，得到所述堆叠式极限学习机的数学模型。

3.根据权利要求1或2所述的婴儿发育情况预测方法，其特征在于，所述单次肢体运动数据包括：

单次肢体运动的始时刻T_i0、末时刻T_i1、平均加速度a_v、峰值加速度a_m、左腿运动类型S_L、右腿运动类型S_R；

其中，单次运动持续时间t_i是单次运动末时刻与单次运动始时刻T_i0的差值T_i1-T_i0。

4.根据权利要求1或2所述的婴儿发育情况预测方法，其特征在于，针对所述待测样本的单次肢体运动数据进行数据处理，得到与月龄数据相对应的针对所述待测样本单次肢体运动的特征值的方法选自单变量特征选择、递归特征选择、逐步特征选择中的一种，所述针对所述待测样本的单次肢体运动数据进行数据处理，得到与月龄数据相对应的针对所述待测样本单次肢体运动的特征值具体包括：

所述单变量特征选择通过对所述单次肢体运动数据中的单一变量的统计度量方法，选取得到作为所述单次肢体运动的特征值；或

所述递归特征选择通过对所述单次肢体运动数据中的各变量进行归一化数据处理，以得到的数据作为所述单次肢体运动的特征值；或

所述逐步特征选择通过逐一选取所述单次肢体运动数据中的单一变量、对所述单次肢体运动数据中的各变量进行归一化数据处理得到的数据依次作为单次肢体运动的特征值。

5.根据权利要求2所述的婴儿发育情况预测方法，其特征在于，在所述逻辑运算输出结果中，

根据所述堆叠式极限学习机的数学模型，对发育正常进行不同的分级；

根据所述堆叠式极限学习机的数学模型，对发育迟缓进行不同的分级。