[发明专利]基于人工智能和大数据分析的协同养老服务方法及系统

权利要求书

1.一种基于人工智能和大数据分析的协同养老服务方法，其特征在于，该方法包括：

采集多个老人的特征数据以构成特征数据集合，所述特征数据包括健康数据、日常生活数据和个人爱好数据；

对所述特征数据集合进行密度聚类以得到多个初始聚类区域和多个离散特征数据点，结合所述离散特征数据点与所述初始聚类区域中每个所述特征数据点之间的距离获取每个所述离散特征数据点相对于每个所述初始聚类区域的局部离散程度；根据所述局部离散程度分别将所述离散特征数据点重新划分到所述初始聚类区域中以得到二次聚类后的多个聚类区域；

将每个所述聚类区域中的所述特征数据分别与每个养老服务类型所对应的历史服务数据进行相似度匹配，根据匹配结果推荐每个老人所对应的所述养老服务类型。

2.如权利要求1所述的方法，其特征在于，所述每个所述离散特征数据点相对于每个所述初始聚类区域的局部离散程度的方法，包括：

根据所述初始聚类区域中所有特征数据点之间的位置关系计算当前初始聚类区域的实际聚类密度；

计算当前离散特征数据点相对于当前初始聚类区域的局部聚类密度，由所述局部聚类密度与所述实际聚类密度之间的比值得到当前离散特征数据点相对于当前初始聚类区域的所述局部离散程度。

3.如权利要求2所述的方法，其特征在于，所述实际聚类密度的获取方法，包括：

分别计算当前初始聚类区域中任意一个特征数据点与其他特征数据点之间的欧式距离，得到该特征数据点对应的欧式距离集合，取所述欧式距离集合中的最大欧式距离作为该特征数据点的目标距离；

将当前初始聚类区域中所有特征数据点的所述目标距离进行相加得到第一距离之和，结合所述第一距离之和与当前初始聚类区域中所包含的所述特征数据点的总数量得到当前初始聚类区域的所述实际聚类密度。

4.如权利要求2所述的方法，其特征在于，所述当前离散特征数据点相对于当前初始聚类区域的局部聚类密度的方法，包括：

计算当前离散特征数据点与当前初始聚类区域中每个特征数据点之间的距离，得到第二距离之和，结合所述第二距离之和与当前初始聚类区域中所包含的所述特征数据点的总数量得到当前离散特征数据点相对于当前初始聚类区域的所述局部聚类密度。

5.如权利要求4所述的方法，其特征在于，所述局部聚类密度与所述第二距离之和呈负相关关系、所述局部聚类密度与所述总数量呈正相关关系。

6.如权利要求1所述的方法，其特征在于，所述密度聚类为DBSCAN算法。

7.一种基于人工智能和大数据分析的协同养老服务系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-6任意一项所述方法的步骤。