[发明专利]一种基于VR技术的心理学记忆数据提升检测方法及系统

摘要

本发明属于记忆提升技术领域，公开了一种基于VR技术的心理学记忆数据提升检测方法及系统，系统包括：数据输入模块、内容分类模块、学习模块、主控模块、数据库模块、心理评估模块、记忆加强模块、VR模块。同时公开一种基于VR技术的心理学记忆数据提升检测方法实施方案。本发明通过心理评估模块可以采集得到大量的用户数据可以用于实现云计算，运用机器学习的方法挖掘出用户个性化心理特征，进一步提供针对性的心理辅导；同时通过记忆加强模块通过分析图像信息对用户产生的心理效应，选择显示具有积极效果的图像信息从而调整用户的心理状态数据信息，使用户的生活更健康；提升记忆能力。

主权项

1.一种基于VR技术的心理学记忆数据提升检测方法，其特征在于，所述基于VR技术的心理学记忆数据提升检测方法包括：输入记忆训练内容数据；将输入的记忆训练内容数据进行存储；对记忆训练内容数据进行分类；若训练样本有k类，k≥2；依据训练样本类别，由两类样本组成个训练子集，训练子集X_n为：X_n＝{{x_i}，{x_j}}，其中，且i≠j,{x_i}和{x_j}分别表示训练集中第i和第j类样本的集合；利用训练子集X_n生成判别模型y_n＝f_n(x)；利用非线性连续函数对分类器组输出y_n进行映射，若为第n个分类器输出的非线性映射，为：其中a是为增强算法泛化性能而引入的松弛变量；a>0；分类器组由k个分类器组成，则为数据处理结果；得到记忆训练内容数据不同类别信息；通过心理评估模块集成的心率检测传感器、呼吸频率检测传感器、脉搏检测传感器对用户的心理状态数据信息进行检测后通过计算机进行评估；评估中设目标与决策层中有决策指标p1,p2,…,pm，目标与决策层下的网络架构层有C1,C2,…,CN个指标集，其中Ci中有元素ei1,ei2,…,eini,i＝1,2,...,N；以目标与决策层决策指标ps(s＝1,2,…,m)为准则，以Cj中元素ejk(k＝1,2,…,nj)为次准则，将指标集Ci中指标按对ejk的影响力大小进行间接优势度比较，在准则ps下构造判断矩阵：并由特征根法得权重向量对于k＝1,2..,n_i重复上述步骤，得到下式所示矩阵W_ij；其中，W_ij的列向量为C_i中的元素对C_j中元素的影响程度排序向量；若C_j中元素不受C_i中元素影响，则W_ij＝0；对于i＝1,2,...,N；j＝1,2,...,N重复将指标集C_i中指标按对e_jk的影响力大小进行间接优势度比较，在准则p_s下构造判断矩阵，获得决策准则p_s下的超矩阵W:在所述超矩阵W中，元素W_ij反映元素i对元素j的一步优势度；还计算W²，元素w_ij²表示元素i对元素j的二步优势度，W²仍然列为归一化矩阵，以此类推，计算W³，W⁴，…，当W^∞存在时，W^∞的第j列就是准则p_s下网络架构层中各元素对于j的极限相对权重向量，则其中每一行的数值，即为相应元素的局部权重向量；当某一行全部为0时，则相应的局部权重为1；将局部权重按元素顺序排列即得到局部权重向量；根据评估数据建立信息数据库，辅助构建加强用户记忆表；通过VR模块佩戴VR眼镜身临其境到虚拟的记忆训练场景中进行训练记忆能力的测试；依据式采用非线性最小二乘法，确定参数的初值，取即需要选择a_β的初值，将式表示为如下的矩阵形式：FA＝S；其中：A＝[a0 a1 … a4]T S＝[S0 S1 … S4]T；矩阵F中所要用的数据点是从N个{(fi,Si)}i＝1,2,…,N中选取五个频率点，选取的数值应保证矩阵F是满秩可逆；由此得表示参数aβ初值的矩阵A的初值为：以为初始值进行迭代对矩阵A的值进行估计，l表示迭代次数，此时l＝0；并编写正则方程组对参数进行修正，最终得到满足既定要求的参数；再根据信号功率谱与其相位噪声幂律模型的关系，将求得的参数代入相位噪声幂律模型中，进而得到被测信号的相位噪声测量结果。