一种基于VR技术的心理学记忆数据提升检测方法及系统与流程

本发明属于记忆提升技术领域，尤其涉及一种基于vr技术的心理学记忆数据提升检测方法及系统。

背景技术

目前，业内常用的现有技术是这样的：

心理学包括基础心理学与应用心理学两大领域，其研究涉及知觉、认知、情绪、思维、人格、行为习惯、人际关系、社会关系等许多领域，也与日常生活的许多领域——家庭、教育、健康、社会等发生关联。心理学一方面尝试用大脑运作来解释个体基本的行为与心理机能，同时，心理学也尝试解释个体心理机能在社会行为与社会动力中的角色；另外，它还与神经科学、医学、哲学、生物学、宗教学等学科有关，因为这些学科所探讨的生理或心理作用会影响个体的心智。实际上，很多人文和自然学科都与心理学有关，人类心理活动其本身就与人类生存环境密不可分。然而，现有人类心理健康问题层出不穷，容易造成记忆差；同时通常的表现是记忆力衰退等各方面机能下降，例如听力、视力下降、行动不便等，这会严重的影响我们生活质量；传统的药物容易带来的副作用所引起的二次伤害。

综上所述，现有技术存在的问题是：

现有人类心理健康问题层出不穷，容易造成记忆差；同时通常的表现是记忆力衰退等各方面机能下降，例如听力、视力下降、行动不便等，这会严重的影响我们生活质量；传统的药物容易带来的副作用所引起的二次伤害。

现有技术没有借助于vr技术物理辅助构建加强用户记忆表，不能对能力提升进行有效检测。

现有的相位噪声测量方法都是利用专门的硬件电路提取被测信号源的相位信息，并以此分析被测信号源的单边带相位噪声，这样相位提取电路的提取性能在很大程度上决定了相位噪声测量的性能，而且相位提取电路的频率响应也会对测量结果造成影响。

技术实现要素：

针对现有技术存在的问题，本发明提供了基于vr技术的心理学记忆数据提升检测方法及系统。

本发明是这样实现的，一种基于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xn为：xn＝{{xi}，{xj}}，其中，i，j∈{1，2，…，n}且i≠j,{xi}和{xj}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xn生成判别模型yn＝fn(x)；利用非线性连续函数对分类器组输出yn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；

利用训练子集xn生成判别模型yn＝fn(x)；中，

具体包括：

1)求xn中i，j两类样本的均值和

2)求类内散度矩阵swn：

其中是的转置矩阵；

3)求类间散度矩阵sbn：

4)求投影方向wn：

wn＝swn^-1·sbn

5)求fisher判别阈值w0n：

则得训练子集xn对应的判别模型：yn＝fn(x)＝wn·x-w0n；

6)按照步骤1)至步骤5)的方法求出每个训练子集对应的判别模型，生成个fisher分类器，形成分类器组，其中第n个分类器可表示为：

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,…,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wi1^(jk),wi2^(jk),…,对于k＝1,2..,ni重复上述步骤，得到下式所示矩阵wij；其中，wij的列向量为ci中的元素ei1,ei2,...,对cj中元素ej1,ej2,...,的影响程度排序向量；若cj中元素不受ci中元素影响，则wij＝0；对于i＝1,2,...,n；j＝1,2,...,n重复将指标集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，获得决策准则ps下的超矩阵w:

在所述超矩阵w中，元素wij反映元素i对元素j的一步优势度；还计算w²，元素wij²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ps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(β＝0,1,2,3,4)，即需要选择aβ的初值，将式表示为如下的矩阵形式：

fa＝s；

其中：

a＝[a0a1…a4]^ts＝[s0s1…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。

进一步，参数估计的误差β＝0,1,…,4，由以下方程估算：

其中系数和为：

其中sk表示频率fk处的功率谱测量值，表示频率fk处对应的功率谱的第l次迭代值，即：

进一步，噪声模型参数估计的判断方法为：

判断如不满足误差要求，令：

l＝l+1；

并将修正后的和对应的功率谱测量数据代入正则方程组进行求解，得到各参数的修正值β＝0,1,…4，重新判断直至误差满足测量要求或达到设定的迭代次数；

满足误差要求，则将参数值作为(β＝0,1,2,3,4)的值代入式中，得到被测信号的相位噪声，并由此绘制相位噪声曲线。

进一步，对用户的心理状态数据信息通过计算机进行评估方法进一步包括：

第1步，选定心理量表；

第2步，将所选定的心理量表虚拟场景化，呈现基于特定心理量表设计的评估内容；

第3步，实时采集受试者问答数据、行为数据和生理数据；

第4步，基于受试者的问答选项，完成心理量表问题的智能跳转；

第5步，对量表内容进行综合智能分析，综合智能分析将行为数据通过卷积神经网络训练、问答数据通过循环神经网络训练、生理数据通过卷积神经网络训练后的输出经特征融合后输入到一个softmax层，得出心理评估模型；

第6步，采用心理评估模型对受试者初步学习获得的心理评估结果与医生标签进行比对，通过计算损失函数和梯度反向传导，对受试者的问答选项进行智能校正；

第7步，再将生理数据、行为数据和经校正的问答选项由心理评估模型计算，从而得到最终综合评估结果。

进一步，记忆加强检测方法如下：

建立原始信息数据库并按照用户查看所述原始信息数据库中原始信息时不同的心理状态对所述原始信息进行数据更新，并将更新的数据储存于关联信息数据库中，同时建立触发信息数据库；

所述触发信息数据库基于用户提供的触发信息和关联信息数据库的数据信息，提取产生至少一个原始信息数据库中原始信息的推荐，以辅助用户建立记忆网络；

所述触发信息数据库中触发条件与所述关联信息数据库的心理状态数据和/或所述原始信息数据库的原始信息建立映射关系；

所述触发信息数据库中的触发条件种类至少包括时间触发、地点触发、人物触发、内容触发和情绪触发；其中所述情绪触发为触发信息数据库基于用户的心情系数y、情绪触发与关联信息数据库的心理状态数据的映射关系以及心理状态数据与原始信息的映射关系提取产生至少一个原始信息数据库中原始信息的推荐。

本发明另一目的在于提供一种实现所述基于vr技术的心理学记忆数据提升检测方法的计算机程序。

本发明另一目的在于提供一种实现所述基于vr技术的心理学记忆数据提升检测方法的信息数据处理终端。

本发明另一目的在于提供一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行所述的基于vr技术的心理学记忆数据提升检测方法。

本发明另一目的在于提供一种实现所述基于vr技术的心理学记忆数据提升检测方法的基于vr技术的心理学记忆数据提升检测系统，所述基于vr技术的心理学记忆数据提升检测系统包括：

数据输入模块，与主控模块连接，用于输入记忆训练内容数据；

内容分类模块，与主控模块连接，用于对记忆训练内容数据进行分类；

学习模块，与主控模块连接，用于学习记忆加强相关知识；

主控模块，与数据输入模块、内容分类模块、学习模块、数据库模块、心理评估模块、记忆加强模块、vr模块连接，用于控制各个模块正常工作；

数据库模块，与主控模块连接，用于将输入的记忆训练内容数据进行存储；

心理评估模块，与主控模块连接，用于对用户的心理状态数据信息通过计算机进行评估；

记忆加强模块，与主控模块连接，用于建立信息数据库辅助构建加强用户记忆表；

vr模块，与主控模块连接，用于通过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检测。

本发明另一目的在于提供一种搭载有所述基于vr技术的心理学记忆数据提升检测系统的心理学记忆数据信息检测设备

本发明的优点及积极效果为：

本发明通过心理评估模块将心理量表评估过程具象化，利用虚拟现实技术将量表问题转化成为便于受试者理解的虚拟场景，同时将医生观测数据数字化，并采集受试者生理数据，将问答数据、生理数据和行为数据进行综合分析，获得受试者心理评估结果，同时评估结果与医生标签进行比对实现受试者问答选项的智能校正。利用传统的医生经验与客观的生理参数，可以提升心理评估的准确性，帮助用户及时了解自身心理状态，帮助用户管理心理健康，预防心理疾病的发生。同时可以减少医生工作量，节约医疗资源。而且本方法为医学研究提供了新的研究思路和方法，有利于找到相关情绪、心理判断标志物及机制。本方法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能够根据用户查看原始信息的心理状态预测用户的心理信息，根据预测的情绪信息调整显示的图像信息，使用户在积极的心理状态下达到强化记忆的效果。本发明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。

本发明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,…,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，可准确获得测试数据。为计算机评估提供依据。

本发明通过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检测。没有采用硬件相位噪声提取电路提取被测信号的相位信息，而是利用振荡器信号功率谱与其相位噪声幂律谱模型的关系，通过非线性最小二乘法实现参数计算，从而基于相位噪声数学模型实现了振荡器信号相位噪声测量。本发明的方法相对于现有相位噪声测量方法的主要优势是回避了硬件相位噪声提取电路对测量性能的影响。从而获得记忆能力提升的实时信息。

本发明对记忆训练内容数据进行分类中，相较于其它数据处理方法，利用分类器组将样本的类别信息作为先验知识，使处理后的数据更易被正确分类；

利用多个简单的二分类器进行数据映射，为分类器在多分类场景下提供更多有用信息；

“非线性连续函数”映射可减小连续空间中奇异值和野值对后续分类器的影响；综上，本发明所涉方法可提高分类器在多分类识别中的正确率。

现有技术中，数据归一化后，不采用任何处理方法正确识别率为90.06％，本发明提出的方法正确识别率为98.83％。

附图说明

图1是本发明实施例提供的基于vr技术的心理学记忆提升系统结构框图。

图2是本发明实施例提供的基于vr技术的心理学记忆数据提升检测方法流程图。

图中：1、数据输入模块；2、内容分类模块；3、学习模块；4、主控模块；5、数据库模块；6、心理评估模块；7、记忆加强模块；8、vr模块。

具体实施方式

为能进一步了解本发明的发明内容、特点及功效，兹例举以下实施例，并配合附图详细说明如下。

如图1所示，本发明实施例提供的基于vr技术的心理学记忆提升系统包括：数据输入模块1、内容分类模块2、学习模块3、主控模块4、数据库模块5、心理评估模块6、记忆加强模块7、vr模块8。

数据输入模块1，与主控模块4连接，用于输入记忆训练内容数据；

内容分类模块2，与主控模块4连接，用于对记忆训练内容数据进行分类；

学习模块3，与主控模块4连接，用于学习记忆加强相关知识；

主控模块4，与数据输入模块1、内容分类模块2、学习模块3、数据库模块5、心理评估模块6、记忆加强模块7、vr模块8连接，用于控制各个模块正常工作；

数据库模块5，与主控模块4连接，用于将输入的记忆训练内容数据进行存储；

心理评估模块6，与主控模块4连接，用于对用户的心理状态数据信息通过计算机进行评估；

记忆加强模块7，与主控模块4连接，用于建立信息数据库辅助构建加强用户记忆表；

vr模块8，与主控模块4连接，用于通过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检测。

下面结合具体分析对本发明作进一步描述。

本发明实施例提供的基于vr技术的心理学记忆数据提升检测方法，包括：

s101：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；

s102：对记忆训练内容数据进行分类；

s103：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；

s104：根据评估数据建立信息数据库，辅助构建加强用户记忆表；

s105：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。

步骤s102中，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xn为：其中，ij∈{1，2，…，n}且i≠j,{xi}和{xj}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xn生成判别模型yn＝fn(x)；利用非线性连续函数对分类器组输出yn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；

利用训练子集xn生成判别模型yn＝fn(x)；中，

具体包括：

1)求xn中i，j两类样本的均值和

2)求类内散度矩阵swn：

其中是的转置矩阵；

3)求类间散度矩阵sbn：

4)求投影方向wn：

wn＝swn^-1·sbn

5)求fisher判别阈值w0n：

则得训练子集xn对应的判别模型：yn＝fn(x)＝wn·x-w0n；

6)按照步骤1)至步骤5)的方法求出每个训练子集对应的判别模型，生成个fisher分类器，形成分类器组，其中第n个分类器可表示为：

步骤s103中，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,…,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..,ni重复上述步骤，得到下式所示矩阵wij；其中，wij的列向量为ci中的元素ei1,ei2,...,对cj中元素ej1,ej2,...,的影响程度排序向量；若cj中元素不受ci中元素影响，则wij＝0；对于i＝1,2,...,n；j＝1,2,...,n重复将指标集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，获得决策准则ps下的超矩阵w:

在所述超矩阵w中，元素wij反映元素i对元素j的一步优势度；还计算w²，元素wij²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ps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；

步骤s105中，依据式采用非线性最小二乘法，确定参数的初值，取(β＝0,1,2,3,4)，即需要选择aβ的初值，将式表示为如下的矩阵形式：

fa＝s；

其中：

a＝[a0a1…a4]^ts＝[s0s1…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。

参数估计的误差β＝0,1,…,4，由以下方程估算：

其中系数和为：

其中sk表示频率fk处的功率谱测量值，表示频率fk处对应的功率谱的第l次迭代值，即：

噪声模型参数估计的判断方法为：

判断如不满足误差要求，令：

l＝l+1；

并将修正后的和对应的功率谱测量数据代入正则方程组进行求解，得到各参数的修正值β＝0,1,…4，重新判断直至误差满足测量要求或达到设定的迭代次数；

满足误差要求，则将参数值作为(β＝0,1,2,3,4)的值代入式中，得到被测信号的相位噪声，并由此绘制相位噪声曲线。

对用户的心理状态数据信息通过计算机进行评估方法进一步包括：

第1步，选定心理量表；

第2步，将所选定的心理量表虚拟场景化，呈现基于特定心理量表设计的评估内容；

第3步，实时采集受试者问答数据、行为数据和生理数据；

第4步，基于受试者的问答选项，完成心理量表问题的智能跳转；

第5步，对量表内容进行综合智能分析，综合智能分析将行为数据通过卷积神经网络训练、问答数据通过循环神经网络训练、生理数据通过卷积神经网络训练后的输出经特征融合后输入到一个softmax层，得出心理评估模型；

第6步，采用心理评估模型对受试者初步学习获得的心理评估结果与医生标签进行比对，通过计算损失函数和梯度反向传导，对受试者的问答选项进行智能校正；

第7步，再将生理数据、行为数据和经校正的问答选项由心理评估模型计算，从而得到最终综合评估结果。

记忆加强检测方法如下：

建立原始信息数据库并按照用户查看所述原始信息数据库中原始信息时不同的心理状态对所述原始信息进行数据更新，并将更新的数据储存于关联信息数据库中，同时建立触发信息数据库；

所述触发信息数据库基于用户提供的触发信息和关联信息数据库的数据信息，提取产生至少一个原始信息数据库中原始信息的推荐，以辅助用户建立记忆网络；

所述触发信息数据库中触发条件与所述关联信息数据库的心理状态数据和/或所述原始信息数据库的原始信息建立映射关系；

所述触发信息数据库中的触发条件种类至少包括时间触发、地点触发、人物触发、内容触发和情绪触发；其中所述情绪触发为触发信息数据库基于用户的心情系数y、情绪触发与关联信息数据库的心理状态数据的映射关系以及心理状态数据与原始信息的映射关系提取产生至少一个原始信息数据库中原始信息的推荐。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现，所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

本发明使用时，通过数据输入模块1输入记忆训练内容数据；接着，通过内容分类模块2对记忆训练内容数据进行分类；通过学习模块3学习记忆加强相关知识；主控模块4调度数据库模块5将输入的记忆训练内容数据进行存储；通过心理评估模块6对用户的心理状态数据信息通过计算机进行评估；通过记忆加强模块7建立信息数据库辅助构建加强用户记忆表；最后，通过vr模块8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。

以上所述仅是对本发明的较佳实施例而已，并非对本发明作任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改，等同变化与修饰，均属于本发明技术方案的范围内。