1.一种基于多维生理大数据深度学习的健康状态评价系统,其特征在于:包括后台分析系统和检测装置;
所述后台分析系统对原始生理数据样本Cq进行分析时,包括以下步骤:
1)获取所述原始生理数据样本Cq,样本Cq中具有m种生理参数,每一种生理参数均在n0个时刻被采集;
2):将原始生理数据样本Cq,归一化处理,得到Sq;
3)特征提取
选定生理数据集中的生理数据样本Sq输入变量,采用设定卷积层滑动窗口的方法,,得到特征映射值构成的数据集Hk;
设定池化窗口的大小,最大值池化数据集Hk,得到数据集Ik:
通过迭代,最终得到特征数据集IK;
4)以数据集IK为多元高斯分布的输入,得到高斯概率密度分布函数p(X),设定ε为阈值;
获得健康状态模型为:
所述检测装置包括数据收集部分和数据分析部分;所述数据收集部分采集到被测者的生理数据保存到矩阵E,并传递给数据分析部分;
E中,具有m种生理参数,每一种生理参数均在pn0个时刻被采集;
采用与步骤2)相同的方法,将数据样本E,归一化处理得到F;
选定生理数据集中的生理数据样本F输入变量,采用设定卷积层滑动窗口的方法,得到特征映射值构成的数据集PHk;
设定池化窗口的大小,最大值池化数据集PHk,得到数据集PIk:
通过迭代,最终得到特征数据集PIK;
将特征矩阵PIK作为所述健康状态模型的生理特征输入矩阵,输出异常或正常。