1.一种身体数据采集系统,其特征在于,包括:数据采集处理模块,采集身体数据,对所述身体数据进行预处理并分析变化率;
采集频率调节模块,获取个人信息数据,设定初步采集频率,基于采集的身体数据动态调整采集频率;
场景识别与预测模块,使用机器学习算法,根据采集的数据识别用户所处的场景,通过识别的场景进一步调整采集频率;
数据传输模块,将采集的身体数据上传至云端并进行备份;
所述基于采集的身体数据动态调整采集频率,包括,根据实时采集的身体数据和计算的变化率数据对采集频率进行计算,表示为:其中其中f(t)表示时间t的采集频率,基于训练集数据,确定不同用户在不同时间的采集项变化率,并计算采集项变化率的平均值和标准差并对其进行分析,确认目标最大采集频率,同时计算用户在不同时间下的采集项变化率的积分值,并结合最大采集频率和初始采集频率计算灵敏度系数,表示为:其中
根据所选采集项和采集设备采集的身体数据,动态调整采集频率f(t);
所述获取个人信息数据,设定初步采集频率,包括:获取使用者个人信息数据,初步调整采集频率,表示为:其中
收集多种用户特征的平均采集频率作为调整系数根据使用者的个人数据,计算初始采集频率;
所述使用机器学习算法,根据采集的数据识别用户所处的场景,包括:基于预处理后的采集项数据,结合环境数据,构建特征向量X;
使用机器学习算法构建场景识别模型,基于身体数据的采集项识别用户所处场景,表示为:其中
根据用户所处场景状态,结合特征向量标记数据集作为训练集;
使用交叉熵损失函数计算损失,使用梯度下降算法优化损失函数,调整并确认模型参数使用新采集且经过预处理的特征向量数据,得到针对不同场景的预测概率值,选择其中概率值最高的场景作为预测的用户所处场景;
所述通过识别的场景进一步调整采集频率,包括:基于预测的用户所处场景
其中
使用训练集数据,将训练集数据的不同采集频率与对应场景进行标注,计算每个场景中采集频率的平均值,将经过标准化处理的平均值作为对应场景的场景权重记录每个实际采集频率和初步判断的采集频率的偏差值,并设定目标函数,通过最小化偏差平方和来确定调节系数将新预测的用户所处场景
2.如权利要求1所述的身体数据采集系统,其特征在于,所述采集身体数据,对所述身体数据进行预处理并分析变化率,包括:通过穿戴和使用身体数据采集设备,对身体数据进行实时采集,所述身体数据包括心率、呼吸频率、血糖和血氧饱和度数据;
对所选采集项的数据进行预处理,包括进行去除噪声和异常值;
针对采集的数据分别进行一阶导数计算作业;
根据选择采集项的数据,得到对应采集项的变化率数据。
3.如权利要求2所述的身体数据采集系统,其特征在于,所述将采集的身体数据上传至云端并进行备份,包括:基于无线通信将采集数据以及动态调整采集频率的数据进行上传;
持续采集数据,通过HTTPS安全传输协议安全传输至云存储平台中;
实时监控数据采集效果和用户反馈,将数据和反馈上传到云端,并将数据进行备份。
4.一种基于权利要求1-3任一所述的身体数据采集系统的方法,其特征在于,包括:根据使用的采集设备采集使用者身体数据,进行预处理并进行一阶导数计算变化率数据;
获取使用者个人信息数据,初步设定和调整采集频率,根据实时采集的身体数据项和计算的变化率数据,动态调整采集频率;
使用机器学习算法构建场景识别模型,基于身体数据的采集项识别用户所处场景,并基于场景识别结果进一步调整采集频率;
基于无线通信将采集数据以及动态调整采集频率的数据进行上传。