买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中国科学技术大学申请的专利一种基于可穿戴设备的用户行为习惯预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114492990B 。

龙图腾网通过国家知识产权局官网在2025-03-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210084498.9，技术领域涉及：G06Q10/04；该发明授权一种基于可穿戴设备的用户行为习惯预测方法是由张旭;张瑞琦;李心慧;陈香设计研发完成，并于2022-01-25向国家知识产权局提交的专利申请。

本一种基于可穿戴设备的用户行为习惯预测方法在说明书摘要公布了：本发明涉及一种基于可穿戴设备的用户行为习惯预测方法，包括：采集用户日常活动时的生理数据、运动相关的数据以及用户基本特征数据；对采集的数据进行预处理；同时建立基于不同时刻和基于不同特征的Attention机制改进的LSTM模型，再使用基于全连接网络的用户行为习惯预测整合模型将两个改进模型整合在一起建立Attention‑LSTM复合模型；训练Attention‑LSTM复合模型；通过已训练好的Attention‑LSTM复合模型预测用户的行为习惯，包括用户日常活动时的生理数据和运动相关的数据走势；结合可穿戴设备可以以较低成本获取大量数据的优势，最终提升对用户未来行为习惯预测的精度；本发明联合可穿戴设备可以对人们自身行为习惯进行监测和预测，有利于及时纠正当下人们不健康的行为习惯。

本发明授权一种基于可穿戴设备的用户行为习惯预测方法在权利要求书中公布了：1.一种基于可穿戴设备的用户行为习惯预测方法，其特征在于，所述方法包括：步骤1，采集用户日常活动时的生理数据、运动相关的数据以及用户基本特征数据，通过可穿戴设备的陀螺仪传感器、加速度传感器、心电传感器采集用户日常活动时的心率、睡眠和运动相关的特征数据，再结合收集到的用户基本特征数据：身高、体重、年龄和性别，构建多元特征向量，其中，代表相对某日而言，某用户数据的特征向量，包含D个特征，D代表特征维度，表示某一维特征；步骤2，对采集的数据进行预处理；步骤3，同时建立基于不同时刻的Attention机制改进的LSTM模型和基于不同特征的Attention机制改进的LSTM模型，再使用基于全连接网络FC的用户行为习惯预测整合模型将两个改进模型整合在一起建立基于注意力机制和长短期记忆网络的复合模型，即Attention-LSTM复合模型；步骤4，使用用户数据训练所述的Attention-LSTM复合模型；步骤5，通过已训练好的Attention-LSTM复合模型预测用户行为习惯，所述用户行为习惯包括用户日常活动时的生理数据和运动相关的数据走势；所述的步骤3中Attention-LSTM复合模型由以下三个模型进行集成：第一部分是基于不同时刻的注意力机制改进的LSTM模型，LSTM网络加入时间注意力模块，即对时序信息分配注意力权重，此模型使用3层的LSTM网络，设LSTM隐藏层的一个输出为，则时刻的注意力权重计算公式如下： ，其中，为参数矩阵的转置，为对应偏置向量，为时刻LSTM的隐藏层输出向量，L为序列长度，然后所有权重组成向量输入到softmax函数中得到每个时刻的最终权值，基于注意力权重得到的输出计算公式如下： ，其中，为时刻的最终权值，最后将展开为一维向量；第二部分是基于不同特征的注意力机制改进的LSTM模型，LSTM网络加入特征注意力模块，即对各个特征分配注意力权重，此模型使用2层的LSTM网络，把输入数据的所有时刻特征组成的向量记为,特征的权重计算公式如下： ，其中，为参数矩阵的转置，为偏置向量，为输入数据的某一维特征，F表示输入数据的特征维度，然后所有权重组成向量输入到softmax函数中得到每个特征的最终权值，基于注意力权重得到的输出计算公式如下： ，其中,为特征的最终权值，然后将输入到LSTM网络学习时间序列模式，最后把LSTM网络的最终输出展开为一维向量；第三部分是基于全连接网络FC的用户行为习惯预测整合模型，把所述两个LSTM改进模型的输出进行拼接输入至用户行为习惯预测整合模型，通过预测整合模型将两个改进的LSTM模型的输出进行动态结合，提升特征提取能力的同时也不会损失特征的时序信息，从而输出最终结果；其中，最后一层的激活函数使用线性激活函数Linear，其他使用激活函数Relu。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。