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！

申请/专利权人：东北大学

摘要：本发明的基于云数据库和改进集成学习的手杖运动分析系统及方法，根据手杖采集的数据集训练LightBE模型，将训练好的模型移植到RaspberryPizerow系统板。再通过姿态传感器实时采集加速度、角速度数据，经过窗口矩阵处理后输入系统板中进行实时分类，将分类后的运动状态和时间信息上传云数据库，供远程智能终端获取。本发明的方法能克服分类过程中相似类别分类准确率低和噪声影响的问题，实现了对运动状态的高精度分类，物联网技术的应用使得看护者可在任何地点实时监测使用者的运动状态，也可实现一段时间的运动分析和历史记录查询。对运动行为的分析也为进一步的看护和照顾提供了方便。

主权项：1.基于云数据库和改进集成学习的手杖运动分析方法，其特征在于，所述手杖包括：手杖本体和安装在手杖本体上的控制中心系统板、姿态传感器、便携式移动Wi-Fi模块和电源模块，所述手杖本体的上部和下部各设置一个姿态传感器以采集三轴的加速度信息和三轴的角速度信息，合并后构成十二维的加速度、角速度信息；所述控制中心系统板集成有中央处理器、Wi-Fi接收模块、输入输出扩展口和USB接口，中央处理器分别连接Wi-Fi接收模块、输入输出扩展口和USB接口；所述控制中心系统板通过USB接口连接电源模块；所述中央处理器通过输入输出扩展口连接两个姿态传感器，对十二维的加速度、角速度信息进行实时分类计算；Wi-Fi接收模块接收便携式移动Wi-Fi模块或环境中的无线网络发出的Wi-Fi信号，并将中央处理器的分类结果和时间信息上传到云端数据库；便携式移动Wi-Fi模块与电源模块连接；所述手杖运动分析方法包括以下步骤：步骤1：通过手杖预先采集六个类别多组数据作为数据集，将数据集通过窗口矩阵预处理后获得新数据集，将新数据集中70％数据构成训练数据集；步骤2：对训练数据集中的训练数据标签进行独热编码，使训练数据更有表现力；步骤3：构建自定义损失函数，具体为：步骤3.1构造目标函数：对于数据集LightGBM第t步的目标函数如下： 其中，xi代表第i个输入样本，yi代表第i个输入样本的真实值，n为输入样本数量；ftxi为第t棵决策树对输入样本xi的预测值，代表前t-1颗决策树构成的模型对输入样本xi的预测值；为误差函数，描述了前t颗决策树组成的模型的预测值与真实值yi之间的误差；步骤3.2：对目标函数进行泰勒展开： 其中： 表示前t-1颗决策树组成的模型对输入样本xi的预测值与真实值yi之间的误差损失函数；所构造的自定义损失函数以前t-1颗决策树的预测值和真实值yi为输入，以gi和hi为输出；步骤4：对自定义损失函数中的误差损失函数进行改进以构建LightBE模型，具体为：对自定义损失函数中的误差损失函数进行改进以构造LightBE模型，改进后的误差损失函数为： 系数α为： 其中yi＝0010000和yi＝0001000分别表示类别为“慢走”、“快走”的样本的真实值，βi为一个大于1的数，表示这两个类别样本的权重；ωi为降噪权重，其与噪声对窗口内的数据的影响呈正相关，为了合理调整ωi对样本梯度的影响，为ωi设置了范围系数c，将参数βi和c作为模型中的超参数，ωi的公式如下所示： xiq表示样本在窗口矩阵内的取值，其中i∈{1,…,40}，q∈{1,…,12}，分别表示窗口的样本索引和对应样本的特征索引；使用Softmax函数对模型的预测值进行处理，并使用交叉熵损失函数解决多分类问题，改进后的交叉熵损失函数为： 其中： ak为预测值第k个位置的值，pj为输出为第j类的概率，此时yi，为1×7维的向量，其中第j个元素分别为yj，aj；lbe对求一阶二阶导数，首先对中的每一项进行求导，以第m项为例： 组合后形成对lbe对的一阶和二阶导数： 所述gi和hi为自定义损失函数的输出，根据步骤3构建LightBE模型，前t-1颗决策树的预测值和真实值yi为输入；步骤5：对自定义损失函数的代码进行优化，缩短模型训练时间；步骤6：对LightBE模型的超参数进行贝叶斯优化，以寻找最优超参数带入到LightBE模型中进行训练；步骤7：将训练好的LightBE模型移植到控制中心系统板中；步骤8：通过两个姿态传感器实时采集十二维的加速度、角速度信息，并通过窗口矩阵处理后输入到中心系统板中进行实时分类；步骤9：将分类结果和时间信息上传到云端数据库，以供远程智能终端的获取。

全文数据：

权利要求：

百度查询： 东北大学 基于云数据库和改进集成学习的手杖运动分析方法