[发明专利]基于宠物日常数据分析的宠物喂养方法及系统

权利要求书

1.一种基于宠物日常数据分析的宠物喂养方法，其特征在于，包括如下步骤：

步骤S1：采集宠物的种类、性别、年龄、心跳频率、血压、体温、活动量、喂食类型、喂食量，当前图像、当前体重构成影响因素矩阵X，并上传至服务器；其中，所述喂食类型和所述喂食量构成决策变量；

步骤S2：在所述服务器内利用Elman神经网络建立影响因素矩阵X与宠物健康指数之间的复杂非线性关系，获得宠物喂养模型；所述宠物喂养模型中X_k＝[x_k1,x_k2,…,x_kM](k＝1,2,…,S)为输入样本，S为训练样本的个数，W_MI(g)为第g次迭代时输入层M与隐层I之间的权值矢量，W_JP(g)为第g次迭代时隐层J与输出层P之间的权值矢量，W_JC(g)为第g次迭代时隐层J与承接层C之间的权值矢量，Y_k(g)＝[y_k1(g),y_k2(g),…,y_kP(g)](k＝1,2,…,S)为第g次迭代时的实际输出，d_k＝[d_k1,d_k2,…,d_kP](k＝1,2,…,S)为期望输出；以及，

建立所述宠物喂养模型的步骤包括：

步骤S21：初始化，设迭代次数g初值为0，分别赋给W_MI(0)、W_JP(0)、W_JC(0)一个(0,1)区间的随机值；

步骤S22：随机输入样本X_k；

步骤S23：对输入样本X_k，前向计算所述Elman神经网络每层神经元的实际输出Y_k(g)；

步骤S24：根据期望输出d_k和实际输出Y_k(g)，计算误差E(g)；

步骤S25：判断误差E(g)是否小于预设的误差值，如果大于或等于，进入步骤S26，如果小于，则进入步骤S29；

步骤S26：判断迭代次数g+1是否大于最大迭代次数，如果大于，进入步骤S29，否则，进入步骤S27；

步骤S27：对输入样本X_k反向计算所述Elman神经网络每层神经元的局部梯度δ；

步骤S28：计算权值修正量ΔW，并修正权值；令g＝g+1，跳转至步骤S23；

其中，ΔW_ij＝η·δ_ij，η为学习效率；W_ij(g+1)＝W_ij(g)+ΔW_ij(g)，i为输入层的第i个神经元，j为输出层的第j个神经元，W_ij为输入层第i个神经元与输出层第j个神经元之间的权值；

步骤S29：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22；

步骤S3：利用NSGA-Ⅱ算法对所述宠物喂养模型进行优化，获得所述决策变量的一组最优解，并将所述决策变量的该组最优解作为所述宠物的推荐决策X^*；

步骤S4：将所述宠物的推荐决策X^*通过所述服务器下发至用户的终端设备进行显示；

步骤S5：所述用户根据所述终端设备显示的推荐决策X^*喂食所述宠物。