[发明专利]一种数据处理方法和装置

权利要求书

1.一种数据处理方法，其特征在于，包括：

获得多个被检测对象的N类身体生理指标数据，包括：获得多个被检测对象的自我管理能力强度以及所述多个被检测对象的多个身体生理指标数据；按照所述自我管理能力强度，将多个身体生理指标数据分为N类，得到N类身体生理指标数据；

在所述N类身体生理指标数据中，确定任意两类不同自我管理能力强度的数据之间的关联模型；N为大于1的整数；

获得当前被检测对象的身体生理指标数据，并输入所述关联模型，得到所述被检测对象的自我管理能力强度预测结果；

根据所述自我管理能力强度预测结果，将预先设置的与自我管理能力强度对应的监测方案反馈给被检测对象。

2.根据权利要求1所述的数据处理方法，其特征在于，还包括：

获得被检测对象根据所述监测方案进行反馈的反馈结果，调整之后的监测方案。

3.根据权利要求1所述的数据处理方法，其特征在于，在所述N类身体生理指标数据中，确定任意两类不同自我管理能力强度的数据之间的关联模型的步骤包括：

将每类身体生理指标数据进行归一化处理，得到具有多维数据的第一处理结果；

对所述第一处理结果，降维算法进行降维处理，得到所述降维算法中采用的协方差矩阵；

对所述第一处理结果，采用RBF核函数的SVM分类模型进行训练处理，得到SVM分类模型的第一参数和第二参数；

根据所述协方差矩阵、第一参数和第二参数，确定任意两类不同自我管理能力强度的数据之间的关联模型。

4.根据权利要求3所述的数据处理方法，其特征在于，将每类身体生理指标数据进行归一化处理，得到第一处理结果的步骤包括：

获得每类管理强度患者的生理指标X_i的最大值X_imax和最小值X_imin，根据公式X_i'＝(X_i-X_imin)/(X_imax-X_imin)，将每类身体生理指标数据进行归一化处理，得到第一处理结果，其中，X_i'为X_i归一化处理后得到的第一处理结果。

5.根据权利要求3所述的数据处理方法，其特征在于，降维算法为PCA算法，所述第一参数为c参数，所述第二参数为gamma参数。

6.根据权利要求3所述的数据处理方法，其特征在于，获得当前被检测对象的身体生理指标数据，并输入所述关联模型，得到所述被检测对象的自我管理能力强度预测结果的步骤包括：

对当前被检测对象的身体生理指标数据进行归一化处理，得到具有多维数据的第二处理结果；

根据所述降维算法中采用的所述协方差矩阵，对所述第二处理结果进行降维处理，得到第三处理结果；

将第三处理结果输入所述关联模型，并输出所述被检测对象的自我管理能力强度预测结果。

7.根据权利要求1或2所述的数据处理方法，其特征在于，

所述监测方案包括：监测频率和干预措施；

所述反馈结果包括患者的健康指标是否有所改善及患者的潜在行为反馈信息。

8.一种数据处理装置，其特征在于，包括：

第一获得模块，用于获得多个被检测对象的N类身体生理指标数据；

确定模块，用于在所述N类身体生理指标数据中，确定任意两类不同自我管理能力强度的数据之间的关联模型；N为大于1的整数；

第二获得模块，用于获得当前被检测对象的身体生理指标数据，并输入所述关联模型，得到所述被检测对象的自我管理能力强度预测结果；

反馈模块，用于根据所述自我管理能力强度预测结果，将预先设置的与自我管理能力强度对应的监测方案反馈给被检测对象；

第一获得模块具体用于：

获得多个被检测对象的自我管理能力强度以及所述多个被检测对象的多个身体生理指标数据；

按照所述自我管理能力强度，将多个身体生理指标数据分为N类，得到N类身体生理指标数据。