[发明专利]一种预测体温异常的方法

说明书

本发明涉及一种预测体温异常的方法。本发明的方法由体温数据采集和预处理模块、建立聚类异常分析模型和预测异常分析模型模块和异常分析判断模块实现；所述的体温数据采集和预处理模块采集人体体温并进行预处理供建立聚类异常分析模型和预测异常分析模型模块进行分析判断；所述的建立聚类异常分析模型和预测异常分析模型模块使用密度聚类分析和回归预测分别建立聚类异常分析模型Model1和预测异常分析模型Model2，并根据模型对体温值和预测值进行判断；所述的异常分析判断模块在体温值和预测值判断为异常时提醒被测量者体温异常。本发明通过收集处理样本正常体温的N笔数据，来预测人们当前体温是否趋向于异常；可以用于人体体温的预测。

技术领域

本发明涉及数据挖掘技术领域，具体是一种预测体温异常的方法。

背景技术

在现今社会，人工智能的热潮带动了机器学习、数据挖掘等多种热门技术；其中数据挖掘是知识发现的一种重要工具，能发现隐含在大量数据中有价值的模式信息，包含异常检测、预测模型、聚类分析和关联分析等多种分析方法；异常检测则占据着非常重要的地位，可应用在非常丰富的场景，比如药物研究、医疗分析、气象预报、网络入侵检测等。众所周知，在医疗方面常见的就是量体温；每当人们觉得自己可能低烧或高烧去医院时医生就会要求先量体温，如果低于或高于正常体温医生则认为是低烧或高烧；然后再相应的做治疗。那么为什么不能让人们科学地提前预防低烧或发烧呢？异常检测则是十分适合的方法，它可以在人们体温真正偏高或偏低之前提前做出预警，让人们及时预防生病，避免不必要的治疗，减轻身体和精神上的难受程度，特别是对小孩或老人无疑是更好的帮助。

数据挖掘的异常检测方法多种多样，一些最流行的异常检测方法有：极值分析、概率和统计建模、线性回归模型、基于邻近模型、信息理论模型等等，这些方法各有各的优缺点，并不能适用于任意场景，会受复杂环境、样本数据量、异常数据的多样性等影响。针对人体体温的异常检测面临的问题是人们量测体温的时间或状态不固定，比如人们会在早上或晚上量测，人们在运动或是饭后量测……这些不可控的因素将会大大影响异常检测结果。

发明内容

本发明解决的技术问题是提供一种预测体温异常的方法，通过对采集数据的分析、处理，预测人们当前体温是否趋向于异常并做出预警。

本发明解决前述技术问题的技术方案是：

所述的方法由体温数据采集和预处理模块、建立聚类异常分析模型和预测异常分析模型模块和异常分析判断模块实现；

所述的体温数据采集和预处理模块采集人体体温并进行预处理供建立聚类异常分析模型和预测异常分析模型模块进行分析判断；所述的建立聚类异常分析模型和预测异常分析模型模块使用密度聚类分析和回归预测分别建立聚类异常分析模型Model1和预测异常分析模型Model2，并根据模型对体温值和预测值进行判断；所述的异常分析判断模块在体温值和预测值判断为异常时提醒被测量者体温异常。

所述方法是收集人体正常体温数据、进行预处理，然后建立模型；利用建立的模型对获取的当前体温进行处理并做出判断；更为具体的是：

收集收据：收集某人的正常N笔体温数据，N>＝10；包括静态时的体温或动态后的体温；

预处理：将N笔数据减去其平均值，再除以其标准差，得到均值为0，标准差为1的新的N笔数据；

建模：使用密度聚类分析建立聚类异常分析模型Model1，使用回归预测建立预测异常分析模型Model2；

获取某人当前体温T1；

采用聚类异常分析模型Model1对T1进行聚类分析，若聚类分析结果为“-1”则认为T1是异常值即聚类判断结果Result1＝“异常”；反之Result1＝“正常”；