[发明专利]基于体温数据进行模型训练的方法、装置和计算机设备

权利要求书

1.一种基于体温数据进行模型训练的方法，其特征在于，包括以下步骤：

各个用户终端分别采集样本用户连续的体温数据，并对应分析采集到的所述体温数据的体温节律特征数据；

各个所述用户终端分别将对应的所述体温节律特征数据输入至逻辑回归模型中进行训练，以更新模型参数；

在所述服务端确定模型训练结束时，各个所述用户终端将更新后的所述模型参数发送至服务端，以通过所述服务端对所有用户终端发送的模型参数进行聚合运算，得到加权平均模型参数；

各个所述用户终端接收所述服务器端发送的所述加权平均模型参数，根据所述加权平均模型参数更新所述逻辑回归模型并停止模型训练，得到对体温节律特征数据进行检测的检测模型；其中，所述检测模型用于采集到用户的体温数据时，对用户的体温数据进行自动化分析。

2.根据权利要求1所述的基于体温数据进行模型训练的方法，其特征在于，所述各个所述用户终端接收所述服务器端发送的所述加权平均模型参数，根据所述加权平均模型参数更新所述逻辑回归模型并停止模型训练，得到对体温节律特征数据进行检测的检测模型的步骤之后，包括：

所述用户终端采集新用户连续体温数据，并对应分析采集到的新用户的连续体温数据的体温节律特征数据；

将所述新用户连续体温数据的体温节律特征数据输入至所述检测模型中，得到预测结果，作为对所述新用户的检测结果。

3.根据权利要求1所述的基于体温数据进行模型训练的方法，其特征在于，所述各个所述用户终端分别将对应的所述体温节律特征数据输入至逻辑回归模型中进行训练，以更新模型参数的步骤之后，包括：

每个所述用户终端将所述逻辑回归模型的损失函数当前的损失值发送至所述服务端，以通过所述服务端基于各个所述用户终端发送的损失值确定模型是否训练结束；其中，所述服务端用于接收所述损失值，根据所述损失值判断所述服务端上的损失函数是否收敛，当所述服务端上的损失函数收敛时，所述服务端确定模型训练结束。

4.根据权利要求3所述的基于体温数据进行模型训练的方法，其特征在于，所述用户终端上逻辑回归模型的损失函数的计算公式为：

其中，L为所述逻辑回归模型的损失值，x_i为体温数据，y_i为逻辑回归模型的输出值，所述服务端上的损失函数为：

5.根据权利要求2所述的基于体温数据进行模型训练的方法，其特征在于，所述用户终端采集新用户连续体温数据的步骤之后，包括：

将所述新用户体温数据输入至预设的聚类异常分析模型中进行聚类分析，得出聚类分析结果；

将所述体温数据输入至预设的预测分析模型中进行预测，得到预测温度，计算所述新用户体温数据与所述预测温度的残差值；将所述残差值与预设值进行对比，输出预测分析结果；

对比所述聚类分析结果与所述预测分析结果是否相同；当所述聚类分析结果与所述预测分析结果均为体温数据正常的结果时，进入所述对应分析采集到的新用户连续体温数据的体温节律特征数据。

6.根据权利要求5所述的基于体温数据进行模型训练的方法，其特征在于，所述预测分析模型以及聚类异常分析模型的训练过程，包括：

采集正常用户的多个正常体温数据；

计算出上述多个正常体温数据的平均值以及标准差，将每一个正常体温数据减去上述平均值，并除以上述标准差，得到对应的体温处理数据；

针对所述体温处理数据，使用密度聚类分析建立所述聚类异常分析模型，以及使用回归预测建立所述预测分析模型。