[发明专利]统计模型的生成方法、状态估计方法及状态估计系统

权利要求书

1.一种用来估计对象人的状态的统计模型的生成方法，

其中，所述统计模型是使用有序逻辑回归的分层贝叶斯模型，其中概率变量是伯努利分布，链接函数是logit链接函数，线性预测器是截距、偏回归系数与解释变量之积以及表示个体差异的参数之总和，

并且，所述统计模型的生成方法包括：

输入数据集的工序，所述数据集包含具有多个人物的瞳孔面积的变化速度和所述多个人物的状态的数据的多个数据组；

将所述截距的先验分布及所述偏回归系数的先验分布设定为无信息先验分布且将所述表示个体差异的参数的先验分布设定为分层先验分布的工序；以及

利用马尔科夫链蒙特卡洛法估计所述截距的后验分布、所述偏回归系数的后验分布及所述表示个体差异的参数的后验分布的工序。

2.一种对象人的状态估计方法，包括：

通过使用第一数据估计参数的统计模型从第二数据估计对象人的状态的第一步骤；以及

输出所述对象人的状态的估计结果的第二步骤，

其中，所述统计模型是使用有序逻辑回归的分层贝叶斯模型，

所述第一数据包含具有多个人物的瞳孔面积的变化速度和所述多个人物的状态的数据的多个数据组，

所述第二数据包含所述对象人的瞳孔面积的变化速度，

所述瞳孔面积的变化速度为所述统计模型的解释变量，

并且，所述状态的数据为所述统计模型的反应变量。

3.根据权利要求2所述的对象人的状态估计方法，

其中在所述有序逻辑回归中，概率变量是伯努利分布，链接函数是logit链接函数，线性预测器是截距、偏回归系数与所述解释变量之积以及表示个体差异的参数之总和。

4.根据权利要求3所述的对象人的状态估计方法，

其中将所述截距的先验分布及所述偏回归系数的先验分布设定为无信息先验分布，

将所述表示个体差异的参数的先验分布设定为分层先验分布，

并且利用马尔科夫链蒙特卡洛法估计所述截距、所述偏回归系数及所述表示个体差异的参数的后验分布。

5.一种状态估计系统，包括：

输入部；

输出部；

运算部；

主存储部；以及

辅助存储部，

其中，所述输入部具有输入第一数据及第二数据的功能，

所述运算部具有使用所述第一数据估计统计模型的参数生成所述统计模型的功能，

所述运算部具有基于所述统计模型从所述第二数据估计对象人的状态的功能，

所述输出部具有供应被估计的所述对象人的状态的信息的功能，

所述主存储部或所述辅助存储部具有储存所述统计模型的功能，

所述第一数据包含具有多个人物的瞳孔面积的变化速度和所述多个人物的状态的数据的多个数据组，

并且，所述第二数据包含所述对象人的瞳孔面积的变化速度。