[发明专利]估计生理年龄的线性融合模型训练、年龄估计方法和装置

说明书

本申请提出一种估计生理年龄的线性融合模型训练、年龄估计方法和装置，涉及数据处理技术领域，其中，方法包括：获取用户的时序年龄样本和身体质量指数样本；获取用户的动态序列值样本，对动态序列值样本进行多阶计算，获取动态序列特征值样本；将时序年龄样本、身体质量指数样本和动态序列特征值样本组合成待融合向量，并获取用户的疾病标签向量；根据预设损失函数、待融合向量和疾病标签向量进行训练估计生理年龄的线性融合模型。由此，生成的线性融合模型可以对多维度用户数据进行线性融合得到生理年龄，使生理年龄与疾病间的相关程度最大化，提高生理年龄估计的准确性和效率。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种估计生理年龄的线性融合模型训练、年龄估计方法和装置。

背景技术

目前，历法年龄或时序年龄指的是个体的实际年龄，也是通常所说的周岁。实际上，时序年龄存在固有缺陷，其最大的问题就是同一时序年龄区间内的个体间健康状况可能会存在各向异性。例如，对时序年龄在70岁左右的老年人群体来说，部分个体生活完全可以自理，而某些个体生活完全无法自理。生理年龄是一个衡量个体成长、成熟和衰老状态的指标，较时序年龄，可以更好表征机体的健康状态。“未老先衰”和“保养适宜”分别是描述日常生活中生理年龄大于和小于时序年龄的场景。

相关技术中，通过最大耗氧量来描述生理年龄，其中，最大摄氧量是指人体进行最大强度的运动并出现无力继续支撑接下来的运动时，所能摄入的氧气含量。最大摄氧量与个体的体适能状况正相关，即最大摄氧量越高，体适能状态越佳，生理年龄越低。

然而，这种直接测量的方式较为复杂，且需要用户通过运动达到机体的极限状态，以及仅仅以最大摄氧量作为量化指标来评估生理年龄，在一定程度上比较单一、片面。

发明内容

本申请旨在至少在一定程度上解决上述提到的技术问题之一。

为此，本申请的第一个目的在于提出一种估计生理年龄的线性融合模型训练方法，解决了现有技术中生理年龄预测方式效率低且精度差的技术问题，通过生成的线性融合模型可以对多维度用户数据进行线性融合得到生理年龄，使生理年龄与疾病间的相关程度最大化，提高生理年龄估计的准确性和效率。

本申请的第二个目的在于提出一种线性融合模型的生理年龄估计方法。

本申请的第三个目的在于提出一种估计生理年龄的线性融合模型训练装置。

本申请的第四个目的在于提出一种线性融合模型的生理年龄估计装置。

本申请的第五个目的在于提出一种计算机设备。

本申请的第六个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本申请第一方面实施例提出了一种估计生理年龄的线性融合模型训练方法，包括：

获取用户的时序年龄样本和身体质量指数样本；

获取用户的动态序列值样本，对所述动态序列值样本进行多阶计算，获取动态序列特征值样本；

将所述时序年龄样本、所述身体质量指数样本和所述动态序列特征值样本组合成待融合向量，并获取所述用户的疾病标签向量；

根据预设损失函数、所述待融合向量和所述疾病标签向量进行训练估计生理年龄的线性融合模型。

在本申请的一个实施例中，所述根据预设损失函数、所述待融合向量和所述疾病标签向量进行训练估计生理年龄的线性融合模型，包括：

根据所述时序年龄样本按照预设n个年龄区间，将所述待融合向量划分为多个待融合子向量；其中，n为正整数；