智能穿戴设备数据分析技术的研究与应用

发布时间：2017-05-31 16:08

  本文关键词：智能穿戴设备数据分析技术的研究与应用，由笔耕文化传播整理发布。

【摘要】：随着智能穿戴设备的迅速发展与广泛普及,由各式各样的穿戴设备产生的运动监测数据、睡眠记录数据、血氧血压血糖等个人健康数据量越来越大。而数据挖掘技术的发展,也为可穿戴设备的进一步发展提供了良好的基础,智能穿戴设备也只有结合着数据挖掘,才能为用户提供更多有价值的信息,进而增加用户的粘性。如何充分利用这些数据以便于从中挖掘出有价值的信息,引起越来越多研究人员的关注。本文在对时间序列周期模式挖掘技术发展现状进行分析的基础上,针对基于后缀数组的周期模式挖掘算法在检测交叉嵌套周期模式时的局限性,对算法进行了改进：结合肺功能测量数据PEF、FEV1一天测量三次的特点,提出了相对应的数据预处理方法,在降低数据大小的同时,很好的保留了时间序列的局部特性；针对哮喘患者定期测量PEF/FEV1数据以跟踪病情发展的需求,开发了穿戴式峰值流速仪APP,方便用户随时随地采集PEF/FEV1数据；最后,集成以上技术,基于软件工程技术,设计并开发了峰值流速仪数据分析系统。
【关键词】：穿戴设备 时间序列挖掘 周期模式 后缀数组
【学位授予单位】：北方工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP368.33;TP311.13
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 第一章 绪论8-11
• 1.1 研究背景8
• 1.2 国内外研究现状8-9
• 1.3 研究内容9-10
• 1.4 全文组织结构10-11
• 第二章 相关技术及工具介绍11-17
• 2.1 可穿戴设备11-12
• 2.1.1 可穿戴设备简介11
• 2.1.2 可穿戴医疗设备11-12
• 2.2 时间序列数据挖掘12-14
• 2.2.1 时间序列再描述方法13
• 2.2.2 时间序列相似性度量13-14
• 2.3 时间序列周期模式挖掘14-16
• 2.3.1 时间序列周期模式分类15-16
• 2.3.2 周期模式挖掘研究进展16
• 2.4 本章总结16-17
• 第三章 时间序列周期模式挖掘研究17-30
• 3.1 相关术语定义17-18
• 3.2 后缀数组18-19
• 3.3 数据离散化技术19-20
• 3.4 基于后缀数组的周期模式挖掘算法20-25
• 3.4.1 算法描述20-22
• 3.4.2 算法程序流程图22-23
• 3.4.3 算法实现23-24
• 3.4.4 算法结果与分析24-25
• 3.5 算法的改进25-29
• 3.5.1 原有算法的局限性25-26
• 3.5.2 改进算法26-28
• 3.5.3 实验所用环境和数据集28
• 3.5.4 结果分析28-29
• 3.6 本章小结29-30
• 第四章 峰值流速仪移动端APP的设计与实现30-41
• 4.1 APP概述30-35
• 4.1.1 系统开发环境31
• 4.1.2 系统功能结构图31-33
• 4.1.3 系统E-R图33-34
• 4.1.4 系统用例图34
• 4.1.5 系统设计34-35
• 4.2 数据传输协议35-37
• 4.3 应用模块介绍37-40
• 4.3.1 注册登录模块38
• 4.3.2 历史趋势模块38-39
• 4.3.3 历史记录模块39
• 4.3.4 账户管理模块39-40
• 4.3.5 系统设置模块40
• 4.4 本章小结40-41
• 第五章 峰值流速仪数据分析系统设计与实现41-52
• 5.1 系统概述41-44
• 5.1.1 系统技术架构41-42
• 5.1.2 系统框架设计42-43
• 5.1.3 系统功能结构43-44
• 5.1.4 系统用例图44
• 5.2 系统数据库设计44-46
• 5.3 系统模块介绍46-51
• 5.3.1 用户管理模块46-47
• 5.3.2 数据管理模块47-48
• 5.3.3 数据展示模块48-49
• 5.3.4 数据分析模块49-51
• 5.4 本章小结51-52
• 第六章 结论与展望52-53
• 6.1 主要结论52
• 6.2 研究展望52-53
• 参考文献53-56
• 在学期间的研究成果56-57
• 致谢57

【相似文献】

中国硕士学位论文全文数据库 前1条

1 戴海涛;智能穿戴设备数据分析技术的研究与应用[D];北方工业大学;2016年

  本文关键词：智能穿戴设备数据分析技术的研究与应用，，由笔耕文化传播整理发布。

本文编号：409963