基于营养饮食推荐系统研究

发布时间：2021-10-20 03:12

　　近年来,人们饮食观念由温饱向营养饮食转变。在转变过程中,由于饮食不合理导致人体出现健康问题,慢性疾病的发病患者和死亡人数逐年上升,普通健康人群应关注自身健康,健康饮食,将慢性疾病防患于未然。本文在线性用户模型的基础上,鉴于粒子群算法的优势,提出了基于粒子聚集离散程度的动态惯性权重,量化饮食推荐。提出KMSBCF组合推荐算法,为用户推荐偏好食材。该组合算法融合了聚类、Slope One、基于用户的协同过滤、偏好权重,其中偏好权重融合了用户饮食相关的时间因子、概率、食用频次。本文旨在针对普通健康人群的饮食,进行个性化的饮食推荐系统的研究,满足用户饮食偏好,以及饮食多样性的需求。首先,本文根据用户的性别、体重、身体活动水平等因素计算用户每日所需热量,根据营养素提供的热量配比,计算用户每日所需的各项营养成分。使用简化的用户营养模型,从偏差的角度对推荐的食材进行量化分析。将求解用户营养模型问题转化为偏差问题,再使用改进的粒子群算法寻找最优值,间接解决问题,同时保证推荐结果的多样性。对粒子群算法进行改进,使用基于粒子的聚集离散程度变化的动态惯性权重,通过仿真分析对比结果得出改进算法相较于普通粒子群... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：79 页

【学位级别】：硕士

【部分图文】：

登录

第五章 饮食推荐系统的设计与实现55图5.3 用户基本信息3. 食材库包含不同食材每 100g 所含的热量、蛋白质、脂肪、碳水化合物，如图 5.4 所示。图5.4 食材库4. 食材库饮食记录记录用户早餐、午餐、晚餐进食的热量，蛋白质、脂肪、碳水化合物的摄入量，达标水平在一天内以累计的形式计算，如图 5.5 所示。

食材库

【参考文献】：
期刊论文
[1]基于建构主义学习理论的个性化知识推荐模型[J]. 谢振平,金晨,刘渊.  计算机研究与发展. 2018(01)
[2]基于改进算法的营养评价与膳食智能决策支持系统[J]. 费斐.  自动化与仪器仪表. 2016(04)
[3]《中国居民膳食营养素参考摄入量》2013修订版简介[J]. 程义勇.  营养学报. 2014(04)
[4]基于滚动时间窗的动态协同过滤推荐模型及算法[J]. 沈键,杨煜普.  计算机科学. 2013(02)
[5]改进的多目标遗传算法在营养决策中应用[J]. 王高平,王永骥.  计算机工程与应用. 2007(04)
[6]模糊多目标遗传算法及其在营养决策中的应用[J]. 王高平,王永骥,王浩.  河南工业大学学报(自然科学版). 2006(05)
[7]循证(证据)医学对临床营养应用的影响[J]. 蒋朱明,马恩陵,王秀荣,于康,陈伟.  中国临床营养杂志. 2003(01)
[8]电脑配餐的实践与方法[J]. 高明辉,周严平,陶庆.  食品科学. 1990(06)

硕士论文
[1]基于饮食行为的个性化饮食推荐服务研究[D]. 孟佩.陕西师范大学 2016
[2]个性化健康饮食推荐服务研究[D]. 李越.陕西师范大学 2016
[3]基于Slope One算法的协作过滤个性化推荐系统设计与实现[D]. 李朝阳.华中科技大学 2010



本文编号：3446135