护理床动作控制地个性化推荐模式研究.pdf

捅要摘要个性化推荐一直以来都是数据挖掘与分析领域的研究热点。它对减轻数据负载,提高服务质量和用户体验具有极其重大的意义。近年来,个性化推荐系统越来越多地被应用在电子商务、医疗服务等各个应用领域额中。随着老年人口的日益增多,老年人的护理、保健以及康复日渐成为了全社会关注的重要问题之一。人们对生活质量要求的不断提高,使得原有的保健方式急需变革,护理床传统的手动、语音控制方式越来越不能满足社会和家庭的护理需要,因此研究一种更具自动化、个性化的护理床控制方式成为急迫的需求,而将个性化推荐思想引入护理床动作控制领域正是解决上述矛盾的一种有效途径。本文在设计了具有手动、语音和定时控制的护理床基础上,提出了一种基于改进AP聚类算法的护理床动作控制的个性化推荐模式。这是一种能有效减轻护理人员劳动强度,增强受护理人自理能力,注重人性化和个性化的护理床动作控制新方法,具有很高的研究价值。本项目得到广东省科技计划项目“多功能护理及生理参数远程监护装置”(2010A030500006)和佛山市科技计划项目“多功能护理机器人"(FZ2010013)的资助。首先,本文介绍了研究内容的相关背景知识和研究意义;分析了护理床研究现状和个性化推荐系统的研究现状。其次,本文介绍了传统推荐系统所采用的主要推荐算法,分析护理床动作控制个性化推荐系统与传统推荐系统的差异,根据护理床动作控制个性化推荐系统的特性,选择聚类分析作为护理床动作控制推荐系统的基础推荐技术;分析基于聚类分析的推荐方法,深入研究聚类分析相似度与距离的计算方法,再通过对比基于划分聚类、基于层次聚类、基于密度聚类、基于模型和基于网格聚类等多种聚类方法的优缺点和特定的使用范围,选定基于划分的聚类方法作为护理床动作控制个性化推荐的基础性算法,并详细分析了几种评价聚类结果质量的有效性指标,选取类内比例(In—GroupProportion,rap)有效性指标作为评价聚类算法最佳聚类数目的指标, 从而为后续聚类算法中参数的选取提供理论依据。第三,本文详细分析了基于划分聚类方法中两种最经典的聚类算法:K均值(K-Means)聚类算法和吸引子传播(Affmity Propagation,AV)聚类算法。通过对随机产生50个数据点的聚类结果进行对比分析,K—Means算法的聚类结果随着初始聚类中心选取的不同而改变,且经过200次的迭代还未趋于稳定状态,而AP聚类算法无广Sx_,.tk大学硕士学位论文需预先指定初始聚类中心点,而且仅经过39次迭代后便趋于稳定,分析TAP聚类算法中两个关键参数(参考度P与阻尼系数1am)对聚类结果的影响,实验证明在无先验知识的情况下,。对本文的实验数据集进行了详细描述与预处理,针对护理床在执行动作过程中所受到的机械与电气等约束,构建了一套融合规则对护理床动作的聚类结果进行适当调整,并给出了加入融合规则后的基于护理床动作控制推荐模式的改进AP聚类算法具体步骤。第四,本文将护理床划分为了4个相互独立的床面板,对主要的动作类型进行了动作分解,对护理床控制系统的设计作了整体构思。设计了 ATmegal6芯片为主控制芯片,包含数据采集、分析和处理的护理床动作控制电机驱动系统;构建了一套完整的通信协议,实现上位机(人机界面控制器)与下位机(电机驱动系统)的通信。下位机采取了自上而下,逐步细化的软件设计方法,完成了数据收发、数据解析、信号检测等功能的实现。上位机的软件设计采用三层架构模型,通过LINQ toSQL 创建通用实体类,实现三层之间的数据传递和数据库的操纵。本文从硬件设计与制作到软件编写两个方面建立了各个功能模块之间的联系,构建了一个从护理床使用者输入一>上位机深度分析一>下位机处理控制信号一>控制直线电机运动的完整系统。护理床控制系统的构建,为后面护理床动作个性化推荐模式研究提供了必要的实验平台。第五,本文对护理床动作控制系统进行测试,实验表明护理床的动作执行与停止的反应时间在1s之内,对护理床各位姿变换运动准确可靠,床体动作过程中速度适中();语音控制时,对语音信号的识别率高达到95%以上, 具有较高的稳定性和实效性。对比分析直接运用AP聚类算法和采用改进AP聚类算法对动作数据集进行聚类处理得到的实验结果,实验表明通过改进AP聚类算法得到的一组动作推荐序列符合逻辑,且能够较为全面地表征出数据集中各个动作的分布特征(实验数据集中平均尸=%的动作类型样本点分布在相应推荐动作点周围),可以较为贴切地反映出用户日常操作护理床动作的****惯。第六,本文对所进行的工作进行了总结,并给出了后续研究的建议。关键词:护理床,动作控制,个性化推荐模式,AP聚类算法 ABSTRACT ABSTRACT Personalized mend