技術(shù)特征：

1.一種基于增量式神經(jīng)網(wǎng)絡模型的睡眠障礙預測方法，其特征在于，包括如下步驟：

步驟(1)、獲取醫(yī)院睡眠障礙治病病因病理數(shù)據(jù)源與病人日常監(jiān)控數(shù)據(jù)，從而建立睡眠障礙日常數(shù)據(jù)數(shù)據(jù)庫；

步驟(2)、根據(jù)步驟(1)建立的睡眠障礙日常數(shù)據(jù)數(shù)據(jù)庫以離線的方式對神經(jīng)網(wǎng)絡模型進行訓練，以得到訓練好的睡眠障礙病理神經(jīng)網(wǎng)絡模型；

步驟(3)、通過智能監(jiān)控設備對用戶的日常生活數(shù)據(jù)進行采集，并將采集的日常生活數(shù)據(jù)發(fā)送至服務器，服務器將用戶的日常生活數(shù)據(jù)保存至用戶日常數(shù)據(jù)記錄表中；

步驟(4)、從用戶日常數(shù)據(jù)記錄表中提取當日數(shù)據(jù)，形成n維向量，并對n維向量做歸一化處理后輸入步驟(2)中訓練好的睡眠障礙病理神經(jīng)網(wǎng)絡模型中進行睡眠障礙危險程度概率預測，得到睡眠障礙概率結(jié)果數(shù)組P，服務器將數(shù)組P中最高概率對應的睡眠障礙危險程度值W傳送給智能家庭睡眠障礙護理設備；

步驟(5)、智能家庭睡眠障礙護理設備接收服務器傳送的睡眠障礙危險程度值W后，判斷睡眠障礙危險程度值W是否大于等于3，如果大于等于3，則警示器警示以提醒用戶，如果小于3，則警示器不警示；

步驟(6)、當用戶接收到警示器警示時，用戶自行去醫(yī)院檢查，并將檢查結(jié)果通過智能家庭睡眠障礙護理設備傳送回服務器，服務器判斷檢查結(jié)果是否正確，如果檢查結(jié)果錯誤，則說明睡眠障礙病理神經(jīng)網(wǎng)絡模型預測不準確，如果檢查結(jié)果正確，則說明睡眠障礙病理神經(jīng)網(wǎng)絡模型預測準確；

步驟(7)、當檢查結(jié)果錯誤時，從用戶日常數(shù)據(jù)記錄表中抽取m天內(nèi)的記錄保存至增量數(shù)據(jù)表中，當增量數(shù)據(jù)表中的記錄數(shù)量大于h條時，執(zhí)行增量式算法，對睡眠障礙病理神經(jīng)網(wǎng)絡模型進行動態(tài)修正；

步驟(8)、重復步驟(3)～(7)。

2.根據(jù)權(quán)利要求1所述的一種基于增量式神經(jīng)網(wǎng)絡模型的睡眠障礙預測方法，其特征在于，神經(jīng)網(wǎng)絡模型的輸入層為n個節(jié)點，隱含層個數(shù)為n*2+1，輸出層為1個節(jié)點，從睡眠障礙日常數(shù)據(jù)數(shù)據(jù)庫表中提取k條記錄進行訓練，每條記錄是一個n維向量，所有數(shù)據(jù)在使用前先經(jīng)歸一化處理，使其數(shù)值在[0,1]區(qū)間,然后執(zhí)行如下步驟對神經(jīng)網(wǎng)絡模型進行訓練：

1)輸入一個n維向量到神經(jīng)網(wǎng)絡模型，計算神經(jīng)網(wǎng)絡模型中所有的權(quán)向量到該輸入n維向量的距離，距離最近的神經(jīng)元即為獲勝神經(jīng)元，其計算公式如下：

其中：W_k是獲勝神經(jīng)元的權(quán)向量,||...||為歐幾里得距離；

2)調(diào)整獲勝神經(jīng)元和獲勝神經(jīng)元領域內(nèi)的神經(jīng)元的權(quán)向量，公式如下：

其中：W_j(t)是神經(jīng)元；W_j(t+1)是調(diào)整前和調(diào)整后的權(quán)向量；j屬于獲勝神經(jīng)元領域；α(t)是學習率，它是隨著迭代次數(shù)的增加逐漸遞減的函數(shù)，取值范圍為[0 1]，經(jīng)過多次實驗選取最佳學習率為0.71；D_j是神經(jīng)元j與獲勝神經(jīng)元的距離；σ(t)是隨著時間遞減的函數(shù)；每一次迭代都將所有輸入n維向量輸入到神經(jīng)網(wǎng)絡模型中進行訓練，當達到規(guī)定的迭代次數(shù)后，神經(jīng)網(wǎng)絡模型訓練結(jié)束。

3.根據(jù)權(quán)利要求1所述的一種基于增量式神經(jīng)網(wǎng)絡模型的睡眠障礙預測方法，其特征在于，智能家庭睡眠障礙護理設備將檢查結(jié)果傳送回服務器的結(jié)果信息的格式為：{醫(yī)生實際判斷的睡眠障礙危險程度值}，服務器在接收到結(jié)果信息后，判斷檢查結(jié)果是否正確。

4.根據(jù)權(quán)利要求1所述的一種基于增量式神經(jīng)網(wǎng)絡模型的睡眠障礙預測方法，其特征在于，對睡眠障礙病理神經(jīng)網(wǎng)絡模型進行動態(tài)修正的增量式算法為：

把增量數(shù)據(jù)表中的每條向量V{V₁,V₂,…,V_n}，傳送至神經(jīng)網(wǎng)絡模型學習函數(shù)中進行學習，學習步驟如下：

1)首先對輸出層各權(quán)向量賦小隨機數(shù)并做歸一化處理，然后利用輸入模式向量V的平均值Avg(V)，初始化為神經(jīng)網(wǎng)絡模型第0層中唯一神經(jīng)元的權(quán)值，并設置為獲勝神經(jīng)元，計算其量化誤差QE；

2)從第0層的神經(jīng)元中拓展出一個2×2結(jié)構(gòu)SOM，并將其層次標識Layer 置為1；

3)對于第Layer層中拓展出的每一個2×2結(jié)構(gòu)SOM子網(wǎng)，初始化這4個神經(jīng)元的權(quán)值；將第i個神經(jīng)元的輸入向量集合Ci設置為空，主標簽置為NULL，神經(jīng)元i的主標簽比率r_i置為0；新的SOM的異常預警數(shù)據(jù)向量V繼承其父神經(jīng)元的獲勝輸入向量集合VX；

4)從VX中挑選一個向量VX_i做以下判斷：

如果VX_i為不帶標簽的數(shù)據(jù)，則計算它與每個神經(jīng)元的歐氏距離，選擇距離最短的神經(jīng)元作為獲勝神經(jīng)元；

如果VX_i為帶標簽的數(shù)據(jù)，則選擇主標簽與VX_i的標簽相同且r_i值最大的神經(jīng)元作為獲勝神經(jīng)元，更新該獲勝神經(jīng)元主標簽；

如果找不到主標簽與VX_i的標簽相同的神經(jīng)元，則找到與VX_i距離最近的神經(jīng)元i作為獲勝神經(jīng)元；

5)對獲勝神經(jīng)元及其鄰域內(nèi)神經(jīng)元的權(quán)值進行調(diào)整，更新獲勝向量集合W＝W∪{VX_i}，計算獲勝神經(jīng)元的主標簽、主標簽比率r_i和信息熵E_i.如果未達到預定訓練次數(shù)，則轉(zhuǎn)步驟4)；

6)計算經(jīng)調(diào)整后的該神經(jīng)網(wǎng)絡模型中每個神經(jīng)元的量化誤差QE_i、神經(jīng)元信息熵E_i和子網(wǎng)的平均量化誤差MQE，公式如下：

其中：W_i為神經(jīng)元i的權(quán)值向量，C_i為映射到神經(jīng)元i的所有輸入向量構(gòu)成的集合；

其中：n_i表示落在神經(jīng)元上標簽為i的樣本個數(shù)，m表示落在神經(jīng)元上有標簽數(shù)據(jù)的總數(shù)，T表示落在神經(jīng)元上的樣本標簽種類集合；

然后判斷：

如果MQE>父節(jié)點的QE×閾值q，其中q＝0.71，則在該SOM中插入一行神經(jīng)元，轉(zhuǎn)步驟4)；

如果E_i>父節(jié)點的E_i×閾值p，其中p＝0.42，則從該神經(jīng)元上長出一層新的 子網(wǎng)，將新長出的子網(wǎng)增加到Layer+1層的子網(wǎng)隊列中；

如果SOM中沒有插入新的神經(jīng)元也沒有長出新的子網(wǎng)，說明該子網(wǎng)訓練完成；

7)對于新拓展出的Layer+1層的所有2×2結(jié)構(gòu)SOM，迭代運行步驟3)～5)對其重新進行訓練，直至神經(jīng)網(wǎng)絡模型不再產(chǎn)生新的神經(jīng)元和新的分層，整個訓練結(jié)束。

5.根據(jù)權(quán)利要求1所述的一種基于增量式神經(jīng)網(wǎng)絡模型的睡眠障礙預測方法，其特征在于，在步驟(4)中，得到的睡眠障礙概率結(jié)果數(shù)組P為一個6維變量，其6維變量分別為6個睡眠障礙危險程度概率，把6個睡眠障礙危險程度概率中最高概率對應的睡眠障礙危險程度值W傳送給智能家庭睡眠障礙護理設備；在步驟(5)中，當睡眠障礙危險程度值W＝1時表示理想，W＝2時表示正常，W＝3時表示亞健康，W＝4時表示危險，W＝5時表示非常危險，W＝6時表示患病。

6.根據(jù)權(quán)利要求1所述的一種基于增量式神經(jīng)網(wǎng)絡模型的睡眠障礙預測方法，其特征在于，如果用戶通過其他方式包括體檢和自查，得知自己已患睡眠障礙，而智能家庭睡眠障礙護理設備的警示器沒有警示，則表示智能家庭睡眠障礙護理設備判斷不準確，此時執(zhí)行步驟(6)～(7)，智能家庭睡眠障礙護理設備把結(jié)果信息傳送到服務器上。

7.一種采用權(quán)利要求1～7所述睡眠障礙預測方法的預測系統(tǒng)，其特征在于，包括智能監(jiān)控設備、智能設備數(shù)據(jù)采集器、服務器和智能家庭睡眠障礙護理設備，所述智能監(jiān)控設備與所述智能設備數(shù)據(jù)采集器相連接，所述智能設備數(shù)據(jù)采集器通過通訊裝置一與所述服務器網(wǎng)絡通訊，所述智能家庭睡眠障礙護理設備通過通訊裝置二與所述服務器網(wǎng)絡通訊。

8.根據(jù)權(quán)利要求8所述睡眠障礙預測方法的預測系統(tǒng)，其特征在于，所述智能家庭睡眠障礙護理設備上設置有警示器。

9.根據(jù)權(quán)利要求8所述睡眠障礙預測方法的預測系統(tǒng)，其特征在于，所述智能監(jiān)控設備包括智能穿戴設備、智能水杯、智能體重稱、智能馬桶和智能光感設備。