健康监护：基于异质传感器的特征整合和决策分类技术

1.职业装的概念

职业装又称工作服，是为工作需要而特制的服装。职业装设计时需根据行业的要求，结合职业特征、团队文化、年龄结构、体型特征、穿着习惯等，从服装的色彩、面料、款式、造型、搭配等多方面考虑，为着装者打造富于内涵及品位的全新职业形象。

2.职业装的分类

（1）行政职业装

行政职业装是商业行为和商业活动中最为流行的一种服饰，它是兼具职业装与时装特点的一类服装。它不像职业制服那样有明确的穿着规定与要求，但它有着很明显的流行属性和商业属性，需有一定的穿着场合，因此，这类服装十分追求品位与潮流，用料考究，造型上强调简洁与高雅，色彩追求协调，总体上注重体现穿着者的身份、文化修养及社会地位（图4-1）。适用于金融、保险、通信、国家机关、文物、交通等各企事业单位的窗口部门，主要款式为西装或变形西装，主要面料为各种含毛的贡丝锦、哔叽、新丰呢、板丝呢、金爽呢、双面呢等。

（2）职业制服

职业制服是一种体现自己的行业特点，并有别于其他行业而设计的着装。它具有明显的功能性与形象性双重含义。这种职业装不仅具有识别的象征意义，还具有规范人的行为作用。

商场营业类：主要适用于各种商场、超市、专卖、连锁、营业厅等（图4-2）。要求款式大方，色彩亲切，主要面料为各种涤棉衬衣类以及仿毛类、化纤类，面料如卡丹皇、制服呢、金爽呢、新丰呢、形象呢、仿毛贡丝锦等。

宾馆酒店类：主要适用各类档次宾馆酒店、餐厅、酒吧、咖啡厅等（图4-3）。对款式、色彩的敏感度要求高，品种较繁杂。面料除了常规材料外，另常用料为织锦缎、色丁、仿针织。

图9-13 健康监护装置外形示意图(www.xing528.com)

（2）脉搏波分析及特征参数提取技术

人体波形中的特征参数的提取方法，包括：在原始波形上通过n/m滑窗逻辑法查找波形周期内的波形峰值点；在所得到的波峰值点的周围查找波形最低的点，从而得到波形起始点；还包括对原始波形做一阶差分和二阶差分操作；利用二阶差分的结果波形从原始波形图中找到降中峡与重搏波峰值点，利用所述一阶差分和二阶差分的结果波形从原始波形图中找到重搏前波峰值点。此外，还包括采用N次-两点平滑滤波法对原始波形做平滑滤波。

（3）维数约简及特征选择技术

利用维数约简技术整合健康网络中的各种异质传感器以抽取其有效特征，并组合这些特征以获得基于整合多传感器行为的最终决策。特征选择不仅是一种广泛应用于数据挖掘和知识发现的“维数约简”技术，还是健康网络中情景感知环节不可缺少的技术，特征选择技术常用贝叶斯模型作为学习和分类的依据，在清除不相关或冗余的特征的同时保留有用的差别信息，事实上，仅选择相关特征或传感器不但简化健康网络系统的配置，提高分类精度，还能够用来识别相关传感器和它们的最优位置。特征选择的应用意味着更少的数据传输和更高效的数据挖掘。我们还考虑了包冲突、数据传输率和存储时，特征选择所能达到的性能指标。

（4）自适应算法设计及分类学习技术

自适应算法设计主要体现在提取基于中医脉诊理论的脉搏波特征参数时，波形的无规律性所导致的参数变化，变化的范围不能随意设定，要根据一个波形周期及其主波峰的高度来决定。考虑到健康网络还监控人类活动（包括自然持续的身体动作），这就要求系统不仅能够识别当前状态下某些行为，还要具有学习和分类能力以提高精度和提供决策信息。

（5）多传感器信息融合技术

信息/数据融合（Information/Data Fusion）是一个多级的，多方面的，将来自于多个数据源（或多个传感器）的数据进行处理的过程。它能够获得比单独一个传感器更高的准确率，更有效和更易理解的推论。同时，它又是一个包含将来自不同节点数据进行联合处理的方法和工具的架构。

在健康网络系统中，从系统任务或输入输出的角度建立信息融合架构，并在架构中给出一系列信息融合方法，还在基于DFD信息融合模型的基础上，提出了轻量级信息融合解决方案，以解决基于中医脉象理论的脉搏信息采集健康网络系统中实时数据采集和病症识别问题。在该轻量级信息融合架构中，提出了简化，并给出了一系列的数据融合算法（包括特征选择/发现算法、向量生成算法和诊断识别算法）。wi-DFD信息融合模型的特点是：结构简单，易于理解和使用，与数据融合算法结合紧密，特别适用于健康医疗系统。