1.一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴裝置，其特征在于，所述智能穿戴裝置主要部件布置在手腕寬度的雙層pcb板兩面，主要部件包括：環(huán)境溫濕度檢測(cè)模塊，用于檢測(cè)環(huán)境溫濕度；皮膚溫度檢測(cè)模塊，用于獲取皮膚溫度；人體心率檢測(cè)模塊，用于檢測(cè)人體心率信號(hào)；熱感舒適投票模塊，用于用戶進(jìn)行主觀熱舒適度投票，無(wú)線通訊模塊，用于讀取各模塊數(shù)據(jù)并無(wú)線傳輸至控制計(jì)算機(jī)；供電模塊，用于裝置的直流供電；oled顯示模塊，用于顯示所采集的數(shù)據(jù)，所述環(huán)境溫濕度檢測(cè)模塊、皮膚溫度檢測(cè)模塊、人體心率檢測(cè)模塊、熱感舒適投票模塊、顯示模塊、無(wú)線通訊模塊以及供電模塊均和智能穿戴裝置相連。
2.根據(jù)權(quán)利要求1所述的一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴方法，其特征在于，包括步驟：(1)智能穿戴裝置包括環(huán)境溫濕度檢測(cè)模塊、人體皮膚溫度檢測(cè)模塊、人體心率檢測(cè)模塊、熱感舒適投票模塊、無(wú)線通訊模塊、供電模塊、顯示模塊；(2)智能穿戴裝置采集小批量的環(huán)境/人體生理參數(shù)，包括環(huán)境溫濕度、人體皮膚溫度、人體心率以及熱舒適投票值構(gòu)建目標(biāo)域數(shù)據(jù)集；(3)控制計(jì)算機(jī)根據(jù)智能穿戴裝置上傳的目標(biāo)域數(shù)據(jù)，在公開的偽源域數(shù)據(jù)池中挑選相似數(shù)據(jù)構(gòu)建源域數(shù)據(jù)集；(4)控制計(jì)算機(jī)構(gòu)建熱舒適分類器，先利用源域數(shù)據(jù)對(duì)分類器參數(shù)進(jìn)行預(yù)訓(xùn)練，再利用目標(biāo)域數(shù)據(jù)對(duì)分類器參數(shù)進(jìn)行精調(diào)，所得分類器可用于個(gè)人熱舒適度的快速識(shí)別。
3.根據(jù)權(quán)利要求2所述的一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴方法，其特征在于，所述步驟(1)中，人體心率檢測(cè)模塊采集心率用到的方法為光容積掃描法ppg來(lái)測(cè)量心率，ppg的基本原理是利用光的吸收和反射特性，使用光電傳感器檢測(cè)經(jīng)過皮膚、組織和血管的光強(qiáng)度，從而計(jì)算出心率，這些變化反映在ppg信號(hào)中，信號(hào)的波動(dòng)與心臟周期同步，設(shè)i(t)是在時(shí)間t處測(cè)到的光強(qiáng)度，則ppg信號(hào)可以表示為：
4.根據(jù)權(quán)利要求2所述的一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴方法其特征在于，所述智能穿戴裝置佩戴于用戶手腕處，所述人體心率檢測(cè)模塊與皮膚溫度檢測(cè)模塊緊貼于用戶皮膚，所述控制計(jì)算機(jī)與所述智能穿戴裝置的無(wú)線通訊模塊保持通信狀態(tài)，在數(shù)據(jù)采集過程中顯示模塊用來(lái)實(shí)時(shí)顯示傳感器采集的信息，包括：人體皮膚溫度，人體心率，環(huán)境溫濕度，以及熱感投票值；熱感舒適投票模塊用來(lái)給用戶對(duì)當(dāng)前環(huán)境狀態(tài)下的熱感進(jìn)行投票。
5.根據(jù)權(quán)利要求2所述的一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴方法其特征在于，所述步驟(2)中要求受試者在環(huán)境穩(wěn)定的室內(nèi)熱環(huán)境下，對(duì)熱感值進(jìn)行投票，使用智能穿戴設(shè)備對(duì)當(dāng)前熱感值進(jìn)行投票，投票結(jié)束后，按下按鍵，表示確認(rèn)，此時(shí)智能穿戴設(shè)備上的顯示模塊將顯示為消息發(fā)送狀態(tài)，發(fā)送完成之后顯示模塊的顯示屏顯示為“ok”，即表示信息采集一組完畢，利用智能穿戴裝置采集受試者的生理狀態(tài)信息、周圍環(huán)境信息、以及七級(jí)熱感投票值，小批量采集50～60組數(shù)據(jù)用來(lái)構(gòu)建目標(biāo)域數(shù)據(jù)集，為模型的遷移學(xué)習(xí)做準(zhǔn)備。
6.根據(jù)權(quán)利要求2所述的一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴方法，其特征在于，所述步驟(3)中，由于地域、氣候、受試者相關(guān)因素的影響，發(fā)現(xiàn)目標(biāo)數(shù)據(jù)集和公開數(shù)據(jù)集之間的數(shù)據(jù)分布差異過大，需要使用近鄰搜索算法去尋找公開數(shù)據(jù)集中與目標(biāo)域相似的數(shù)據(jù)用于遷移學(xué)習(xí)，該方法的主要過程如下：假設(shè)所有數(shù)據(jù)都是類別未知的，基于歐幾里德距離，在一個(gè)搜索空間內(nèi)尋找與給定查詢項(xiàng)距離最小的數(shù)據(jù)；
7.根據(jù)權(quán)利要求2所述的一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴方法，其特征在于，所述步驟(4)中分類器模型基于一維卷積神經(jīng)網(wǎng)絡(luò)1d-cnn模型構(gòu)建；其中，1d-cnn模型包含兩個(gè)卷積層和一個(gè)全連接層，在每個(gè)卷積層后應(yīng)用了relu激活函數(shù)，增強(qiáng)了模型的非線性表達(dá)能力，在卷積層之后，模型使用了一個(gè)包含50個(gè)神經(jīng)元的全連接層，其作用是將卷積層提取到的特征進(jìn)行組合和變換，從而進(jìn)一步提取高級(jí)特征；在使用目標(biāo)域訓(xùn)練個(gè)人熱舒適分類器的過程中，將源域訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型的全連接層2中參數(shù)遷移至目標(biāo)域模型的全連接層2中，最后，來(lái)自全連接層的輸出被傳遞到輸出層，使用softmax激活函數(shù)來(lái)提高1d-cnn模型的分類效率和準(zhǔn)確率，從而提高模型的精度。
8.根據(jù)權(quán)利要求1中所述的一種用于個(gè)人熱舒適度快速識(shí)別的智能穿戴方法，其特征在于，針對(duì)人體心率檢測(cè)模塊因外界干擾和噪聲影響導(dǎo)致的精度不穩(wěn)定問題，使用均值濾波算法求取固定時(shí)間窗口內(nèi)采樣心率的算術(shù)平均值作為心率值，對(duì)于時(shí)間點(diǎn)t的濾波后心率值yt,計(jì)算公式為：