一種基于大數(shù)據(jù)的皮紋分析處理方法
【專利摘要】本發(fā)明公開了一種基于大數(shù)據(jù)的皮紋分析處理方法，包括：采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型；根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型；通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理；還包括，對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化。本發(fā)明能夠解決被試群體的樣本量較小、被試群體的變化以及處理效率低下的問題。本發(fā)明基于計算機軟件和互聯(lián)網(wǎng)技術(shù)的大數(shù)據(jù)方法，可處理千萬量級被試者的數(shù)據(jù)。并通過建立統(tǒng)一分析模型和自適應(yīng)模型對結(jié)果進行分析，并不斷迭代進行分析模型優(yōu)化。
【專利說明】
一種基于大數(shù)據(jù)的皮紋分析處理方法
技術(shù)領(lǐng)域
[0001 ]本發(fā)明涉及計算機領(lǐng)域，特別涉及基于大數(shù)據(jù)的皮紋分析處理方法。
【背景技術(shù)】
[0002]皮紋心理學(xué)是指以皮紋學(xué)、心理學(xué)、腦神經(jīng)科學(xué)、遺傳學(xué)和行為學(xué)為基礎(chǔ)的一門綜合性學(xué)科。它的成果也是輔助心理學(xué)研究的一個重要工具。而且在經(jīng)歷了多年的發(fā)展和行業(yè)應(yīng)用之后，皮紋心理學(xué)已被廣泛應(yīng)用在兒童教育、心理咨詢、升學(xué)擇業(yè)、職業(yè)規(guī)劃、人才培養(yǎng)等眾多領(lǐng)域。
[0003]皮紋心理學(xué)的研究方法就是傳統(tǒng)心理學(xué)研究所應(yīng)用的統(tǒng)計分類的方法。通常就是以幾十名到上百名被試者為樣本群體，根據(jù)皮紋的特征數(shù)據(jù)和實驗所關(guān)注的被試者的心理和行為學(xué)特征進行相關(guān)性研究，從而給出具有哪些皮紋特征的被試者在某種心理和行為學(xué)特征上表現(xiàn)是一致的。而心理和行為學(xué)特征的評定則通常是通過主觀測試題來實現(xiàn)的。這樣，通過逐步的積累就形成了皮紋心理學(xué)的核心模型，即包括了皮紋信息和心理、行為學(xué)特征的關(guān)聯(lián)關(guān)系模型。有了這樣的核心模型，就可以指導(dǎo)心理學(xué)研究人員或心理咨詢師全方位地了解目標(biāo)被試者的心理和行為特征。
[0004]但目前的模型存在如下幾方面的缺點:
[0005]1.被試群體的樣本量太小:在如今紛繁復(fù)雜的社會環(huán)境中，幾十甚至幾百的被試者群體所呈現(xiàn)出的規(guī)律無法可靠地擴展到更有應(yīng)用價值和意義的目標(biāo)群體中。幾十萬、幾百萬甚至更高數(shù)量級的被試群體所呈現(xiàn)的結(jié)果才更有統(tǒng)計學(xué)意義。
[0006]2.被試群體的變化導(dǎo)致隱含的問題:在目前所發(fā)表的各種研究成果中，每一次實驗都是以一個時間和空間聚集在一起的小群體作為被試，比如一個學(xué)校幾個班級的學(xué)生，一個養(yǎng)老院的若干老人，一個體育訓(xùn)練隊的若干運動員等等。而每一次實驗的研究目標(biāo)又是不同的。所以，如果把所有研究的結(jié)果組合成一個系統(tǒng)化的模型，從嚴格意義上來講必然是存在一定偏差的。這種偏差的根源就在于每個單獨的研究成果是在彼此獨立和割裂的時空環(huán)境下產(chǎn)生的。
[0007]3.研究的效率過于低下。有些傳統(tǒng)的研究方法會跟蹤一個被試群體幾個月甚至若干年的時間來搜集其心理和行為的發(fā)展變化的情況。這一漫長的過程中會存在諸多不可預(yù)測的環(huán)境因素影響實驗的進程和結(jié)果，比如被試者減少，不同的成長環(huán)境帶來的噪聲因素等。這樣就會導(dǎo)致幾年的研究投入毫無結(jié)果，或者結(jié)果可信度不夠。
[0008]而大數(shù)據(jù)對于解決心理學(xué)領(lǐng)域的問題，有著以下幾點特殊意義:
[0009]第一，是指被試群體數(shù)量非常巨大，一般是以百萬量級起步的；
[0010]第二，是搜集到的信息量非常巨大，通常要比被試群體的數(shù)量多一個量級；
[0011]第三，就是各種用于分析的數(shù)據(jù)的來源是多樣的，比如被試者的遺傳信息、主觀評測數(shù)據(jù)、社交網(wǎng)絡(luò)數(shù)據(jù)、消費行為數(shù)據(jù)等等。

【發(fā)明內(nèi)容】

[0012]本發(fā)明要解決的技術(shù)問題是，基于大數(shù)據(jù)分析、處理，皮紋心理學(xué)的方法，能夠解決被試群體的樣本量較小、被試群體的變化以及處理效率低下的問題。
[0013]解決上述技術(shù)問題，本發(fā)明提供了一種基于大數(shù)據(jù)的皮紋分析處理方法，包括:
[0014]采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型；
[0015]根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型；
[0016]通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理；
[0017]還包括，對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化。
[0018]更進一步，所述皮紋信息數(shù)據(jù)包括如下步驟:
[0019]采集被試者的皮紋信息并通過網(wǎng)絡(luò)服務(wù)器上傳至后臺服務(wù)器；
[0020]和/或通過在線和線下測評的方式采集被試者的心理行為數(shù)據(jù)；
[0021 ]和/或?qū)Ρ辉囌叩幕ヂ?lián)網(wǎng)訪問行為得到行為特征數(shù)據(jù)。
[0022]更進一步，對皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)、行為特征數(shù)據(jù)以及基礎(chǔ)信息數(shù)據(jù)進行組織和存儲；同時將上述數(shù)據(jù)同步至云端。
[0023]更進一步，分析處理方法還包括，將上述采集得到的皮紋信息數(shù)據(jù)和行為特征數(shù)據(jù)，按照統(tǒng)一分析模型為框架進行組織并存儲在數(shù)據(jù)庫中時，進行數(shù)據(jù)集成、清洗，并且在統(tǒng)一分析模型中標(biāo)記上述控制模塊中數(shù)據(jù)的約束條件。
[0024]更進一步，分析處理方法還包括，根據(jù)統(tǒng)一分析模型中的數(shù)據(jù)集合作為對象執(zhí)行多維度數(shù)據(jù)分析，得到各維度概念的具體分類，以及不同維度之間的關(guān)聯(lián)關(guān)系和因果規(guī)則。
[0025]更進一步，所述處理的方式包括，修正采集過程中的粒度，以及調(diào)整采集目標(biāo)。
[0026]更進一步，所述優(yōu)化的過程包括，調(diào)整所述模型中的參數(shù)，以及調(diào)整模型中的概念、相互關(guān)系。
[0027]更進一步，所述統(tǒng)一分析模型按照如下方法建立，
[0028]通過將所述統(tǒng)一分析模型建立元模型層、集成模型層以及分析模型層，
[0029]根據(jù)所述元模型層，定義統(tǒng)一分析模型的基本元數(shù)據(jù);通過所述集成模型層，根據(jù)皮紋信息數(shù)據(jù)和心理行為數(shù)據(jù)，按照被試者以時間和空間作為索引，進行被試者的完整肖像數(shù)據(jù);將分析模型層，根據(jù)所述元模型層中的基本元數(shù)據(jù)和集成模型層中的完整肖像數(shù)據(jù)，得到分析模型集合。
[0030]更進一步，所述自適應(yīng)模型按照如下方式進行建立:
[0031 ]根據(jù)所述統(tǒng)一分析模型獲得被試者多維度數(shù)據(jù)；
[0032]按照多維度數(shù)據(jù)中的行為特征，進行被試者的分析結(jié)論、效度以及相關(guān)性的自適應(yīng)更改；
[0033]在上述處理過程中基于不同的目標(biāo)或者應(yīng)用場景建立自適應(yīng)模型。
[0034]更進一步，采集皮紋信息的采集裝置設(shè)置于移動終端或者PC端，以及組織和存放采集數(shù)據(jù)通過互聯(lián)網(wǎng)上傳至云端或者儲存在本地
[0035]本發(fā)明的有益效果:
[0036]I)由于在本發(fā)明中的基于大數(shù)據(jù)的皮紋心理學(xué)分析處理方法，包括:采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型;根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型;通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理;還包括，對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化。通過采用基于計算機軟件和互聯(lián)網(wǎng)技術(shù)的大數(shù)據(jù)方法，可以輕松處理千萬量級被試者的數(shù)據(jù)。
[0037]2)由于根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，分析結(jié)果得到自適應(yīng)模型。所以不論是主觀評測還是外部數(shù)據(jù)，都是一個持續(xù)性的過程，而且完全不受地域的限制，因此從宏觀上看，時間和空間上都可以形成一個常態(tài)。這樣得出的分析結(jié)果就更有意義。
[0038]3)由于對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化。采用大數(shù)據(jù)的方法執(zhí)行高效，即便是數(shù)據(jù)量如此龐大，也可以在很短時間內(nèi)完成一輪分析，所以不會引入噪聲因素。而且獨特數(shù)據(jù)積累和迭代優(yōu)化的能力使得模型能夠不斷進化。
[0039]4)由于所述統(tǒng)一分析模型包括:元模型層、集成模型層以及分析模型層，在收集的數(shù)據(jù)因為來源復(fù)雜、無法對其統(tǒng)一地管理和分析時，需要構(gòu)建一個統(tǒng)一的數(shù)據(jù)分析模型，同時隨著數(shù)據(jù)源和數(shù)據(jù)格式的變動，模型的擴展能力也需要得到保障。
【附圖說明】
[0040]圖1是本發(fā)明一實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0041]圖2是圖1中的皮紋信息數(shù)據(jù)采集方式示意圖。
[0042]圖3是圖1中的數(shù)據(jù)儲存方式示意圖。
[0043]圖4是本發(fā)明一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0044]圖5是本發(fā)明一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0045]圖6是本發(fā)明另一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0046]圖7是本發(fā)明另一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0047]圖8是本發(fā)明另一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
【具體實施方式】
[0048]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚明白，以下結(jié)合具體實施例，并參照附圖，對本發(fā)明進一步詳細說明。
[0049]請參考圖1是本發(fā)明一實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0050]本實施例中的一種基于大數(shù)據(jù)的皮紋分析處理方法，包括:
[0051]SlOO采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型;所述采集得到的皮紋信息數(shù)據(jù)，可通過人的指紋、掌紋和足紋信息，來分析人的性格特征、學(xué)習(xí)能力、思維方式、智能特點、人格特征等，目標(biāo)是讓人能夠更好地了解和認識自己。從心理測量的角度來看，皮紋信息數(shù)據(jù)具有極高的信度和較高的效度。原因在于，人的皮紋信息是遺傳信息，幾乎終生不變，尤其是指紋信息，不受時間和環(huán)境的影響，多次測量的結(jié)果都是一致的，所以信度極高。在經(jīng)歷了多年的發(fā)展和行業(yè)應(yīng)用之后，皮紋信息數(shù)據(jù)已被廣泛應(yīng)用在兒童教育、心理咨詢、升學(xué)擇業(yè)、職業(yè)規(guī)劃、人才培養(yǎng)等眾多領(lǐng)域。所述心理行為數(shù)據(jù)的采集，比如通過主觀測試的題目，讓用戶答題并將答題結(jié)果自動上傳到云端或者后臺服務(wù)器。所述行為特征數(shù)據(jù)的采集，通過與被試者相關(guān)的互聯(lián)網(wǎng)使用記錄來搜集用戶的一些日常行為數(shù)據(jù)，比如購物數(shù)據(jù)、投資數(shù)據(jù)、出行數(shù)據(jù)、社交行為數(shù)據(jù)等。實現(xiàn)這種方式首先要參與研究的被試者提供互聯(lián)網(wǎng)應(yīng)用的授權(quán)，然后再對接相關(guān)系統(tǒng)自動化地獲取數(shù)據(jù)。通過心理咨詢的方式獲取被試者深度的心理狀態(tài)數(shù)據(jù)。這些數(shù)據(jù)也可通過軟件系統(tǒng)上傳到云端。
[0052]在一些實施例中，基于Ouath協(xié)議，得到第三方授權(quán)和認證后，進行被試者網(wǎng)絡(luò)訪問記錄、數(shù)據(jù)的獲取。
[0053]在一些實施例中，通過解析URL地址進行被試者訪問服務(wù)，獲取得到訪問記錄和被試者行為數(shù)據(jù)。
[0054]在一些實施例中，通過網(wǎng)絡(luò)爬蟲，Larbin、Nutch、Heritrix、WebSPHINX、Mercator、PolyBot等，抓取被試者的行為數(shù)據(jù)。
[0055]在一些實施例中，所述采集皮紋信息數(shù)據(jù)包括但不限于，指紋信息，掌紋信息等，并上傳到云端數(shù)據(jù)庫。
[0056]在一些實施例中，采集皮紋信息數(shù)據(jù)是收集信息的第一步，需要特殊的設(shè)備搜集皮紋特征數(shù)據(jù)，優(yōu)選地，可以采用紋采集儀，掌紋采集儀，攝像頭等。比如用戶通過手機上的攝像頭能夠采集得到待測試者的虹膜信息或者人臉信息，并按照人臉信息或者虹膜信息對待測試者進行識別。
[0057]在一些實施例中，心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)是為了采集和分析目標(biāo)相關(guān)的信息，包括但不限于主觀測試數(shù)據(jù)，互聯(lián)網(wǎng)使用數(shù)據(jù)，以及臨床心理咨詢的檔案數(shù)據(jù)等。
[0058]SlOl根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型；
[0059]S102通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理；
[0060]在一些實施例中，基于統(tǒng)一分析模式和各種分析工具，可以通過不斷處理和分析數(shù)據(jù)得出一系列有意義的結(jié)論。這些結(jié)論都是面向某類或某幾類研究目標(biāo)或應(yīng)用場景的，就構(gòu)成了自適應(yīng)模型。比如，自適應(yīng)模型可以包括但不限于，親子教育、升學(xué)就業(yè)、人際溝通、企業(yè)用人、血型、職業(yè)測評、心理測評及心理咨詢、身心靈成長等方面。
[0061]在一些實施例中，所述統(tǒng)一分析模型包括:元模型層、集成模型層以及分析模型層，在所述元模型層中，定義統(tǒng)一分析模型的基本元數(shù)據(jù);比如，個人信息相關(guān):
[0062]{性別}、{生日}、{血型}、{學(xué)歷}、{專業(yè)}、{職業(yè)}
[0063]再比如，智力相關(guān):
[0064]{語言}、{記憶}、{邏輯}、{空間想象能力}
[0065]在所述集成模型層中，根據(jù)皮紋信息數(shù)據(jù)和心理行為數(shù)據(jù)，按照被試者以時間和空間作為索引，進行被試者的完整肖像數(shù)據(jù)；
[0066]在集成模型層中構(gòu)建分為三個層次，第一個層次就是針對單個被試者的核心數(shù)據(jù)的組織;第二個層次就是組織單個被試者的后天成長數(shù)據(jù);第三個層次就是組織被試者的社會化信息。
[0067]在分析模型層中，根據(jù)所述元模型層中的基本元數(shù)據(jù)和集成模型層中的完整肖像數(shù)據(jù)，得到分析模型集合。在所述分析模型層中會有很多個獨立的分析模型，形成分析模型
口 O
[0068]還包括，S103對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化。在這一過程中，可以啟發(fā)式地調(diào)整所述統(tǒng)一分析模型中的參數(shù)，甚至調(diào)整模型概念和相互關(guān)系，這就是優(yōu)化模型的過程。這一過程需要反復(fù)多次進行，以便得到更有意義的結(jié)果。這里的一個重要關(guān)鍵就是結(jié)果的可靠性驗證。
[0069]所述迭代包括:a)考慮整個系統(tǒng)的采集是持續(xù)且自動化進行的，所以數(shù)據(jù)量在不斷增大，也就是說被試者的群體在不斷擴大;b)將上一輪的分析結(jié)果在下一輪可以用更大的數(shù)據(jù)集合來驗證;c)具體分析判斷時如果某個結(jié)果是有意義的，則在更大數(shù)據(jù)集中就應(yīng)該表現(xiàn)出更高的得分，比如更強的統(tǒng)計相關(guān)性;通過上述迭代思路就可以將驗證和優(yōu)化過程統(tǒng)一起來了，使得整個評估過程非常高效。
[0070]可以看出，本實施例中的通過采用基于計算機軟件和互聯(lián)網(wǎng)技術(shù)的大數(shù)據(jù)方法，可以輕松處理千萬量級被試者的數(shù)據(jù)。由于根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，分析結(jié)果得到自適應(yīng)模型。所以不論是主觀評測還是外部數(shù)據(jù)，都是一個持續(xù)性的過程，而且完全不受地域的限制，因此從宏觀上看，時間和空間上都可以形成一個常態(tài)。這樣得出的分析結(jié)果就更有意義。由于對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化。采用大數(shù)據(jù)的方法執(zhí)行高效，即便是數(shù)據(jù)量如此龐大，也可以在很短時間內(nèi)完成一輪分析，所以不會引入噪聲因素。而且獨特數(shù)據(jù)積累和迭代優(yōu)化的能力使得模型能夠不斷進化。
[0071]請參考圖2是圖1中的皮紋信息數(shù)據(jù)采集方式示意圖。
[0072]皮紋信息數(shù)據(jù)包括如下步驟進行采集:
[0073]S200采集被試者的皮紋信息并通過網(wǎng)絡(luò)服務(wù)器上傳至后臺服務(wù)器；
[0074]和/或S201通過在線和線下測評的方式采集被試者的心理行為數(shù)據(jù)；
[0075]和/或S202對被試者的互聯(lián)網(wǎng)訪問行為得到行為特征數(shù)據(jù)。
[0076]在一些實施例中，步驟S200通過采集被試者的指紋、掌紋、虹膜信息、臉部信息等，作為皮紋數(shù)據(jù)采集的依據(jù)。
[0077]在一些實施例中，步驟S201包括但不限于，通過主觀評測和用戶咨詢過程中回答問題得到的相關(guān)數(shù)據(jù)，以及被試者的自身數(shù)據(jù)。測試包括但不限于:性格特征測試、學(xué)習(xí)能力測試、思維方式測試、智能特點測試、人格特測試征等。將測試結(jié)果通過選擇項或者判斷項的方式在本地或者云端進行存放。
[0078]在一些實施例中，步驟S201包括但不限于，基于名到上百名被試者為樣本群體，根據(jù)皮紋的特征數(shù)據(jù)和實驗所關(guān)注的被試者的心理和行為學(xué)特征進行相關(guān)性研究，從而給出具有哪些皮紋特征的被試者在某種心理和行為學(xué)特征上表現(xiàn)是一致的。
[0079]在一些實施例中，步驟S201包括但不限于，通過主觀測試題來實現(xiàn)心理和行為學(xué)特征的評定樣本，直接采集樣本中的數(shù)據(jù)作為測評和被試檔案的數(shù)據(jù)來源。
[0080]在一些實施例中，步驟S202包括互聯(lián)網(wǎng)訪問行為數(shù)據(jù)，比如用戶在社交網(wǎng)絡(luò)、電商、視頻網(wǎng)站等上的行為數(shù)據(jù)。通過訪問URL或者第三方授權(quán)的方式進行外部數(shù)據(jù)收集。
[0081]請參考圖3是圖1中的數(shù)據(jù)儲存方式示意圖。
[0082]在本實施例中的數(shù)據(jù)儲存方式包括如下步驟:
[0083]對皮紋信息數(shù)據(jù)300、心理行為數(shù)據(jù)301、行為特征數(shù)據(jù)302以及基礎(chǔ)信息數(shù)據(jù)303進行組織和存儲；同時將上述數(shù)據(jù)同步至云端304。所述采集得到的皮紋信息數(shù)據(jù)300，可通過人的指紋、掌紋和足紋信息，來分析人的性格特征、學(xué)習(xí)能力、思維方式、智能特點、人格特征等，目標(biāo)是讓人能夠更好地了解和認識自己。從心理測量的角度來看，皮紋信息數(shù)據(jù)具有極高的信度和較高的效度。原因在于，人的皮紋信息是遺傳信息，幾乎終生不變，尤其是指紋信息，不受時間和環(huán)境的影響，多次測量的結(jié)果都是一致的，所以信度極高。在經(jīng)歷了多年的發(fā)展和行業(yè)應(yīng)用之后，皮紋信息數(shù)據(jù)已被廣泛應(yīng)用在兒童教育、心理咨詢、升學(xué)擇業(yè)、職業(yè)規(guī)劃、人才培養(yǎng)等眾多領(lǐng)域。所述心理行為數(shù)據(jù)301的采集，比如通過主觀測試的題目，讓用戶答題并將答題結(jié)果自動上傳到云端或者后臺服務(wù)器。所述行為特征數(shù)據(jù)302的采集，通過與被試者相關(guān)的互聯(lián)網(wǎng)使用記錄來搜集用戶的一些日常行為數(shù)據(jù)，比如購物數(shù)據(jù)、投資數(shù)據(jù)、出行數(shù)據(jù)、社交行為數(shù)據(jù)等。實現(xiàn)這種方式首先要參與研究的被試者提供互聯(lián)網(wǎng)應(yīng)用的授權(quán)，然后再對接相關(guān)系統(tǒng)自動化地獲取數(shù)據(jù)。通過心理咨詢的方式獲取被試者深度的心理狀態(tài)數(shù)據(jù)。這些數(shù)據(jù)也可通過軟件系統(tǒng)上傳到云端304。
[0084]請參考圖4是本發(fā)明一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0085]在本實施例中的基于大數(shù)據(jù)的皮紋分析處理方法，包括:
[0086]SlOO采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型；
[0087]SlOl根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型；
[0088]S102通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理；
[0089]S103對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化；
[0090]S401將上述采集得到的皮紋信息數(shù)據(jù)和行為特征數(shù)據(jù)，
[0091]S402按照統(tǒng)一分析模型為框架進行組織并存儲在數(shù)據(jù)庫中時，進行數(shù)據(jù)集成、清洗，并且在統(tǒng)一分析模型中標(biāo)記上述控制模塊中數(shù)據(jù)的約束條件。對于可辨識的噪聲數(shù)據(jù)進行清洗(去除、修正和補充)。
[0092]在一些實施例中，統(tǒng)一分析模型中的模型會標(biāo)記數(shù)據(jù)必要性約束和邏輯一致性約束，以保證數(shù)據(jù)的可分析性。如果違反邏輯一致性并且是必要的，就需要修正數(shù)據(jù)；如果違法邏輯一致性但不是必要的，那么可以酌情去除數(shù)據(jù)；如果是必要的，但數(shù)據(jù)缺失，那么就需要補充數(shù)據(jù)。
[0093]在一些實施例中，照統(tǒng)一分析模型進行數(shù)據(jù)集成的方法包括，條形碼數(shù)據(jù)、二維碼數(shù)據(jù)、RFID數(shù)據(jù)、傳感器數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)等。
[0094]在一些實施例中，將所述SlOO中得到的數(shù)據(jù)，通過SlOl構(gòu)建的模型為框架進行組織并存儲在數(shù)據(jù)庫中。關(guān)鍵在于數(shù)據(jù)的清洗的工作，以便后續(xù)的分析過程能夠更加順暢，結(jié)果更加準(zhǔn)確。清洗數(shù)據(jù)主要是去除不必要的數(shù)據(jù)，修正有錯誤的數(shù)據(jù)和補充必要的數(shù)據(jù)。在所述統(tǒng)一分析模型層中建立的模型會標(biāo)記數(shù)據(jù)必要性約束和邏輯一致性約束，以保證數(shù)據(jù)的可分析性。如果違反邏輯一致性并且是必要的，就需要修正數(shù)據(jù);如果違法邏輯一致性但不是必要的，那么可以酌情去除數(shù)據(jù);如果是必要的，但數(shù)據(jù)缺失，那么就需要補充數(shù)據(jù)。
[0095]在一些實施例中，所述去除包括但不限于數(shù)據(jù)去重、數(shù)據(jù)去除、數(shù)據(jù)刪除等。所述修正包括但不限于基于誤差的數(shù)據(jù)修正，數(shù)據(jù)平均值修正等。所述補充包括但不限于對數(shù)據(jù)的增加、對數(shù)據(jù)的完善。
[0096]請參考圖5是本發(fā)明一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0097]在本實施例中的基于大數(shù)據(jù)的皮紋分析處理方法包括如下的步驟:
[0098]SlOO采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型；
[0099]SlOl根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型；
[0100]S102通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理；[0101 ] S103對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化；
[0102]S501根據(jù)統(tǒng)一分析模型中的數(shù)據(jù)集合作為對象執(zhí)行多維度數(shù)據(jù)分析；
[0103]S502得到各維度概念的具體分類，以及不同維度之間的關(guān)聯(lián)關(guān)系和因果規(guī)則。
[0104]在步驟S502中的所述維度就是統(tǒng)一分析模型中的元模型層的多定義的不同層面。比如，一個被試者的皮紋信息就是一個維度，他的先天智能特征又是一個維度，他的性格特點也是一個維度等。多維分析就是要找出這些不同維度之間內(nèi)在的因果或關(guān)聯(lián)關(guān)系。比如，具有哪一種紋型特征的人群會在某一種或某幾種先天智能方面獨具優(yōu)勢，從而如何影響甚至塑造性格特征的。通過分析上述關(guān)系的技術(shù)手段包括但不限于:多元統(tǒng)計、時間序列分析、聚類挖掘、機器學(xué)習(xí)等。比如，針對一個被試者的皮紋信息就是一個維度，他的先天智能特征又是一個維度，他的性格特點也是一個維度的一個分析目標(biāo)，通?？梢圆捎枚嘣y(tǒng)計的方法，以紋型特征作為自變量，智能特征作為因變量進行簡單的相關(guān)性分析;或者也可以以紋型和智能特征分別作為自變量，以性格特征作為因變量進行復(fù)合的相關(guān)性分析。
[0105]在一些實施例中，如果相關(guān)性的分析不能得出有意義的結(jié)論，則再使用聚類挖掘的方法對先天智能或人格特征進行更加精細的分類。
[0106]請參考圖6是本發(fā)明另一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0107]在本實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程包括:
[0108]SlOO采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型；
[0109]SlOl根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型；
[0110]S102通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理；
[0111]S103對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化；
[0112]S601修正采集過程中的粒度，以及調(diào)整采集目標(biāo)。
[0113]在步驟S102中的由于在實際研究的過程中發(fā)現(xiàn)，一些采集到的數(shù)據(jù)并沒有和研究目標(biāo)產(chǎn)生很強的相關(guān)性，甚至是不相關(guān)的，因此就需在步驟S601中對部分的采集內(nèi)容和方法進行優(yōu)化，主要包括修正采集粒度和調(diào)整采集目標(biāo)。
[0114]請參考圖7是本發(fā)明另一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示意圖。
[0115]SlOO采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型；
[0116]SlOl根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型；
[0117]S102通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理；
[0118]S103對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化；
[0119]S701調(diào)整所述模型中的參數(shù)，以及調(diào)整模型中的概念、相互關(guān)系。步驟S701包括對統(tǒng)一分析模型以及自適應(yīng)模型的優(yōu)化，評估的方式包括但不限于:迭代分析，優(yōu)化模型。在這一過程中，可以啟發(fā)式地調(diào)整所述統(tǒng)一分析模型中的參數(shù)，甚至調(diào)整模型概念和相互關(guān)系，這就是優(yōu)化模型的過程。這一過程需要反復(fù)多次進行，以便得到更有意義的結(jié)果。這里的一個重要關(guān)鍵就是結(jié)果的可靠性驗證。
[0120]所述迭代包括:a)考慮整個系統(tǒng)的采集是持續(xù)且自動化進行的，所以數(shù)據(jù)量在不斷增大，也就是說被試者的群體在不斷擴大;b)將上一輪的分析結(jié)果在下一輪可以用更大的數(shù)據(jù)集合來驗證;c)具體分析判斷時如果某個結(jié)果是有意義的，則在更大數(shù)據(jù)集中就應(yīng)該表現(xiàn)出更高的得分，比如更強的統(tǒng)計相關(guān)性;通過上述迭代思路就可以將驗證和優(yōu)化過程統(tǒng)一起來了，使得整個評估過程非常高效。
[0121]請參考圖8是本發(fā)明另一優(yōu)選實施例中的基于大數(shù)據(jù)的皮紋分析處理方法流程示
O
[0122]在本實施例中的基于大數(shù)據(jù)的皮紋分析處理方法包括如下的步驟:
[0123]SlOO采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型；
[0124]SlOl根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型；
[0125]S102通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理；進入S701調(diào)整所述模型中的參數(shù)，以及調(diào)整模型中的概念、相互關(guān)系
[0126]S103對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化;在步驟S601修正采集過程中的粒度，以及調(diào)整采集目標(biāo)。
[0127]在本實施例中，所述統(tǒng)一分析模型包括:元模型層、集成模型層以及分析模型層，
[0128]在所述元模型層中，定義統(tǒng)一分析模型的基本元數(shù)據(jù);在所述元模型層中定義了用戶描述整個數(shù)據(jù)模型概念的基本元素。比如對于一個被試個體來說，若需要描述他的皮紋信息，就需要手指、指紋紋型、脊線數(shù)量、手掌ADT角度等;又比如，若需要描述他的個人基本信息，就需要姓名、性別、生日、血型、學(xué)歷、專業(yè)、職業(yè)等信息;再比如，若需要評估他智能特征和水平，就需要語言、記憶、邏輯、空間想象能力等信息;再比如，若需要描述他的性格特點，就需要內(nèi)向、外向，直覺、感覺，理性、感性等信息。
[0129]在所述集成模型層中，根據(jù)皮紋信息數(shù)據(jù)和心理行為數(shù)據(jù)，按照被試者以時間和空間作為索引，進行被試者的完整肖像數(shù)據(jù);基于元模型層建立的概念體系，就可以在集成模型層建立以被試者為核心的集成模型層。
[0130]比如第一個層次就是針對單個被試者的核心數(shù)據(jù)的組織，其中核心數(shù)據(jù)主要包括元模型層中所定義的個人基本信息、皮紋信息，以及通過皮紋信息推導(dǎo)出的先天智能、人格特征、學(xué)習(xí)類型和風(fēng)格等信息。核心數(shù)據(jù)表示了單個被試者先天所擁有的屬性，不會隨著時間的變化而變化。
[0131]比如第二個層次就是組織單個被試者的后天成長數(shù)據(jù)。
[0132]比如第三個層次就是組織被試者的社會化信息。
[0133]在分析模型層中，根據(jù)所述元模型層中的基本元數(shù)據(jù)和集成模型層中的完整肖像數(shù)據(jù)，得到分析模型集合。在分析模型層中，一個分析模型是為了一個或一系列研究或分析目標(biāo)專門設(shè)計的，所以在分析模型層中會有很多個獨立的分析模型，形成分析模型集合。
[0134]在上述步驟中相對機械化，但關(guān)鍵是要做一些數(shù)據(jù)清洗的工作，以便后續(xù)的分析過程能夠更加順暢，結(jié)果更加準(zhǔn)確。清洗數(shù)據(jù)主要是去除不必要的數(shù)據(jù)，修正有錯誤的數(shù)據(jù)和補充必要的數(shù)據(jù)。
[0135]在一些實施例中，統(tǒng)一分析模型中的模型會標(biāo)記數(shù)據(jù)必要性約束和邏輯一致性約束，以保證數(shù)據(jù)的可分析性。如果違反邏輯一致性并且是必要的，就需要修正數(shù)據(jù)；如果違法邏輯一致性但不是必要的，那么可以酌情去除數(shù)據(jù)；如果是必要的，但數(shù)據(jù)缺失，那么就需要補充數(shù)據(jù)。
[0136]作為本實施例中的優(yōu)選，在統(tǒng)一分析模型數(shù)據(jù)中的所述統(tǒng)一分析模型包括:元模型層、集成模型層以及分析模型層，
[0137]在所述元模型層中，定義統(tǒng)一分析模型的基本元數(shù)據(jù)。具體地，元模型層定義了用戶描述整個數(shù)據(jù)模型概念的基本元素。比如針對一個被試個體來說，如果需要描述他的皮紋信息，就需要手指、指紋紋型、脊線數(shù)量、手掌ADT角度等;如果需要描述他的個人基本信息，就需要姓名、性別、生日、血型、學(xué)歷、專業(yè)、職業(yè)等信息；如果需要評估他智能特征和水平，就需要語言、記憶、邏輯、空間想象能力等信息；如果需要描述他的性格特點，就需要內(nèi)向、外向，直覺、感覺，理性、感性等信息。
[0138]在一些實施例中，可以通過將上述的概念在所述元模型層進行定義。
[0139]另外，還包括其它信息，比如被試個體在成長過程中所經(jīng)歷的事件，就需要時間、地點、環(huán)境、事件類別等數(shù)據(jù)來表達，上述概念同樣需要在元模型層中定義清楚。
[0140]在本實施例中，對于每一個概念的定義都要包括如何對相應(yīng)的信息進行量化，以便分析系統(tǒng)的執(zhí)行。
[0141 ]具體地，比如，脊線數(shù)量和ADT的測量和數(shù)據(jù)存儲方法，某一種性格特征傾向和打分等。在所述元模型層有了這些準(zhǔn)確的概念定義，就可以無二義地表達下述的集成層的模型。
[0142]在所述集成模型層中，根據(jù)皮紋信息數(shù)據(jù)和心理行為數(shù)據(jù)，按照被試者以時間和空間作為索引，進行被試者的完整肖像數(shù)據(jù);基于上述元模型層建立的概念體系，就可以在集成模型層建立以被試者為核心的模型系統(tǒng)。所述的模型系統(tǒng)的構(gòu)建分為三個層次:
[0143]第一個層次就是針對單個被試者的核心數(shù)據(jù)的組織，核心數(shù)據(jù)主要包括元模型層中所定義的個人基本信息、皮紋信息，以及通過皮紋信息推導(dǎo)出的先天智能、人格特征、學(xué)習(xí)類型和風(fēng)格等信息。核心數(shù)據(jù)表示了單個被試者先天所擁有的屬性，不會隨著時間的變化而變化。
[0144]第二個層次就是組織單個被試者的后天成長數(shù)據(jù)。后天成長數(shù)據(jù)可以通過被試者所經(jīng)歷的時間、空間和關(guān)鍵事件來描述。比如一個30歲的成年人從出生到當(dāng)下在時間維度上肯定是經(jīng)歷了發(fā)展心理學(xué)所定義的若干階段(不同的學(xué)說定義的階段往往不同，只要采用一套有意義的權(quán)威的理論即可，比如埃里克森的畢生發(fā)展的8個階段，這在元模型層會有完整的定義)；在空間維度上可能會經(jīng)歷若干次生活環(huán)境的變迀，比如，從出生的家鄉(xiāng)到求學(xué)的城市再到工作的城市(對成長環(huán)境這種空間信息的描述也可以通過元模型所定義的概念來實現(xiàn))；最后是一些影響被試者身心成長的事件也需要組織起來，比如父母離異或一些較嚴重的疾病史等等。后天成長數(shù)據(jù)的來源主要就是主觀測評和通過用戶咨詢所積累的被試者檔案數(shù)據(jù)。
[0145]第三個層次就是組織被試者的社會化信息。這里主要包括被試者的社會行為和社會關(guān)系數(shù)據(jù)。社會行為如在網(wǎng)絡(luò)上的消費和娛樂行為，以及日常生活中的工作、運動、旅游等行為。社會行為會被具體化為一系列的標(biāo)簽關(guān)聯(lián)到被試者身上，比如剁手黨、驢友、工作狂等等。社會關(guān)系就是被試者的家人、朋友、同事等建立起的社會關(guān)系網(wǎng)絡(luò)。
[0146]在一些實施例中，所述自適應(yīng)模型按照如下方式進行建立:
[0147]根據(jù)所述統(tǒng)一分析模型獲得被試者多維度數(shù)據(jù)；
[0148]按照多維度數(shù)據(jù)中的行為特征，進行被試者的分析結(jié)論、效度以及相關(guān)性的自適應(yīng)更改；
[0149]在上述處理過程中基于不同的目標(biāo)或者應(yīng)用場景建立自適應(yīng)模型。
[0150]基于統(tǒng)一分析模式和各種分析工具，可以通過不斷處理和分析數(shù)據(jù)得出一系列有意義的結(jié)論。該些結(jié)論都是面向某類或某幾類研究目標(biāo)或應(yīng)用場景的，就構(gòu)成了自適應(yīng)模型。比如，在面向兒童教育的應(yīng)用場景中，具有某幾種皮紋類型的處于學(xué)前期的兒童，在沒有遭遇過家庭變故或疾病困擾的前提下，具有某些特殊的行為特征:好動，喜歡冒險等。而這一過程的自適應(yīng)特征則體現(xiàn)在，隨著處理數(shù)據(jù)的不斷增加，有些結(jié)論會被增強，也就是相關(guān)性得分提高，效度提高;有些則可能會被減弱，相關(guān)性得分降低，效度降低等。當(dāng)結(jié)論的效度降低到某一個閾值(典型的如50%)之后就需要調(diào)整參數(shù)、結(jié)構(gòu)或徹底將其剔除。這樣不僅可以去除不準(zhǔn)確因素，也可以為新的結(jié)論留出更多的空間。因此，自適應(yīng)模型就可以在這樣的自適應(yīng)過程中不斷提高質(zhì)量。
[0151]更進一步，所述模型評估模塊102還用以對采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化；
[0152]優(yōu)化過程包括，調(diào)整上述模型中的參數(shù)，以及調(diào)整上述模型概念、相互關(guān)系。所述優(yōu)化過程包括了自適應(yīng)模型的建立流程，根據(jù)所述統(tǒng)一分析模型獲得被試者多維度數(shù)據(jù)；按照多維度數(shù)據(jù)中的行為特征，進行被試者的分析結(jié)論、效度以及相關(guān)性的自適應(yīng)更改;在上述處理過程中基于不同的目標(biāo)或者應(yīng)用場景建立自適應(yīng)模型。
[0153]更進一步，所述控制模塊中用以采集皮紋信息的采集裝置設(shè)置于移動終端或者PC端，這樣可以方便對被試者的信息進行采集，被試者只要通過手機就能夠?qū)崿F(xiàn)皮紋信息的收集。所述數(shù)據(jù)庫模塊中用以組織和存放采集數(shù)據(jù)通過互聯(lián)網(wǎng)上傳至云端或者儲存在本地，基于采集得到的大數(shù)據(jù)，進行面向云端的儲放方式。
[0154]進入S501根據(jù)統(tǒng)一分析模型中的數(shù)據(jù)集合作為對象執(zhí)行多維度數(shù)據(jù)分析；
[0155]S502得到各維度概念的具體分類，以及不同維度之間的關(guān)聯(lián)關(guān)系和因果規(guī)則。所述維度就是統(tǒng)一分析模型中的元模型層的多定義的不同層面。比如，一個被試者的皮紋信息就是一個維度，他的先天智能特征又是一個維度，他的性格特點也是一個維度等。多維分析就是要找出這些不同維度之間內(nèi)在的因果或關(guān)聯(lián)關(guān)系。比如，具有哪一種紋型特征的人群會在某一種或某幾種先天智能方面獨具優(yōu)勢，從而如何影響甚至塑造性格特征的。通過分析上述關(guān)系的技術(shù)手段包括但不限于:多元統(tǒng)計、時間序列分析、聚類挖掘、機器學(xué)習(xí)等。比如，針對一個被試者的皮紋信息就是一個維度，他的先天智能特征又是一個維度，他的性格特點也是一個維度的一個分析目標(biāo)，通常可以采用多元統(tǒng)計的方法，以紋型特征作為自變量，智能特征作為因變量進行簡單的相關(guān)性分析;或者也可以以紋型和智能特征分別作為自變量，以性格特征作為因變量進行復(fù)合的相關(guān)性分析。
[0156]或者進入S401將上述采集得到的皮紋信息數(shù)據(jù)和行為特征數(shù)據(jù)，
[0157]S402按照統(tǒng)一分析模型為框架進行組織并存儲在數(shù)據(jù)庫中時，進行數(shù)據(jù)集成、清洗，并且在統(tǒng)一分析模型中標(biāo)記上述控制模塊中數(shù)據(jù)的約束條件。對于可辨識的噪聲數(shù)據(jù)進行清洗(去除、修正和補充)。
[0158]經(jīng)過采集過程的優(yōu)化，就有必要重新對數(shù)據(jù)進行分析，以便得出更加準(zhǔn)確和有意義的結(jié)果。在這一過程中，可能會啟發(fā)式地調(diào)整模型參數(shù)，甚至調(diào)整模型概念和相互關(guān)系，這就是優(yōu)化模型的過程。這一過程需要反復(fù)多次進行，以便得到更有意義的結(jié)果。這里的一個重要關(guān)鍵就是結(jié)果的可靠性驗證。因為整個系統(tǒng)的采集是持續(xù)且自動化進行的，所以數(shù)據(jù)量在不斷增大，也就是說被試者的群體在不斷擴大。上一輪的分析結(jié)果在下一輪可以用更大的數(shù)據(jù)集合來驗證。如果某個結(jié)果是有意義的，那么它在更大數(shù)據(jù)集中就應(yīng)該表現(xiàn)出更高的得分，比如更強的統(tǒng)計相關(guān)性。這樣，通過迭代就可以將驗證和優(yōu)化過程統(tǒng)一起來了，非常高效。
[0159]所屬領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解:以上，所述僅為本發(fā)明的具體實施例而已，并不用于限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所做的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。
【主權(quán)項】
1.一種基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于，包括: 采集皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)以及行為特征數(shù)據(jù)，并根據(jù)采集得到的數(shù)據(jù)進行建模，得到統(tǒng)一分析模型； 根據(jù)統(tǒng)一分析模型進行數(shù)據(jù)分析，按照分析結(jié)果得到自適應(yīng)模型； 通過所述自適應(yīng)模型對所述統(tǒng)一分析模型中采集得到的對應(yīng)數(shù)據(jù)進行處理； 還包括，對所述采集數(shù)據(jù)進行迭代分析，對所述統(tǒng)一分析模型和自適應(yīng)模型進行優(yōu)化。2.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于，所述皮紋信息數(shù)據(jù)包括如下步驟: 采集被試者的皮紋信息并通過網(wǎng)絡(luò)服務(wù)器上傳至后臺服務(wù)器； 和/或通過在線和線下測評的方式采集被試者的心理行為數(shù)據(jù)； 和/或?qū)Ρ辉囌叩幕ヂ?lián)網(wǎng)訪問行為得到行為特征數(shù)據(jù)。3.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于，對皮紋信息數(shù)據(jù)、心理行為數(shù)據(jù)、行為特征數(shù)據(jù)以及基礎(chǔ)信息數(shù)據(jù)進行組織和存儲；同時將上述數(shù)據(jù)同步至云端。4.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于，還包括，將上述采集得到的皮紋信息數(shù)據(jù)和行為特征數(shù)據(jù)，按照統(tǒng)一分析模型為框架進行組織并存儲在數(shù)據(jù)庫中時，進行數(shù)據(jù)集成、清洗，并且在統(tǒng)一分析模型中標(biāo)記上述控制模塊中數(shù)據(jù)的約束條件。5.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于，還包括，根據(jù)統(tǒng)一分析模型中的數(shù)據(jù)集合作為對象執(zhí)行多維度數(shù)據(jù)分析，得到各維度概念的具體分類，以及不同維度之間的關(guān)聯(lián)關(guān)系和因果規(guī)則。6.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于，所述處理的方式包括，修正采集過程中的粒度，以及調(diào)整采集目標(biāo)。7.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于，所述優(yōu)化的過程包括，調(diào)整所述模型中的參數(shù)，以及調(diào)整模型中的概念、相互關(guān)系。8.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于，所述統(tǒng)一分析模型按照如下方法建立， 通過將所述統(tǒng)一分析模型建立元模型層、集成模型層以及分析模型層， 根據(jù)所述元模型層，定義統(tǒng)一分析模型的基本元數(shù)據(jù);通過所述集成模型層，根據(jù)皮紋信息數(shù)據(jù)和心理行為數(shù)據(jù)，按照被試者以時間和空間作為索引，進行被試者的完整肖像數(shù)據(jù);將分析模型層，根據(jù)所述元模型層中的基本元數(shù)據(jù)和集成模型層中的完整肖像數(shù)據(jù)，得到分析模型集合。9.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于， 根據(jù)所述統(tǒng)一分析模型獲得被試者多維度數(shù)據(jù)； 按照多維度數(shù)據(jù)中的行為特征，進行被試者的分析結(jié)論、效度以及相關(guān)性的自適應(yīng)更改； 在上述處理過程中基于不同的目標(biāo)或者應(yīng)用場景建立自適應(yīng)模型。10.根據(jù)權(quán)利要求1所述的基于大數(shù)據(jù)的皮紋分析處理方法，其特征在于， 采集皮紋信息的采集裝置設(shè)置于移動終端或者PC端， 以及組織和存放采集數(shù)據(jù)通過互聯(lián)網(wǎng)上傳至云端或者儲存在本地。
【文檔編號】G06F19/00GK106021927SQ201610342338
【公開日】2016年10月12日
【申請日】2016年5月21日
【發(fā)明人】鄭叔亮
【申請人】北京大腦智庫教育科技有限公司