(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111620906.X (22)申请日 2021.12.28 (71)申请人 海信集团控股 股份有限公司 地址 266555 山东省青岛市经济技 术开发 区前湾港路218号 (72)发明人 廖希洋　 (74)专利代理 机构 北京同达信恒知识产权代理 有限公司 1 1291 专利代理师 刘醒晗 (51)Int.Cl. G16H 10/60(2018.01) G06N 20/00(2019.01) (54)发明名称 电子设备及健康数据归属识别方法 (57)摘要 本发明是关于一种电子设备及健康数据归 属识别方法， 涉及家庭健康管理技术领域， 本发 明包括： 根据预设的置信度以及家庭中每个家庭 成员属于目标数据类型的多个历史健康数据， 确 定多个预测区间； 若多个所述预测区间均包括目 标健康数据， 则按照预设的步长， 向下调整置信 度， 并根据调整后的置信度和多个历史健康数 据， 确定每个家庭成员新的预测区间， 直到确定 出仅有一个目标预测区间包括目标健康数据； 若 每个家庭成员的预测区间均不包括目标健康数 据， 则按照预设的步长， 向上调整置信度； 确定目 标健康数据属于目标预测区间对应的家庭成员。 由于本发明能够自动确定出目标健康数据属于 哪个预测区间对应的家庭成员， 简化了用户操 作。 权利要求书3页 说明书12页 附图3页 CN 114446427 A 2022.05.06 CN 114446427 A 1.一种用于进行家庭健康数据管理的电子设备， 其特征在于， 包括： 接收单元和处理 器； 所述接收单 元， 用于接收待识别的目标健康数据； 所述处理器， 用于根据 预设的置信度以及家庭中每个家庭成员属于目标数据类型的多 个历史健康数据， 确定多个预测区间； 其中， 所述目标数据类型为待识别的目标健康数据的 数据类型； 所述置信度为每 个家庭成员的多个历史健康数据在对应的预测区间内的概 率； 若多个所述预测区间均包括所述目标健康数据， 则按照预设的步长， 向下调整所述置 信度， 并根据调整后的置信度和多个所述历史健康数据， 确定每个家庭成员新的预测区间， 直到确定出仅有一个目标 预测区间包括所述目标健康数据； 若每个家庭成员的预测区间均不包括所述目标健康数据， 则按照预设的步长， 向上调 整所述置信度， 并根据调整后的置信度和多个所述历史健康数据， 确定每个家庭成员新的 预测区间， 直到确定出仅有一个目标 预测区间包括所述目标健康数据； 确定所述目标健康数据属于所述目标 预测区间对应的家 庭成员。 2.根据权利要求1所述的电子设备， 其特 征在于， 所述处 理器， 具体用于： 将预设的置信度以及家庭中每个家庭成员属于目标数据类型的多个历史健康数据作 为回归模型的输入， 通过 所述回归 模型， 确定多个预测区间； 其中， 所述回归 模型的训练过程， 包括： 将样本集作为输入， 将样本集对应的预测区间作为所述回归模型的输出， 对所述回归 模型进行多次训练； 其中， 针对任意一个训练周期， 将所述任意一个训练周期后的梯度值和所述任意一个 训练周期后的所述回归 模型的参数发送给服 务器； 接收所述服务器发送的融合梯度值和融合参数， 其中， 所述融合梯度值为所述服务器 根据接收到的多个电子 设备的梯度值进行融合后得到的； 所述融合参数为所述服务器根据 融合后的梯度值和接收到的多个电子设备发送的参数进行融合得到的； 根据所述融合梯度值更新所述任意一个训练周期后的梯度值； 并根据融合参数和更新 后的梯度值， 得到下一个训练周期所述回归 模型的初始的参数。 3.根据权利要求2所述的电子设备， 其特 征在于， 所述处 理器， 具体用于： 根据利用第 一权值加权所述融合梯度值得到的值， 利用第 二权重加权所述任意一个训 练周期后的梯度值得到的值， 更新所述任意 一个训练周期后的梯度值； 其中， 若所述任意一个训练周期后的梯度值的绝对值不小于所述融合梯度值的绝对 值， 则将所述融合梯度值和所述任意一个训练周期后的梯度值之和， 与所述融合梯度值之 间的比值， 作为所述第二权值， 将第一阈值和所述第二权 重之间的差值作为所述第一权值； 若所述任意一个训练周期后的梯度值的绝对值小于所述融合梯度值的绝对值， 则将所 述融合梯度值和所述任意一个训练周期后的梯度值之和， 与所述任意一个训练周期后的梯 度值之间的比值， 作为所述第二权值， 将第二阈值和所述第二权重之间的差值作为所述第 一权值。 4.根据权利要求2所述的电子设备， 其特 征在于， 所述处 理器， 具体用于： 根据利用第 三权重加权目标差值后得到的值， 以及利用第四权重加权所述融合参数后 得到的值， 得到下一个训练周期所述回归模型的初始的参数； 其中， 第三阈值和所述第三权权　利　要　求　书 1/3 页 2 CN 114446427 A 2重之间的差值作为所述第四权 重； 所述目标差值为所述任意一个训练周期后的所述 回归模型的参数， 与利用第五权重加 权更新后的梯度值之间的差值。 5.根据权利要求1～4任一项所述的电子设备， 其特 征在于， 所述处 理器， 还用于： 确定调整所述置信度的次数不超过 预设次数； 若调整所述置信度的次数超过预设次数， 则根据 所述目标健康数据和所述家庭中的每 个家庭成员的信息， 生成选择页面； 确定所述目标健康数据属于用户在所述选择页面中选择的家 庭成员。 6.一种健康数据归属识别方法， 其特征在于， 应用于用于进行家庭健康数据管理的电 子设备， 包括： 根据预设的置信度以及家庭中每个家庭成员属于目标数据类型的多个历史健康数据， 确定多个预测区间； 其中， 所述目标数据类型为待识别的目标健康数据的数据类型； 所述置 信度为每 个家庭成员的多个历史健康数据在对应的预测区间内的概 率； 若多个所述预测区间均包括所述目标健康数据， 则按照预设的步长， 向下调整所述置 信度， 并根据调整后的置信度和多个所述历史健康数据， 确定每个家庭成员新的预测区间， 直到确定出仅有一个目标 预测区间包括所述目标健康数据； 若每个家庭成员的预测区间均不包括所述目标健康数据， 则按照预设的步长， 向上调 整所述置信度， 并根据调整后的置信度和多个所述历史健康数据， 确定每个家庭成员新的 预测区间， 直到确定出仅有一个目标 预测区间包括所述目标健康数据； 确定所述目标健康数据属于所述目标 预测区间对应的家 庭成员。 7.根据权利要求6所述的健康数据归属 识别方法， 其特征在于， 根据预设的置信度以及 家庭中每个家庭成员属于目标 数据类型的多个历史健康数据， 确定多个预测区间， 包括： 将预设的置信度以及家庭中每个家庭成员属于目标数据类型的多个历史健康数据作 为回归模型的输入， 通过 所述回归 模型， 确定多个预测区间； 其中， 所述回归 模型的训练过程， 包括： 将样本集作为输入， 将样本集对应的预测区间作为所述回归模型的输出， 对所述回归 模型进行多次训练； 其中， 针对任意一个训练周期， 将所述任意一个训练周期后的梯度值和所述任意一个 训练周期后的所述回归 模型的参数发送给服 务器； 接收所述服务器发送的融合梯度值和融合参数， 其中， 所述融合梯度值为所述服务器 根据接收到的多个电子 设备的梯度值进行融合后得到的； 所述融合参数为所述服务器根据 融合后的梯度值和接收到的多个电子设备发送的参数进行融合得到的； 根据所述融合梯度值更新所述任意一个训练周期后的梯度值； 并根据融合参数和更新 后的梯度值， 得到下一个训练周期所述回归 模型的初始的参数。 8.根据权利要求7所述的健康数据归属 识别方法， 其特征在于， 根据所述融合梯度值更 新所述任意 一个训练周期后的梯度值， 包括： 根据利用第 一权值加权所述融合梯度值得到的值， 利用第 二权重加权所述任意一个训 练周期后的梯度值得到的值， 更新所述任意 一个训练周期后的梯度值； 其中， 若所述任意一个训练周期后的梯度值的绝对值不小于所述融合梯度值的绝对权　利　要　求　书 2/3 页 3 CN 114446427 A 3