基于历史记录的指环通信方法及装置与流程

本发明涉及数据处理，尤其涉及一种基于历史记录的指环通信方法及装置。

背景技术：

1、智能指环是一种可穿戴电子设备，一般装有传感器和nfc芯片等移动组件，可用于各种应用，主要用于跟踪日常活动并作为支持移动设备的外围工具现有的智能指环在通信时大部分只能依靠预先设定的通信路径或协议进行通信，因此其智能化程度较低，通信效率较差，用户体验难以令人满意。可见，现有技术存在缺陷，亟待解决。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种基于历史记录的指环通信方法及装置，能够提高智能指环通信的智能化程度，提高通信效率和准确度，给用户更好的使用体验，减少通信出错。

2、为了解决上述技术问题，本发明第一方面公开了一种基于历史记录的指环通信方法，所述方法包括：

3、获取目标指环在历史时间段的多个用户的多个历史通信数据和对应的场景信息；

4、根据所述多个历史通信数据和对应的场景信息，训练得到所述目标指环的通信预测模型；

5、获取所述目标指环的实时场景信息，将所述实时场景信息输入至所述通信预测模型，以得到所述目标指环的通信预测参数；

6、根据所述通信预测参数，控制所述目标指环提前打包通信数据以及控制对应的通信服务器提前进行通信连接。

7、作为一个可选的实施方式，在本发明第一方面中，所述历史通信数据或所述通信预测参数包括通信目的、通信服务器、通信传输数据、通信传输协议和通信期待用时。

8、作为一个可选的实施方式，在本发明第一方面中，所述场景信息或所述实时场景信息包括指环位置、指环功率、指环速度、指环加速度、指环姿态和指环获取的生理数据；所述生理数据包括血压、脉搏、心电、血糖、血氧和体温中的至少一种。

9、作为一个可选的实施方式，在本发明第一方面中，所述通信预测模型为基于cnn结构的神经网络预测模型。

10、作为一个可选的实施方式，在本发明第一方面中，所述根据所述多个历史通信数据和对应的场景信息，训练得到所述目标指环的通信预测模型，包括：

11、将每一所述历史通信数据和其所在的时间段对应的场景信息作为一个训练数据对，以得到训练数据集；

12、将所述训练数据集中的30%作为测试集，70%作为训练集；

13、将所述训练集中的每一所述训练数据对输入至预先设定好的cnn神经网络模型进行迭代训练，并采用梯度下降算法和l2损失函数对所述cnn神经网络模型的模型参数进行优化，并通过所述测试集对所述cnn神经网络模型进行测试，直至训练完成，得到所述目标指环的通信预测模型。

14、作为一个可选的实施方式，在本发明第一方面中，所述将所述实时场景信息输入至所述通信预测模型，以得到所述目标指环的通信预测参数，包括：

15、将所述实时场景信息输入至分组算法模型中，以得到多个场景信息集合；

16、将每一所述场景信息集合输入至所述通信预测模型中，以得到每一所述场景信息集合对应的集合通信预测参数；

17、计算所有所述场景信息集合对应的集合通信预测参数的交集，得到所述目标指环的通信预测参数。

18、作为一个可选的实施方式，在本发明第一方面中，所述将所述实时场景信息输入至分组算法模型中，以得到多个场景信息集合，包括：

19、对于所述实时场景信息中的任意两个场景信息，将该两个场景信息输入至训练好的信息关联度预测神经网络，以得到该两个场景信息对应的关联度参数；所述信息关联度预测神经网络通过包括有多个训练场景信息对和对应的关联度标注的训练数据集训练得到；

20、根据所述关联度参数，对所述实时场景信息中的所有场景信息进行分组，以得到多个场景信息集合；其中，每一所述场景信息集合中的任意两个场景信息对应的所述关联度参数大于预设的参数阈值。

21、作为一个可选的实施方式，在本发明第一方面中，所述根据所述通信预测参数，控制所述目标指环提前打包通信数据以及控制对应的通信服务器提前进行通信连接，包括：

22、根据所述通信预测参数中的所述通信服务器和所述通信传输协议，确定出多个能够满足所述通信服务器和所述通信传输协议的候选通信服务器；

23、计算每一所述候选通信服务器与所述目标指环之间的传输距离对应的预测传输用时与所述通信期待用时之间的用时差；

24、计算每一所述候选通信服务器的历史通信目的和所述通信目的之间的第一相似度；

25、计算每一所述候选通信服务器的历史通信数据和所述通信传输数据之间的第二相似度；

26、计算每一所述候选通信服务器的所述用时差、所述第一相似度和所述第二相似度的加权求和值，得到每一所述候选通信服务器的优先参数；

27、将所述优先参数最高的所述候选通信服务器确定为目标预测服务器；

28、控制所述目标指环提前打包所述通信传输数据；

29、控制所述目标指环提前与所述目标预测服务器基于所述通信传输协议进行通信连接。

30、本发明实施例第二方面公开了一种基于历史记录的指环通信装置，所述装置包括：

31、获取模块，用于获取目标指环在历史时间段的多个用户的多个历史通信数据和对应的场景信息；

32、训练模块，用于根据所述多个历史通信数据和对应的场景信息，训练得到所述目标指环的通信预测模型；

33、预测模块，用于获取所述目标指环的实时场景信息，将所述实时场景信息输入至所述通信预测模型，以得到所述目标指环的通信预测参数；

34、控制模块，用于根据所述通信预测参数，控制所述目标指环提前打包通信数据以及控制对应的通信服务器提前进行通信连接。

35、作为一个可选的实施方式，在本发明第二方面中，所述历史通信数据或所述通信预测参数包括通信目的、通信服务器、通信传输数据、通信传输协议和通信期待用时。

36、作为一个可选的实施方式，在本发明第二方面中，所述场景信息或所述实时场景信息包括指环位置、指环功率、指环速度、指环加速度、指环姿态和指环获取的生理数据；所述生理数据包括血压、脉搏、心电、血糖、血氧和体温中的至少一种。

37、作为一个可选的实施方式，在本发明第二方面中，所述通信预测模型为基于cnn结构的神经网络预测模型。

38、作为一个可选的实施方式，在本发明第二方面中，所述训练模块根据所述多个历史通信数据和对应的场景信息，训练得到所述目标指环的通信预测模型的具体方式，包括：

39、将每一所述历史通信数据和其所在的时间段对应的场景信息作为一个训练数据对，以得到训练数据集；

40、将所述训练数据集中的30%作为测试集，70%作为训练集；

41、将所述训练集中的每一所述训练数据对输入至预先设定好的cnn神经网络模型进行迭代训练，并采用梯度下降算法和l2损失函数对所述cnn神经网络模型的模型参数进行优化，并通过所述测试集对所述cnn神经网络模型进行测试，直至训练完成，得到所述目标指环的通信预测模型。

42、作为一个可选的实施方式，在本发明第二方面中，所述预测模块将所述实时场景信息输入至所述通信预测模型，以得到所述目标指环的通信预测参数的具体方式，包括：

43、将所述实时场景信息输入至分组算法模型中，以得到多个场景信息集合；

44、将每一所述场景信息集合输入至所述通信预测模型中，以得到每一所述场景信息集合对应的集合通信预测参数；

45、计算所有所述场景信息集合对应的集合通信预测参数的交集，得到所述目标指环的通信预测参数。

46、作为一个可选的实施方式，在本发明第二方面中，所述预测模块将所述实时场景信息输入至分组算法模型中，以得到多个场景信息集合的具体方式，包括：

47、对于所述实时场景信息中的任意两个场景信息，将该两个场景信息输入至训练好的信息关联度预测神经网络，以得到该两个场景信息对应的关联度参数；所述信息关联度预测神经网络通过包括有多个训练场景信息对和对应的关联度标注的训练数据集训练得到；

48、根据所述关联度参数，对所述实时场景信息中的所有场景信息进行分组，以得到多个场景信息集合；其中，每一所述场景信息集合中的任意两个场景信息对应的所述关联度参数大于预设的参数阈值。

49、作为一个可选的实施方式，在本发明第二方面中，所述控制模块根据所述通信预测参数，控制所述目标指环提前打包通信数据以及控制对应的通信服务器提前进行通信连接的具体方式，包括：

50、根据所述通信预测参数中的所述通信服务器和所述通信传输协议，确定出多个能够满足所述通信服务器和所述通信传输协议的候选通信服务器；

51、计算每一所述候选通信服务器与所述目标指环之间的传输距离对应的预测传输用时与所述通信期待用时之间的用时差；

52、计算每一所述候选通信服务器的历史通信目的和所述通信目的之间的第一相似度；

53、计算每一所述候选通信服务器的历史通信数据和所述通信传输数据之间的第二相似度；

54、计算每一所述候选通信服务器的所述用时差、所述第一相似度和所述第二相似度的加权求和值，得到每一所述候选通信服务器的优先参数；

55、将所述优先参数最高的所述候选通信服务器确定为目标预测服务器；

56、控制所述目标指环提前打包所述通信传输数据；

57、控制所述目标指环提前与所述目标预测服务器基于所述通信传输协议进行通信连接。

58、本发明第三方面公开了另一种基于历史记录的指环通信装置，所述装置包括：

59、存储有可执行程序代码的存储器；

60、与所述存储器耦合的处理器；

61、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明第一方面公开的基于历史记录的指环通信方法中的部分或全部步骤。

62、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明第一方面公开的基于历史记录的指环通信方法中的部分或全部步骤。

63、与现有技术相比，本发明实施例具有以下有益效果：

64、本发明能够根据历史通信数据和对应的场景信息训练得到预测模型，再用于预测实时的通信预测参数，以根据通信预测参数控制目标指环提前打包通信数据以及控制对应的通信服务器提前进行通信连接，从而能够提高智能指环通信的智能化程度，提高通信效率和准确度，给用户更好的使用体验，减少通信出错。