计算机应用 ›› 2020, Vol. 40 ›› Issue (5): 1539-1544.DOI: 10.11772/j.issn.1001-9081.2019111969
收稿日期:
2019-11-04
修回日期:
2019-11-21
出版日期:
2020-05-10
发布日期:
2020-05-15
通讯作者:
彭程(1995—)
作者简介:
彭程(1995—),男,安徽合肥人,硕士研究生,CCF会员,主要研究方向:睡眠监测、深度学习; 常相茂(1982—),男,山东淄博人,副教授,博士,CCF会员,主要研究方向:物联网、基于可穿戴式设备的智能健康检测、机器学习算法的感知数据处理及分析; 仇媛(1995—),女,河北石家庄人,硕士研究生,CCF会员,主要研究方向:异常检测、深度学习。
PENG Cheng, CHANG Xiangmao, QIU Yuan
Received:
2019-11-04
Revised:
2019-11-21
Online:
2020-05-10
Published:
2020-05-15
Contact:
PENG Cheng, born in 1995, M. S. candidate. His research interests include sleep monitoring, deep learning.
About author:
PENG Cheng, born in 1995, M. S. candidate. His research interests include sleep monitoring, deep learning.CHANG Xiangmao, born in 1982, Ph. D., associate professor. His research interests include internet of things, intelligent health monitoring based wearable devices, sensory data processing and analysis of machine learning algorithms.QIU Yuan, born in 1995, M. S. candidate. Her research interests include anomaly detection, deep learning.
摘要:
现有睡眠监测研究主要是针对睡眠质量提出非干扰式监测方法的研究,而缺乏对睡眠质量主动调节方法的研究。基于心率变异性(HRV)分析的精神状态以及睡眠分期研究主要集中在这两种信息的获取上,而这两种信息的获取需要佩戴专业医疗设备,并且这些研究缺乏对信息的应用以及调整。音乐可以作为一种解决睡眠问题的非药物类方法,但现有音乐推荐方法并未考虑个体睡眠及精神状态的差异。针对以上问题提出了一种基于移动设备的精神压力和睡眠状态的音乐推荐系统。首先,用手表采集光体积扫描计信号来提取特征并计算心率;其次,将采集的信号通过蓝牙传递给手机,手机通过这些信号评估人的精神压力以及睡眠状态来播放调整音乐;最后,根据个体每晚的入眠时间进行音乐推荐。实验结果表明,在使用睡眠音乐推荐系统后,用户睡眠总时长相较于使用前增长11.0%。
中图分类号:
彭程, 常相茂, 仇媛. 基于心率变异性分析的睡眠音乐推荐系统[J]. 计算机应用, 2020, 40(5): 1539-1544.
PENG Cheng, CHANG Xiangmao, QIU Yuan. Heart rate variability analysis based sleep music recommendation system[J]. Journal of Computer Applications, 2020, 40(5): 1539-1544.
1 LIU J , CHEN X , CHEN S , et al . TagSheet: sleeping posture recognition with an unobtrusive passive tag matrix[C]// Proceedings of the 2019 IEEE Conference on Computer Communications. Piscataway: IEEE, 2019:874-882. |
[1] | 罗圣钦 陈金怡 李洪均. 基于注意力机制的多尺度残差UNet实现乳腺癌灶分割[J]. 计算机应用, 0, (): 0-0. |
[2] | 杨鼎康 黄帅 王顺利 翟鹏 李一丹 张立华. 基于对抗生成网络和网络集成的面部表情识别方法EE-GAN[J]. 计算机应用, 0, (): 0-0. |
[3] | 秦庭威 赵鹏程 秦品乐 曾建朝 柴锐 黄永琦. 基于残差注意力机制的点云配准算法[J]. 计算机应用, 0, (): 0-0. |
[4] | 鲁永帅 唐英杰 马鑫然. 基于深度特征融合的无纺布低对比度浆丝缺陷检测方法[J]. 计算机应用, 0, (): 0-0. |
[5] | 裴仪瑶, 郭会明, 张丹普, 陈文博. 基于定位不确定性的鲁棒3D目标检测方法[J]. 计算机应用, 2021, 41(10): 2979-2984. |
[6] | 许学斌, 张佳达, 刘伟, 路龙宾, 赵雨晴. 融合空间和通道特征的高精度乳腺癌分类方法[J]. 计算机应用, 2021, 41(10): 3025-3032. |
[7] | 汪虹余, 张彧, 杨恒, 穆楠. 基于蚁群优化算法的弱光图像显著性目标检测[J]. 计算机应用, 2021, 41(10): 2970-2978. |
[8] | 魏淳武, 赵涓涓, 唐笑先, 强彦. 基于多时期蒸馏网络的随访数据知识提取方法[J]. 计算机应用, 2021, 41(10): 2871-2878. |
[9] | 韩建栋, 李晓宇. 基于多尺度特征融合的行人重识别方法[J]. 计算机应用, 2021, 41(10): 2991-2996. |
[10] | 张凯悦, 张鸿. 基于注意力机制网络的航运监控图像识别模型[J]. 计算机应用, 2021, 41(10): 3010-3016. |
[11] | 李自强, 王正勇, 陈洪刚, 李林怡, 何小海. 基于外观和动作特征双预测模型的视频异常行为检测[J]. 计算机应用, 2021, 41(10): 2997-3003. |
[12] | 高世伟, 张长柱, 王祝萍. 基于可分离金字塔的轻量级实时语义分割算法[J]. 计算机应用, 2021, 41(10): 2937-2944. |
[13] | 卓禹心, 韩素雅, 张榆锋, 李支尧, 董毅峰. 基于超声谐波包络Nakagami参数图像的微波消融区域自动分割方法[J]. 计算机应用, 2021, 41(10): 3089-3096. |
[14] | 李敬虎 邢前国 郑向阳 李琳 王丽丽. 基于深度学习的无人机影像夜光藻赤潮提取方法[J]. 计算机应用, 0, (): 0-0. |
[15] | 任炜 白鹤翔. 基于全局与局部的多标签图像分类方法[J]. 计算机应用, 0, (): 0-0. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||