基于多智能体的动态健康评价系统模型及策略-东篱科研大数据发现系统（DRDS）

位置：立项数据库 > 立项详情页

基于多智能体的动态健康评价系统模型及策略

项目名称：基于多智能体的动态健康评价系统模型及策略
项目类别：面上项目
批准号：61074175
申请代码：F030307
项目来源：国家自然科学基金
研究期限：2011-01-01-2013-12-31

项目负责人：王洪瑞
负责人职称：教授
依托单位：河北大学
批准年度：2010

中文摘要：

随着健康监护应用领域的不断扩展及与其他技术领域交互的不断密切，将多源异构的人体生理指标进行实时动态的融合分析以建立智能化的健康评价系统已成为无线健康监护领域的研究热点。本项目将围绕实时动态人体健康评价系统模型的建立和融合策略这一关键问题展开研究。充分考虑生理传感器信息不确定性和系统的动态特性，发掘信息组合的潜能，将多智能体技术引入多源异构的生理信息融合领域，利用智能体之间的协作特性，设计混合层进式动态生理信息融合系统结构模型；将专家辅助推理和模糊逻辑与融合规则相结合，利用黑板模型，建立具有智能推理特征的融合策略，完成对检测者健康状况的评价，增强系统的个体自适应性、自学习性和鲁棒性。本项目的研究成果能为信息融合技术在复杂系统的研究提供有益的思路与借鉴，还可应用于特定人群的远端健康监护、运动评价、虚拟疾病辅助治疗以及宇航员模拟驾驶等多个领域,具有很高的学术价值和广阔的应用前景。

中文主题词：信息融合；多智能体；时间校准；支持向量机；混沌分析

英文摘要：

Information fusion；Multi agent；Time calibration；Support vector machine；Chaostic anlysis

英文主题词： Information fusion；Multi agent；Time calibration；Support vector machine；Chaostic anlysis

结论摘要：

在三年的时间里，我们对多生理信息融合算法进行了深入研究，提出了改进蚁群算法和改进量子粒子群算法，进而将他们与BP神经网络和支持向量机的融合算法相结合，很好的实现了多生理信息的融合，并提出了一种基于多智能体的健康评价系统。在此基础上，研究了心电信号的特征提取算法和疾病诊断方法，从心电信号的混沌特性出发，完成了室性早搏类疾病的自动诊断。最后通过Zigbee无线网络技术和JADE平台实现了整个健康评测系统的搭建。下面详细的介绍一下主要完成的工作 1、多生理信息融合算法研究在多生理信息融合算法研究中，我们使用了BP神经网络方法和支持向量机方法，并将改进的BFGS算法和改进的蚁群算法应用到BP神经网络当中，优化了网络权值和阈值的选取，将改进的量子粒子群算法应用到支持向量机融合算法当中，提高了算法收敛的速度和精度。很好的实现了多生理信息的融合，为后续的评价分析奠定了基础。 2、基于多智能体的健康评价系统架构研究研究了基于多智能体的健康评价系统的结构模型，设计了一个三层模式的健康评价系统架构。并深入研究了各个智能体模块功能的划分以及任务的协调和分配，完成了系统结构的设计。 3、心电信号的特征提取和疾病诊断研究了心电信号的滤波，特征提取和疾病诊断算法。提出了一种能量窗变换和小波变换相结合提取R波的方法，准确提取了R特征波。并从心电信号的混沌特性出发，通过心电信号的相空间重构和最大Lyapunov指数计算，实现了室性早搏类疾病的自动诊断，实现了人体健康的评测分析。 4、健康评测系统的实现利用Zigbee短距无线通信技术组建了无线传感器网络，将采集到的生理信号实时的传递给信息处理终端，以便进行信息融合。并以JADE平台环境为基础搭建了人体生理指标融合系统，通过多智能体模块之间的信息交互和任务实时分配管理，实现了人体健康实时评价分析。

成果综合统计