(19)中华 人民共和国 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 202111669468.6 (22)申请日 2021.12.31 (71)申请人 北京京东拓先 科技有限公司 地址 100744 北京市大兴区经济技 术开发 区科创十一 街18号院1号楼7层701室 (72)发明人 王雨　 (74)专利代理 机构 北京派特恩知识产权代理有 限公司 1 1270 代理人 贾伟　蒋雅洁 (51)Int.Cl. G16H 50/30(2018.01) G16H 50/70(2018.01) G06F 17/16(2006.01) G06K 9/62(2022.01) (54)发明名称 一种体重预测方法及 装置、 计算机可读存储 介质 (57)摘要 本发明实施例公开了一种体重预测方法及 装置、 计算机 可读存储介质， 方法包括： 通过客户 端获取当前对象的影响体重的参数数据； 对所述 影响体重的参数数据进行标准化处理， 得到体重 参考数据； 基于预设回归系数矩阵和所述体重参 考数据， 进行对象体重预测， 确定对象预测体重； 将所述对象预测体重进行存储和评估， 得到评价 结果； 将所述评价结果发送至所述客户端。 采用 上述方案， 可以根据对象的影响体重的参数数 据， 预测对象的体重， 可 以方便对象及时的了解 体重的变化， 对体 重进行管理， 适用性强。 权利要求书3页 说明书16页 附图5页 CN 114360723 A 2022.04.15 CN 114360723 A 1.一种体重预测方法， 其特 征在于， 包括： 通过客户端获取当前对象的影响体重的参数 数据； 对所述影响体重的参数 数据进行 标准化处理， 得到体重参 考数据； 基于预设回归系数矩阵和所述体重参 考数据， 进行对象体重预测， 确定对象预测体重； 将所述对象预测体重进行存 储和评估， 得到 评价结果； 将所述评价结果发送至所述 客户端。 2.根据权利要求1中所述的方法， 其特征在于， 所述基于预设回归系数矩阵和所述体重 参考数据， 进行对象体重预测， 确定对象预测体重之前， 所述方法还 包括： 获取对象多个历史体重相关初始数据和对象最 新体重相关初始数据； 对所述多个历史体重相关初始数据和所述最新体重相关初始数据进行标准化处理， 得 到多个历史体重相关数据和最 新体重相关数据； 基于所述多个历史体重相关数据和最新体重相关数据， 通过聚类算法进行聚类， 确定 样本数据； 基于所述样本数据， 建立偏最小二乘法局部模型； 基于所述偏最小二乘法局部模型， 对所述样本数据进行计算， 确定所述预设回归系数 矩阵。 3.根据权利要求2中所述的方法， 其特征在于， 所述基于所述多个历史体重相关数据和 最新体重相关数据， 通过聚类算法进行聚类， 确定样本数据， 包括： 基于所述多个历史体重相关数据， 利用所述聚类算法进行聚类， 得到多个聚类中心及 其各自对应的第一隶属度； 基于所述最新体重相关数据， 通过隶属度准则进行计算， 得到对应每个聚类中心 的第 二隶属度； 基于所述第一隶属度和所述第二隶属度， 进行 隶属度相似性匹配， 确定所述样本数据。 4.根据权利要求3 中所述的方法， 其特征在于， 所述基于所述第 一隶属度和所述第 二隶 属度， 进行 隶属度相似性匹配， 确定所述样本数据， 包括： 基于所述第一隶属度和所述第二隶属度， 进行 隶属度相似性匹配， 得到匹配结果； 基于所述匹配结果， 选取相似度最高对应的历史体重相关数据作为所述样本数据。 5.根据权利要求1至4任一项中所述的方法， 其特征在于， 所述样本数据包括： 样本体重 参考数据和样本体重数据； 所述基于所述偏最小二乘法局部模型， 对所述样本数据进行计算， 确定所述预设回归 系数矩阵， 包括： 基于所述样本体重参考数据和所述样本体重数据， 进行运算， 得到负载向量和所述样 本体重参 考数据的第一负载矩阵； 基于所述负载向量、 所述样本体重参考数据和所述样本体重数据， 进行运算， 得到所述 偏最小二乘法局部模型的回归参数和所述样本体重数据的第二负载矩阵； 基于所述负载向量、 所述第 一负载矩阵、 所述 回归参数和第 二负载矩阵， 通过预设的回 归系数准则进行运 算， 确定所述预设回归系数矩阵。 6.根据权利要求5 中所述的方法， 其特征在于， 所述基于所述样本体重参考数据和所述 样本体重数据， 进行运 算， 得到负载向量和所述样本体重参 考数据的第一负载矩阵， 包括：权　利　要　求　书 1/3 页 2 CN 114360723 A 2基于所述样本体重参考数据和所述样本体重数据， 通过预设负载向量准则进行运算， 得到所述负载向量； 基于所述样本体重参考数据和所述负载向量， 通过预设第一负载矩阵准则进行运算， 得到所述样本体重参 考数据的所述第一负载矩阵。 7.根据权利要求5中所述的方法， 其特征在于， 所述基于所述负载向量、 所述样本体重 参考数据和所述样本体重数据， 进行运算， 得到所述偏最小二乘法局部模型 的回归参数和 所述样本体重数据的第二负载矩阵， 包括： 基于所述负载向量和所述样本体重参考数据， 通过预设分向量准则进行运算， 得到所 述样本体重参 考数据的分向量； 基于所述分向量和所述样本体重数据， 通过预设回归参数准则进行运算， 得到所述回 归参数； 基于所述样本体重数据和所述分向量， 通过预设第二负载矩阵准则进行运算， 得到所 述样本体重数据的所述第二负载矩阵。 8.根据权利要求1中所述的方法， 其特征在于， 所述基于预设回归系数矩阵和所述体重 参考数据， 进行对象体重预测， 确定对象预测体重， 包括： 基于所述预设回归系数矩阵和所述体重参考数据， 进行乘运算， 获得对象的预测体重 标准值； 对所述预测体重标准 值进行反标准处 理， 得到所述对象预测体重 。 9.根据权利要求1中所述的方法， 其特征在于， 所述通过客户端获取当前对象的影响体 重的参数 数据， 包括： 通过所述客户端获取当前对象的业务数据； 其中， 所述业务数据包括影响体重的参数 数据和无效数据； 基于所述 业务数据， 进行 数据提取处 理， 获得所述体重参 考数据。 10.根据权利要求9中所述的方法， 其特征在于， 所述影响体重的参数数据包括： 摄入营 养数据、 运动消耗数据和身体休养数据。 11.根据权利要求2中所述的方法， 其特征在于， 所述对所述多个历史体重相关初始数 据和所述最新体重相关初始数据进行标准化处理， 得到多个历史体重相关数据和最新体重 相关数据， 包括： 基于所述历史体重相关初始数据， 通过均值准则进行计算， 得到所述历史体重相关初 始数据的均值； 基于所述历史体重相关初始数据， 通过方差准则进行计算， 得到所述历史体重相关初 始数据的方差； 基于所述历史体重相关初始数据、 所述历史体重相关初始数据的所述均值和所述历史 体重相关初始数据的所述方差， 计算得到所述历史体重相关数据； 基于所述最新体重相关初始数据、 所述历史体重相关初始数据的所述均值和所述历史 体重相关初始数据的所述方差， 通过 标准化准则进行计算， 得到所述 最新体重相关数据。 12.根据权利要求1中所述的方法， 其特征在于， 所述将所述对象预测体重进行存储和 评估， 得到 评价结果， 包括： 将所述对象预测体重进行存 储， 获得存 储数据；权　利　要　求　书 2/3 页 3 CN 114360723 A 3