[发明专利]一种基于机器学习的戒烟装置

权利要求书

1.一种基于机器学习的戒烟装置，其特征在于：包括外壳部分、信息输入模块、中央处理单元、显示模块、电源模块；

所述外壳部分包括烟盒部分和开关部分；所述烟盒部分用于承载香烟；所述开关部分包括电子锁和开启按钮，用于按照控制模块输出的信息控制电子锁的锁紧或松开，并由开启按钮打开盒盖；

所述信息输入模块设于烟盒部分的外壁用于输入数据，信息输入模块的输出端分别与显示模块的输入端相连接和数据预处理模块的输入端相连接；

所述中央处理单元包括数据预处理模块、吸烟行为预测模块、戒烟意愿预测模块、控制模块；所述数据预处理模块用于接收信息输入模块输出的数据并对该数据进行预处理，将处理后的数据输出至吸烟行为预测模块；所述吸烟行为预测模块用于根据数据预处理模块输出的数据预测使用者下一次吸烟时间，将吸烟时间输出至显示模块，将数据以及吸烟时间输出至戒烟意愿预测模块；所述戒烟意愿预测模块用于根据接收到的信息计算戒烟意愿，并确定第二天的吸烟数量；所述控制模块用于按照吸烟行为预测模块输出的时间控制开关部分的锁紧或松开；

所述显示模块设于烟盒部分的外壁，用于显示下一次开关部分开启的时间以及前一日的吸烟数；

所述电源模块嵌于外壳部分，与开关部分、信息输入模块、中央处理单元、显示模块相连接，用于对开关部分、信息输入模块、中央处理单元、显示模块供电；

所述基于机器学习的戒烟装置实现戒烟的方法包括以下步骤：

步骤1：开机后自检搜索有无训练好的预测吸烟模型；若存在模型，则加载模型执行步骤3，若无模型则执行步骤2；

步骤2：使用者通过信息输入模块输入性别s、年龄a以及包括使用者七天内吸烟时间的数据集，通过数据预处理模块对输入的数据进行整理，统一格式并实现数据归一化；根据使用者七天内吸烟时间的数据集计算出每次吸烟的间隔时间；

步骤3：对于数据集以每次的吸烟时间作为中点，并在区间上计算作为吸烟概率数据集，其中x代表时间，e代表常数，设定吸烟者在吸烟时刻的吸烟概率最大；计算其平均日吸烟量；

步骤4：按照交叉验证的方法将吸烟概率数据集按照4：1划分为训练集和验证集；

步骤5：将平均日吸烟量、性别s、年龄a和预设的时间t作为输入量，将训练集中的吸烟概率作为输出量建立xgboost模型；

步骤6：利用验证集对xgboost模型进行验证，若置信度不小于0.8，选取其中置信度最高的模型；若置信度小于0.8，则重复训练多次，至其不小于0.8后，选取其中置信度最高的模型；

步骤7：计算戒烟意愿，并确定下一天的目标日吸烟量；

步骤8：利用训练完成的xgboost模型计算一天之内的吸烟概率，并按概率由高至低排序，依次选取目标日吸烟量个点作为可开启的时间点，i=1，2，3，…，，并根据上一天使用者的吸烟时间调整模型，所述调整模型为以现有模型的参数为基础，利用步骤3中的公式计算当天吸烟概率之后重复步骤5中的数据对于模型进行训练；

步骤9：将可开启的时间点作为基准点，在的区间上使用者按下开关部分的开启按键可以开启，其余时间不能开启；时间区间的单位为分钟；

步骤10：重复步骤7至步骤9，依次计算出开关部分可开启的时间段以及预测下一天的戒烟意愿；

所述戒烟意愿的计算方法为按照公式求得,式中，；其中，为在同一个目标吸烟数的前提下所经历的天数，表示在一天之内实际平均吸烟间隔与根据xgboost模型得出的平均吸烟间隔的差值，为实际日吸烟数。