一種基于大數據的皮紋分析處理裝置制造方法及圖紙

本發明專利技術公開了基于大數據的皮紋分析處理裝置，包括：控制模塊和數據庫模塊，控制模塊，用以采集皮紋信息數據、心理行為數據以及行為特征數據，并根據采集得到的數據進行建模，得到統一分析模型；控制模塊還用以，根據統一分析模型進行數據分析，分析結果得到自適應模型；所述數據庫模塊，用以存放并同步上述數據；皮紋分析處理裝置還包括模型評估模塊，用以評估統一分析模型和自適應模型中的分析結果并根據需求調整數據庫模塊中采集數據的參數，以及控制模塊中統一分析模型的結構及參數。本發明專利技術基于計算機軟件和互聯網技術的大數據方法，可處理千萬量級被試者的數據。并通過建立統一分析模型和自適應模型對結果進行分析，并不斷迭代進行分析模型優化。

【技術實現步驟摘要】

本專利技術涉及計算機領域，特別涉及基于大數據的皮紋分析處理和裝置。
技術介紹
皮紋心理學是指以皮紋學、心理學、腦神經科學、遺傳學和行為學為基礎的一門綜合性學科。它的成果也是輔助心理學研究的一個重要工具。而且在經歷了多年的發展和行業應用之后，皮紋心理學已被廣泛應用在兒童教育、心理咨詢、升學擇業、職業規劃、人才培養等眾多領域。皮紋心理學的研究方法就是傳統心理學研究所應用的統計分類的方法。通常就是以幾十名到上百名被試者為樣本群體，根據皮紋的特征數據和實驗所關注的被試者的心理和行為學特征進行相關性研究，從而給出具有哪些皮紋特征的被試者在某種心理和行為學特征上表現是一致的。而心理和行為學特征的評定則通常是通過主觀測試題來實現的。這樣，通過逐步的積累就形成了皮紋心理學的核心模型，即包括了皮紋信息和心理、行為學特征的關聯關系模型。有了這樣的核心模型，就可以指導心理學研究人員或心理咨詢師全方位地了解目標被試者的心理和行為特征。但目前的模型存在如下幾方面的缺點：1.被試群體的樣本量太小：在如今紛繁復雜的社會環境中，幾十甚至幾百的被試者群體所呈現出的規律無法可靠地擴展到更有應用價值和意義的目標群體中。幾十萬、幾百萬甚至更高數量級的被試群體所呈現的結果才更有統計學意義。2.被試群體的變化導致隱含的問題：在目前所發表的各種研究成果中，每一次實驗都是以一個時間和空間聚集在一起的小群體作為被試，比如一個學校幾個班級的學生，一個養老院的若干老人，一個體育訓練隊的若干運動員等等。而每一次實驗的研究目標又是不同的。所以，如果把所有研究的結果組合成一個系統化的模型，從嚴格意義上來講必然是存在一定偏差的。這種偏差的根源就在于每個單獨的研究成果是在彼此獨立和割裂的時空環境下產生的。3.研究的效率過于低下。有些傳統的研究方法會跟蹤一個被試群體幾個月甚至若干年的時間來搜集其心理和行為的發展變化的情況。這一漫長的過程中會存在諸多不可預測的環境因素影響實驗的進程和結果，比如被試者減少，不同的成長環境帶來的噪聲因素等。這樣就會導致幾年的研究投入毫無結果，或者結果可信度不夠。而大數據對于解決心理學領域的問題，有著以下幾點特殊意義：第一，是指被試群體數量非常巨大，一般是以百萬量級起步的；第二，是搜集到的信息量非常巨大，通常要比被試群體的數量多一個量級；第三，就是各種用于分析的數據的來源是多樣的，比如被試者的遺傳信息、主觀評測數據、社交網絡數據、消費行為數據等等。
技術實現思路
本專利技術要解決的技術問題是，基于大數據分析、處理，皮紋心理學的裝置，能夠解決被試群體的樣本量較小、被試群體的變化以及處理效率低下的問題。解決上述技術問題，本專利技術提供了一種基于大數據的皮紋心理學分析處理裝置包括：控制模塊和數據庫模塊，所述控制模塊，用以采集皮紋信息數據、心理行為數據以及行為特征數據，并根據采集得到的數據進行建模，得到統一分析模型；所述控制模塊還用以，根據統一分析模型進行數據分析，分析結果得到自適應模型；所述數據庫模塊，用以存放并同步皮紋信息數據、心理行為數據、行為特征數據以及基礎信息數據；所述控制模塊在建立模型時，對存放在數據庫模塊中的數據進行調用，再根據調用的數據建立統一分析模型，以及對統一分析模型進行分析，得到自適應模型；還包括模型評估模塊，用以評估統一分析模型和自適應模型中的分析結果并根據需求調整數據庫模塊中采集數據的參數，以及控制模塊中統一分析模型的結構及參數。更進一步，所述控制模塊包括：皮紋數據采集模塊，用以采集被試者的皮紋信息并通過網絡服務器上傳至后臺服務器；測評和被試檔案模塊，用以通過在線和/或線下測評的方式采集被試者的心理行為數據，以以對被試者的互聯網訪問行為得到行為特征數據；外部數據收集模塊，用以對被試者的互聯網訪問行為得到行為特征數據。用以采集更進一步，所述數據庫模塊包括：皮紋數據庫，用以組織和存儲采集到的皮紋信息數據；測評和被試檔案模塊數據庫，用以組織和存儲被試者的心理行為數據行為特征數據；外部數據庫，用以組織和存儲被試者的行為特征數據。更進一步，分析處理裝置還包括數據集成和清洗模塊，用以將控制模塊中采集得到的皮紋信息數據和行為特征數據，按照統一分析模型為框架進行組織并存儲在數據庫中時，進行數據集成、清洗，以及在統一分析模型中標記上述控制模塊中數據的約束條件。更進一步，所述統一分析模型包括：元模型層、集成模型層以及分析模型層，在所述元模型層中，定義統一分析模型的基本元數據；在所述集成模型層中，根據皮紋信息數據和心理行為數據，按照被試者以時間和空間作為索引，進行被試者的完整肖像數據；在分析模型層中，根據所述元模型層中的基本元數據和集成模型層中的完整肖像數據，得到分析模型集合。更進一步，分析處理裝置還包括數據分析模塊，用以根據統一分析模型中的數據集合作為對象執行多維度數據分析，得到各維度概念的具體分類，以及不同維度之間的關聯關系和因果規則。更進一步，述自適應模型按照如下方式進行建立：根據所述統一分析模型獲得被試者多維度數據；按照多維度數據中的行為特征，進行被試者的分析結論、效度以及相關性的自適應更改；在上述處理過程中基于不同的目標或者應用場景建立自適應模型。更進一步，所述控制模塊還包括，優化采集模塊，用以修正采集過程中的粒度，以及調整采集目標。更進一步，所述模型評估模塊還用以對采集數據進行迭代分析，對所述統一分析模型和自適應模型進行優化；優化過程包括，調整上述模型中的參數，以及調整上述模型概念、相互關系。更進一步，所述控制模塊中用以采集皮紋信息的采集裝置設置于移動終端或者PC端，所述數據庫模塊中用以組織和存放采集數據通過互聯網上傳至云端或者儲存在本地。本專利技術的有益效果：1)由于在本專利技術中的基于大數據的皮紋心理學分析處理裝置，包括：控制模塊和數據庫模塊，其中所述控制模塊，用以采集皮紋信息數據、心理行為數據以及行為特征數據，并根據采集得到的數據進行建模，得到統一分析模型；通過采用基于計算機軟件和互聯網技術的大數據方法，可以輕松處理千萬量級被試者的數據。2)由于所述控制模塊還用以，根據統一分析模型進行數據分析，分析結果得到自適應模型。所述控制模塊不論是主觀評測還是外部數據，都是一個持續性的過程，而且完全不受地域的限制，因此從宏觀上看，時間和空間上都可以形成一個常態。這樣得出的分析結果就更有意義。3)由于所述數據庫模塊，用以存放并同步皮紋信息數據、心理行為數據、行為特征數據以及基礎信息數據；所述控制模塊在建立模型時，對存放在數據庫模塊中的數據進行調用，再根據調用的數據建立統一分析模型，以及對統一分析模型進行分析，得到自適應模型；還包括模型評估模塊，用以評估統一分析模型和自適應模型中的分析結果并根據需求調整數據庫模塊中采集數據的參數，以及控制模塊中統一分析模型的結構及參數。大數據的方法執行高效。即便是數據量如此龐大，也可以在很短時間內完成一輪分析，所以不會引入噪聲因素。而且獨特數據積累和迭代優化的能力使得模型能夠不斷進化。4)由于所述統一分析模型包括：元模型層、集成模型層以及分析模型層，在收集的數據因為來源復雜、無法對其統一地管理和分析時，需要構建一個統一的數據分析模型，同時隨著數據源和數據格式的變動，模型的擴展能力也需要得到保障。附圖說明圖1是本專利技術本文檔來自技高網...

【技術保護點】
一種基于大數據的皮紋分析處理裝置，其特征在于，包括：控制模塊和數據庫模塊，所述控制模塊，用以采集皮紋信息數據、心理行為數據以及行為特征數據，并根據采集得到的數據進行建模，得到統一分析模型；所述控制模塊還用以，根據統一分析模型進行數據分析，分析結果得到自適應模型；所述數據庫模塊，用以存放并同步皮紋信息數據、心理行為數據、行為特征數據以及基礎信息數據；所述控制模塊在建立模型時，對存放在數據庫模塊中的數據進行調用，再根據調用的數據建立統一分析模型，以及對統一分析模型進行分析，得到自適應模型；還包括模型評估模塊，用以評估統一分析模型和自適應模型中的分析結果并根據需求調整數據庫模塊中采集數據的參數，以及控制模塊中統一分析模型的結構及參數。

【技術特征摘要】
1.一種基于大數據的皮紋分析處理裝置，其特征在于，包括：控制模塊和數據庫模塊，所述控制模塊，用以采集皮紋信息數據、心理行為數據以及行為特征數據，并根據采集得到的數據進行建模，得到統一分析模型；所述控制模塊還用以，根據統一分析模型進行數據分析，分析結果得到自適應模型；所述數據庫模塊，用以存放并同步皮紋信息數據、心理行為數據、行為特征數據以及基礎信息數據；所述控制模塊在建立模型時，對存放在數據庫模塊中的數據進行調用，再根據調用的數據建立統一分析模型，以及對統一分析模型進行分析，得到自適應模型；還包括模型評估模塊，用以評估統一分析模型和自適應模型中的分析結果并根據需求調整數據庫模塊中采集數據的參數，以及控制模塊中統一分析模型的結構及參數。2.根據權利要求1所述的基于大數據的皮紋分析處理裝置，其特征在于，所述控制模塊包括：皮紋數據采集模塊，用以采集被試者的皮紋信息并通過網絡服務器上傳至后臺服務器；測評和被試檔案模塊，用以通過在線和/或線下測評的方式采集被試者的心理行為數據；外部數據收集模塊，用以對被試者的互聯網訪問行為得到行為特征數據。3.根據權利要求1所述的基于大數據的皮紋分析處理裝置，其特征在于，所述數據庫模塊包括：皮紋數據庫，用以組織和存儲采集到的皮紋信息數據；測評和被試檔案模塊數據庫，用以組織和存儲被試者的心理行為數據；外部數據庫，用以組織和存儲被試者的行為特征數據。4.根據權利要求1所述的基于大數據的皮紋分析處理裝置，其特征在于，還包括數據集成和清洗模塊，用以將控制模塊中采集得到的皮紋信息數據和行為特征數據，按照統一分析模型為框架進行組織并存儲在數據庫中時，進行數據集成、清洗，以及在統一分析模型中標記上述控制模塊中數據的...

【專利技術屬性】
技術研發人員：鄭叔亮，
申請(專利權)人：北京大腦智庫教育科技有限公司，
類型：發明
國別省市：北京;11