一种融合无监督学习的个人健康异常行为监测系统

本发明提供一种融合无监督学习的个人健康异常行为监测系统，涉及数据处理技术领域，该系统用于：对历史行为数据进行聚类处理，将历史行为数据分为多个行为标签，提取每一个行为标签的特征向量，并根据其建立个体行为物理模型，将目标特征数据输入个体行为物理模型，计算用户近期行为的偏离程度，并对其进行监测记录，得到观察标签组，判断观察标签组是否满足个体行为物理模型吸收的条件，当结果为否时，则该行为标签判定为异常行为，根据异常行为的偏离程度和持续时间，计算行为抑制因子，并根据其对个体行为物理模型进行动态调整，限制异常行为被认定为正常行为。本发明能够限制系统将周期性异常行为被误认为正常行为。