老年社区多源行为数据智能识别及健康状态预测模型研究

本文聚焦老年人社区健康管理领域，研究老年人健康状态准确预测的需求。通过收集100名老年人的多源行为数据，包括日常活动、睡眠、社交互动等，构建了基于CNN（卷积神经网络）的智能识别算法和基于LSTM（长短期记忆）的健康状态预测模型。在实验阶段，模型通过划分训练集（70%）、验证集（15%）和测试集（15%）进行训练和测试。模型初始的预测准确率约为60%，随着训练的进展逐渐提高，最终稳定在约85%。损失函数值从训练初期的约1.2降低到约0.4。与传统的SVM（支持向量机）模型和朴素贝叶斯模型相比，该模型具有明显优势，SVM模型的最高准确率为70%，朴素贝叶斯模型为65%。重复实验表明，该模型稳定，准确率波动在83%和89%之间。研究表明该模型和算法在预测老年人健康状态方面具有卓越表现，并能够为老年人健康管理提供有效支持.