3.1.4 智能健康监测系统的数据分析与优化

操作步骤

第一步：智能照明系统数据集.xlsx

鼠标双击，使用Excel或Wps打开

第二步：使用HOUR()函数分割时间段

• 在G2单元格,输入（=HOUR(A2)）

第三步：回车并补全数据、添加字段名称（时间）

• 鼠标移动到单元格右下角，变成黑色 + 双击即可完成全部数据填充
• G1单元格输入字段名称：时间

第四步：选中全表并添加透视表

• 选中任意有数据单元格后，按 Ctrl + a即可选中所有数据
• 点击插入菜单
• 点击数据透视表按钮

第五步：用户使用习惯分析

• 在数据透视表字段中，拖动时间到行、光线亮度值到值区域
• 值汇总方式，改为平均值：在值中单击，点击值字段设置

第六步：根据要求筛选时间段

• 点击行标签下拉按钮
• 选择对应时间

第七步：查看结果

• 其他时间段同理可得；
• 把光线亮度值换成色温值，同理可得不同时间段的平均色温值

第八步：智能场景使用频率

• 删除原有透视表字段
• 拖动使用的场景到行和值区域

• 智能场景使用频率
• 频繁使用的场景：Relax Mode
• 适中使用的场景：Work Mode，Reading Mode
• 较少使用的场景：Sleep Mode

第九步 响应时间分析

• 平均响应时间：点击响应时间（秒）列，在底部即可查看平均值
• 延迟瓶颈：网络延迟/系统处理能力/硬件限制。（只需回答2个）

优化方向及解决方案

• 优化方向：提高系统处理能力（或提高系统的响应速度）

  化解决方案：优化系统算法，减少不必要的计算步骤； 升级硬件性能，特别是处理器和网络连接部分，确保指令能够快速传达并执行；对常用场景进行预加载，使得切换更加流畅。

• 优化方向：提供个性化用户服务

  解决方案：优化查询知识的检索算法，加快数据处理速度，提升用户体验

• 优化方向：增强本地处理能力

  解决方案：利用机器学习算法深入分析用户行为模式，预测用户需求，提供个性化的灯光建议和服务； 增加用户自定义选项，允许用户创建自己的智能场景，并保存偏好设置，从而提升用户的参与感和满意度。

• 优化方向：增强系统的可靠性和安全性

  解决方案：集成自我诊断工具，使系统能够自动检测潜在的问题并在必要时提醒用户进行维护。