申请/专利权人：西安理工大学

申请日：2020-07-29

公开（公告）日：2024-03-19

公开（公告）号：CN111933249B

主分类号：G16H20/30

分类号：G16H20/30;G06F16/9536

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2020.12.01#实质审查的生效;2020.11.13#公开

摘要：本发明公开一种基于改进协同过滤ItemCF算法的运动处方生成方法，步骤为：步骤1，收集运动项目并划分为运动效果属性，作用对象属性，运动条件属性；对运动效果属性、作用对象属性进行量化建立运动项目量化数据库；步骤2，计算运动效果属性在数据库中的分布；步骤3，获取用户输入数据，根据运动数据建立理想运动量化模型；步骤4，根据理想运动量化模型，利用改进的协同过滤ItemCF算法计算运动量化数据库中所有运动对用户输入的适应度；步骤5，筛选适应度最高的运动项目，设定运动强度，运动频率和运动时长，生成运动处方；步骤6，收集新的用户输入数据，从步骤3开始，重复步骤3到步骤5获得新的运动处方。本发明解决了现有技术中存在的运动处方生成结果不符合用户运动能力和运动条件的问题。

主权项：1.基于改进协同过滤ItemCF算法的运动处方生成方法，具体步骤为：步骤1，收集运动项目，通过属性将运动项目划分为运动效果属性，作用对象属性，运动条件属性；对运动效果属性、作用对象属性进行量化得到量化数据，从而建立运动项目量化数据库；步骤2，计算运动效果属性在数据库中的分布；步骤3，获取用户输入数据，根据运动数据利用步骤1的量化方法建立理想运动量化模型；步骤4，根据理想运动量化模型，利用改进的协同过滤ItemCF算法，计算运动量化数据库中所有运动对用户输入的适应度；步骤5，筛选适应度最高的运动项目，设定运动强度，运动频率和运动时长，生成运动处方；步骤6，收集新的用户输入数据，从步骤3开始，重复步骤3到步骤5获得新的运动处方；步骤1的具体步骤为：步骤1.1，收集运动项目，每个运动项目内容包含运动项目名称，运动处方类型，其值为有氧、力量、柔韧中的一种，运动效果，其值为减脂瘦身、锻炼平衡、减压、缓解疼痛、增肌、塑形、增强力量、增强有氧能力、增强体质、增强耐力、强化心肺中的一种或多种，作用对象，其值为全身、背部、头部、颈部、肩部、胸部、腰部、臀部、手臂、手腕、手掌、腿部、大腿、小腿、脚踝、脚掌中的一种或多种，运动条件属性，其内容包含运动项目的运动强度，运动时长和运动频率；其中运动强度以每分钟心率指标刻画，单位bmp，运动时长以分钟为单位，单位min，运动频率以每周运动次数刻画，单位次周；步骤1.2，对收集的所有运动项目的效果属性和作用对象属性进行量化，利用one-hot标签方法量化，其具体量化方法如下：运动效果属性量化，针对运动项目i，建立十一位的效果属性向量Ei，分别对应减脂瘦身、锻炼平衡、减压、缓解疼痛、增肌、塑形、增强力量、增强有氧能力、增强体质、增强耐力、强化心肺，对于所量化的运动项目i所具有的运动效果属性，在效果属性向量对应位置设定值为1，不具有的属性对应位置设定值为0；运动作用对象属性量化，采用与运动效果属性量化相同的方法，针对运动项目i，建立十六位的作用对象属性向量Ti，分别对应全身、背部、头部、颈部、肩部、胸部、腰部、臀部、手臂、手腕、手掌、腿部、大腿、小腿、脚踝、脚掌，对所计算的运动项目i所具有的作用对象属性，在作用对象属性向量中对应位置设定值为1，不具有的属性对应位置设定值为0；特别地，运动对象属性量化中，若运动项目i作用对象属性包含全身这一种类，则作用对象属性向量Ti中所有值都设定为1；步骤1.3，生成运动项目量化数据，针对收集到的每个运动项目i，建立运动项目量化数据Ni，其内容包含运动名称，运动效果属性，运动作用对象属性，运动效果属性向量Ei，运动作用对象属性向量Ti，运动强度Qi,运动时长Di，运动频率Fi，并储存；所述运动强度Qi等于当前所量化的运动项目i的运动条件属性中的运动强度值，运动时长Di等于当前所量化的运动项目i的运动条件属性中的运动时长值，运动频率属性Fi等于当前所量化的运动项目i的运动条件属性中的运动频率值；步骤2包括：步骤2.1，计算每个运动效果分布百分比，运动效果u在数据库中的分布百分比为pu等于含有此运动效果的运动项目数量除以运动数据库中总运动项目数量；步骤2.2，将步骤2.1的计算结果储存到数据库中；步骤3包括：步骤3.1，获取用户输入，其内容包含如下：1运动处方类型，有氧、力量、柔韧中的一种；2用户运动需求，其内容包含运动目的和作用对象，运动目的的值为减脂瘦身、锻炼平衡、减压、缓解疼痛、增肌、塑形、增强力量、增强有氧能力、增强体质、增强耐力、强化心肺中的一种或多种，对应于运动项目中的运动效果属性，作用对象的值为全身、背部、头部、颈部、肩部、胸部、腰部、臀部、手臂、手腕、手掌、腿部、大腿、小腿、脚踝、脚掌中的一种或多种，对应于运动项目中的作用对象属性；3运动强度q，表示用户愿意或能付出的最大运动强度，以每分钟心率表示，单位为bmp；4运动条件，包含运动时长t和运动频率f，单位分别为min和次周；步骤3.2，量化运动需求输入，针对用户运动需求，建立十一位的运动需求量化向量Em，利用one-hot标签，对减脂瘦身、锻炼平衡、减压、缓解疼痛、增肌、塑形、增强力量、增强有氧能力、增强体质、增强耐力、强化心肺中用户所具有的输入，在运动需求量化向量Em对应位置设定值为1，其余值为0；建立十六位的作用对象量化向量Tm，对全身、背部、头部、颈部、肩部、胸部、腰部、臀部、手臂、手腕、手掌、腿部、大腿、小腿、脚踝、脚掌重，用户所具有的输入，在作用对象量化向量Tm对应位置元素值设定为1，其余值为0；特别地，当作用对象输入值中包含全身时，其作用对象量化向量Tm的每个元素值全为1；步骤3.3，建立理想运动量化模型M，其数据结构包含用户输入的运动处方类型，运动需求，运动需求量化向量Em，作用对象量化向量Tm，运动强度q，运动时长t，运动频率f；步骤4包括：步骤4.1，针对数据库中的每个运动项目i，利用运动项目i的量化数据Ni计算运动项目i对用户输入的适应度Ri，计算方法如下： 其中Ei为运动项目量化数据Ni中的效果属性向量，Em为基于用户输入的运动需求量化向量，Ti为运动项目量化数据Ni中的作用对象属性向量，Tm为基于用户输入的作用对象量化向量，Qi为运动项目量化数据Ni中的运动强度，Di为运动项目量化数据Ni的运动时长，Fi为运动项目量化数据Ni的运动频率，q为用户输入的运动强度，d为用户输入的运动时长，f为用户输入的频率，pu为运动效果u在数据库中的分布；其中为运动条件匹配因子，用于判断当前参与计算的运动项目在运动强度、运动时长、运动频率方面的要求与当前所计算的用户的运动强度、运动时长和运动频率的匹配程度，计算数值越大，匹配程度越高；其中wu为当前计算Ri中，用户对效果u的权重，其计算方法如下： 步骤4.2，收集每个运动项目对用户输入的适应度计算结果，获得所有运动项目对用户输入的适应度R；步骤5包括：步骤5，生成运动处方的具体方法为：步骤5.1，对步骤4收集的运动项目适应度R，按照值从大到小的顺序进行排序，将排序第一的适应度值所对应的运动项目s作为运动处方选定的运动项目，其量化数据为Ns；步骤5.2，设定运动处方参数，从Ns中获取选定运动项目s的运动强度Qs，运动时长Ds，运动频率Fs，根据用户输入的运动强度q、运动时长d和运动频率f设定运动处方参数，其方法如下：1运动强度当用户输入运动强度q大于选定运动项目运动强度Qs，则运动处方运动强度设定为Qs,否则设定运动处方的运动强度值为q；2运动时长设定运动处方运动时长，其值等于Qs乘以Ds的乘机除以所求得的运动处方强度；3运动频率设定运动处方频率为Fs；步骤5.3，生成运动处方，收集步骤5.2的计算结果，输出运动处方内容包含选定的运动项目，设定的运动强度、运动时长、运动频率。

全文数据：

权利要求：

百度查询： 西安理工大学 基于改进协同过滤ItemCF算法的运动处方生成方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD