【技术实现步骤摘要】
一种用于运动行为、关系识别的数据分析方法、电子设备
本专利技术涉及数据分析
,更具体地说,涉及一种用于运动行为、关系识别的数据分析方法、电子设备。
技术介绍
人工智能界认为机器学习是人工智能领域中最能体现智能的一个分支之一。它致力于研究如何通过计算的手段,利用经验来改善系统自身的性能。机器学习所研究的主要内容是关于计算机上从数据中产生模型的算法。将经验数据提供给它,它就能通过这些数据产生模型。在面临新的情况发生时,模型就能够提供给相应的判断。随机森林是一类常见的机器学习算法,是一个包含了多棵多个决策树的分类器。它的优点有:适用于耦合多维变量的问题,能够处理高维数据和多重共线性数据;对异常值和噪声容忍度高,模型不易出现过拟合现象,能够得到较高的模拟精度;在决定类别时,它能够评估变数的重要性等。现今,相关的理论和技术均以完善。在充足数据集的支持下,利用机器学习的随机森林方法能够较好解决各种分类问题。然而,如今许多高校通过“步道乐跑”、“运动世界校园”等手机APP督促学生课外体育锻炼,但因各种软件为了 ...
【技术保护点】
1.一种用于运动行为识别的数据分析方法,其特征在于,包括以下步骤:/nS1、获取用于反映用户运动行为的初始数据集;/nS2、针对初始数据集中的每项数据,基于时间序列分析方法进行预处理,提取出每项数据的时序特征,构建第一时序特征数据集;/nS3、基于所述第一时序特征数据集,利用机器学习分类算法进行数据分类和初始运动模式分析模型构建后,分析每项分类特征对当前建模模型精确率的影响程度,根据影响程度的大小对所述第一时序特征数据集进行筛除;随后,基于当前筛选所得的第二时序特征数据集进行运动模式分析模型和运动身份识别模型的构建;/nS4、将待识别运动行为的数据输入到步骤S3构建的运动模 ...
【技术特征摘要】
1.一种用于运动行为识别的数据分析方法,其特征在于,包括以下步骤:
S1、获取用于反映用户运动行为的初始数据集;
S2、针对初始数据集中的每项数据,基于时间序列分析方法进行预处理,提取出每项数据的时序特征,构建第一时序特征数据集;
S3、基于所述第一时序特征数据集,利用机器学习分类算法进行数据分类和初始运动模式分析模型构建后,分析每项分类特征对当前建模模型精确率的影响程度,根据影响程度的大小对所述第一时序特征数据集进行筛除;随后,基于当前筛选所得的第二时序特征数据集进行运动模式分析模型和运动身份识别模型的构建;
S4、将待识别运动行为的数据输入到步骤S3构建的运动模式分析模型和运动身份识别模型后,基于运动身份识别模型进行用户身份识别,基于运动模式分析模型进行对应用户运动行为识别。
2.根据权利要求1所述的用于运动行为识别的数据分析方法,其特征在于,步骤S2中,所述时间序列分析方法是对获取到的数据进行符号化处理,针对所得的符号化时序数据进行时序特征的提取。
3.根据权利要求1所述的用于运动行为识别的数据分析方法,其特征在于,步骤S3中,采用随机森林算法对第一、二时序特征数据集中的每项数据进行建模,得到初始运动模式分析模型和运动身份识别模型。
4.根据权利要求1所述的用于运动行为识别的数据分析方法,其特征在于,步骤S3中,根据每项分类特征对当前建模模型精确率的影响程度,按照影响程度的大小,分析第一时序特征数据集中每项时序特征在所述初始运动模式分析模型所占的权重值αi,i=1,...,M,M为时序特征的总数量;
将每项时序特征的权重值αi与预设的权重阈值β进行比较,选择权重值αi大于β的时序特征,组成第二时序特征数据集。
5.根据权利要求4所述的用于运动行为识别的数据分析方法,其特征在于,采用平均精度减小法分析每项时序特征在所述初始运动模式分析模型中所占的权重αi,其中:
给每项时序特征加入随机噪声;
度量加入随机噪声前、后的时序特征对初始运动模式分析模型精确率的...
【专利技术属性】
技术研发人员:姚尧,刘子奇,王卓伦,尹瀚玙,郭紫锦,
申请(专利权)人:中国地质大学武汉,
类型:发明
国别省市:湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。