[发明专利]一种基于高斯混合分布的群体体质评估方法

说明书

本发明公开了一种基于高斯混合分布的群体体质评估方法，所述方法包括如下步骤：步骤1：将未标记的体育测试数据随机分成若干段作为测试数据与训练数据；步骤2：对步骤1中的各段测试数据与训练数据进行预处理操作；步骤3：使用非监督学习算法提取各组特征数据；步骤4：拟合步骤3得到的各组特征数据，判断混合分布的个数；步骤5：利用EM算法计算各混合分布的权重、均值；步骤6：建立三级评价模型，将步骤4与步骤5的观察和计算结果代入三级评价模型和群体体质评估量化公式中，得出等级和评分结果。本发明完全独立于个体体质评价结果，不需要依靠个体评价的结果，即得出群体体质评估结果。

技术领域

本发明属于体质评估领域，涉及一种体质健康评估方法，具体涉及一种基于高斯混合分布的群体体质评估方法。

背景技术

体质是指人体的质量，是在遗传性和获得性的基础上表现出来的人体形态结构、生理功能、心理因素的综合及相对稳定的特征。体质健康评估一直以来都是健康研究领域的热点话题。体质评估能用科学的指标和方法评价国民体质与健康状况，进而不断改善和增强国民体质。截至目前，关于体质监测、评估系统的研究，有很多国内的学者做了大量积极有益的探索与实践.也取得了不错的效果。这些已有研究成果大多是通过前期调研来获得专家知识从而得出各种评价指标及其权重系数，然后利用现成的统计公式或曲线拟合技术对个体体质进行评估。而在最近二十年的公开文献中，评估群体体质健康情况则是对个体评估结果的简单统计。

机器学习是人工智能的一个分支，在很多情况下几乎成为人工智能的代名词。机器学习系统用于识别图像中的对象，将语音转录成文本，将新闻条目、帖子或产品与用户的兴趣进行匹配，并选择搜索的相关结果。它也是一种重要的医疗辅助手段，在医疗保健领域具有重要的应用价值。虽然评估模型在其他领域得到了广泛的应用，但复杂数据环境下的群体体质健康评估问题仍然是一个值得而未被深入研究的问题。

发明内容

为了解决现群体体质评估问题，本发明提供了一种基于高斯混合分布的群体体质评估方法。该方法的核心思想是应用卷积神经网络无监督地从原始体育测试数据中自动学习特征，并基于高斯混合分布提出群体体质三级评估模型，将学到的特征送入评估模型得出群体体质评估结果。

本发明的目的是通过以下技术方案实现的：

一种基于高斯混合分布的群体体质评估方法，包括如下步骤：

步骤1：将未标记的体育测试数据随机分成若干段作为测试数据与训练数据；

步骤2：对步骤1中的各段测试数据与训练数据进行预处理操作；

步骤3：将步骤2预处理后的训练数据作为卷积神经网络模型的每次输入，使用非监督学习算法提取各组特征数据；

步骤4：拟合步骤3得到的各组特征数据，判断混合分布的个数；

步骤5：根据步骤3得到的各组特征数据，利用EM算法计算各混合分布的权重、均值；

步骤6：建立三级评价模型，将步骤4与步骤5的观察和计算结果代入三级评价模型和群体体质评估量化公式中，得出等级和评分结果。

相比于现有技术，本发明具有如下优点：

1、本发明完全独立于个体体质评价结果，不需要依靠个体评价的结果，即得出群体体质评估结果。

2、本发明充分考虑了群体体质分布特征，可用于至各地区、各类别人群体质评估，具有全局性、广泛性的特点。

附图说明

图1是本发明基于高斯混合分布的群体体质评估方法的训练流程图；

图2是本发明中特征提取卷积神经网络图；

图3是本发明基于高斯混合分布的群体体质评估方法的测试数据特征分布图；