[发明专利]一种基于运动生理表征融合的大规模学生有氧能力分群方法

权利要求书

1.一种基于运动生理表征融合的大规模学生有氧能力分群方法，包括以下步骤：

1)预处理时序数据，包含剔除异常值、多变量序列截取与插值、标准化处理、说明数据来源和运动记录切片；

2)构建基于多模态和自监督学习的有氧能力模型，该模型由人体泛化有氧能力模型、个性化长期有氧能力模型和个性化短期有氧能力模型组成；在模型实现上采纳了高并行性架构，且在训练方式上对有氧能力模型的组件进行逐一训练，在个性化长期有氧能力模型和个性化短期有氧能力模型训练完成后均固定模型参数被作为后续模型训练的组件；具体构建步骤包括：

2.1)构建有氧能力模型的总体架构；

有氧能力模型分为三个子模型：人体泛化有氧能力模型，个性化长期有氧能力模型，以及个性化短期有氧能力模型；

人体泛化有氧能力模型用于从所有用户的运动记录中学习到不同人体对不同运动强度作出心肺反应的共性特征，在某一用户的运动数据相对缺乏时，该类特征有利于有氧能力模型捕捉个性化有氧能力表征；

个性化长期有氧能力模型用于从同一用户的运动记录中学习到自身对不同运动强度作出心肺反应的特征，这类特征有助于有氧能力模型更好地学习个人的有氧能力表征；

个性化短期有氧能力模型用于从同一用户的运动记录切片中学习到自身对不同运动强度作出心肺反应的特征，这类特征有助于有氧能力模型更好地捕捉到一场运动中不同时段的运动生理表征；与上述两个模型不同的是，个性化短期有氧能力模型不仅引入了当前时段的运动强度和时间信息，而且考虑了前一时段的生理状态信息；

个性化长期有氧能力模型注重捕获长期依赖，能够捕获当前时段生理状态与之前较长时间段内生理状态的关联；个性化短期有氧能力模型注重于捕获短期依赖，捕获学习某一小时间段内生理反应变化；

2.2)实现有氧能力模型；

为了实现所述的有氧能力模型架构，还需要考虑在大规模运动记录且序列普遍较长的数据环境下训练的要求；因此人体泛化有氧能力模型和个性化长期有氧能力模型均采用Google在2017年提出的Transformer模型，其不仅可以提供高效的并行处理能力而且能够学习到序列全局依赖；它的具体架构为Transformer的编码器部分再后接一个多层感知机；其中感知机的输入层、隐层和输出层的神经元数量分别为2、3和1；

考虑到个性化短期有氧能力模型是在序列长度较小的切片上训练，因此个性化短期有氧能力模型的架构依次为3个相同的卷积层、1次向量拼接操作、堆叠的2个单向GRU层和1个多层感知机；其中，3个卷积层是并行的且分别用于卷积输入的心率序列、速度序列和时间信息序列，卷积核为1D、长度为5且步长为1；每一个单向GRU中单元数为64，多层感知机的输入层、1个隐层和输出层的神经元分别为128、256和120；

2.3)训练有氧能力模型；

为了合理地训练有氧能力模型，本发明引入多模态学习与自监督学习思想，以速度代表运动强度，以心率代表心脏对运动强度的生理反应；通过设计一个辅助任务来从无标签序列数据中找到监督信号，该任务可设计为：将某一时间段的速度序列和相应的时间信息序列，来预测该时间段的心率序列；最后，将预测出的心率序列与真实心率序列来计算损失值，以此对有氧能力模型进行训练；在训练个性化短期有氧能力模型时，其训练样本集是进行切片处理的，因此输入数据为某一时间片的速度序列、该时间片的时间信息序列和前一时间片的心率序列，再结合人体泛化有氧能力模型和个性化长期有氧能力模型的预测结果，来最终预测该时间片的心率序列；

首先，人体泛化有氧能力模型的样本集包括所有用户的运动记录，并对其进行预训练；针对某一用户，其模型训练的样本集为其自身的所有运动记录，在训练该用户的个性化长期有氧能力模型时，数据需要输入到预训练的人体泛化有氧能力模型中然后将其输出与个性化长期有氧能力模型的输出进行均值化再得到最终模型预测输出，以此进行预训练；相同地，针对某一用户，个性化短期有氧能力模型是在其所有运动记录切片上进行训练的，首先将完整样本中的速度与时间序列分别输入到预训练的人体泛化有氧能力模型和个性化长期有氧能力模型中，然后将两者输出进行均值化得到泛化心率序列；之后，将泛化心率序列进行切片并以此输入到个性化短期有氧能力模型中，其生成最终输出的步骤是多层感知机输出与泛化心率序列切片中的对应心率片段进行均值化，训练时的预期输出均为输入样本中对应的心率序列片段；有氧能力模型需要首先进行两步预训练，最终再训练个性化短期有氧能力模型来完成整个有氧能力模型的训练；

3)实施大规模学生有氧能力分群，通过将国际标准有氧测试的速度序列和时间信息序列输入到有氧能力模型中来获得10个不同时段的运动生理表征向量，再将这些表征向量进行均值化来获得最终的有氧能力表征向量；最后构建基于single-linkage的聚类器来对学生有氧能力表征向量进行分群聚类；

4)评估分群效果，依据FMI指数对每一个学生有氧能力的分群结果进行评估。