CN105913357A - 基于云计算的康复训练系统 - Google Patents

Abstract

本发明公开了基于云计算的康复训练系统，包括康复训练预约模块、康复训练信息编辑模块、预约执行模块和云服务模块，其中康复训练预约模块包括操作界面、身体数据采集子模块、关联信息生成子模块和康复训练预约表单生成子模块，预约执行模块包括信息数据识别子模块、康复训练项目信息查找子模块和康复训练项目信息提取展示子模块。本发明使用户能够随时随地进行康复训练，方便快捷；有权限的康复训练专家能够帮助患者设置相应的康复训练项目，保证康复训练的效果；设置云服务模块，对各模块最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；设置康复训练项目信息查找子模块，查找效率高。

Description

基于云计算的康复训练系统

技术领域

本发明涉及医疗领域，具体涉及基于云计算的康复训练系统。

背景技术

相关技术中，残疾患者的前期的康复训练都是到相关医院或康复中心，在康复师的指导下进行，由于医院或康复中心的资源有限，使得患者训练时效性不尽人意，而且患者去医院也不方便。

发明内容

针对上述问题，本发明提供能够便于患者在家训练的基于云计算的康复训练系统。

本发明的目的采用以下技术方案来实现：

基于云计算的康复训练系统，包括：

(1)康复训练预约模块，用于提供用户进行康复训练预约，其包括操作界面、身体数据采集子模块、关联信息生成子模块和康复训练预约表单生成子模块，所述操作界面用于提供用户执行预约信息输入动作，所述身体数据采集子模块用于根据输入的预约信息进行相应的身体数据的采集，所述关联信息生成子模块用于根据预约信息生成其他关联信息，所述服务预约表单生成子模块用于合成预约信息、关联信息和身体数据，进而生成服务预约表单；所述预约信息包括预约身份证号、预约时间、康复训练项目和康复训练时间，所述关联信息包括与预约用户关联的基本信息和患病数据；

(2)康复训练信息编辑模块，用于存储和编辑各种康复训练项目信息，包括用于存储康复训练项目信息的云存储资源池；所述康复训练信息编辑模块与外部的医疗服务平台通信连接，有权限的康复训练专家可通过所述医疗服务平台往康复训练信息编辑模块输入康复训练项目信息并进行编辑；所述各种康复训练项目信息包括坐姿训练信息、站立平衡训练信息、上肢综合训练信息、下肢综合训练信息、步态行走训练信息、语言和认知训练信息；

(3)预约执行模块，用于对康复训练预约表单中的信息数据进行处理分析，提取并展示与预约信息相应的康复训练项目信息，包括信息数据识别子模块、康复训练项目信息查找子模块和康复训练项目信息提取展示子模块；

所述信息数据识别子模块用于对康复训练预约表单中的信息数据进行分析，识别用户的预约信息，生成与预约信息相应的康复训练项目信息查找请求；

所述康复训练项目信息查找子模块接收康复训练项目信息查找请求，在所述云储存资源池中查找与预约信息相应的康复训练项目信息，具体执行以下操作：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起康复训练项目信息查找请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的康复训练项目信息查找请求M_j时，检查和中是否含有满足康复训练项目信息查找请求M_j的康复训练项目信息，若是，根据所述康复训练项目信息和康复训练项目信息所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃康复训练项目信息查找请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将康复训练项目信息查找请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的康复训练项目信息查找请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

所述康复训练项目信息提取展示子模块用于提取康复训练项目信息并以图形、数据、语音的形式向患者展示康复训练项目信息；

(4)云服务模块，用于对康复训练预约模块、康复训练信息编辑模块和预约执行模块最大利益化地提供满足需求的云端服务资源池，包括任务规划子模块、可信组合评估子模块和服务部署子模块；

所述任务规划子模块用于对服务预约信息输入模块、服务预约查询模块和服务预约信息传送模块进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估子模块用于对由任务规划子模块生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署子模块用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估子模块包括方案评估单元和评估优化单元；

所述方案评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划子模块获得的任务规划对应的约束为C＝{C₁,C₂,..,C_d},每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案；

所述评估优化单元能够记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。

其中，所述身体数据采集子模块包括：压力传感器，位置传感器，速度传感器，图像传感器，肌力传感器，肌电传感器，以及血氧测量仪。

本发明的有益效果为：

1、设置康复训练预约模块、康复训练信息编辑模块、预约执行模块和云服务模块，使用户能够随时随地进行康复训练，方便快捷；

2、设置用于存储和编辑各种康复训练项目信息的康复训练信息编辑模块，所述康复训练信息编辑模块与外部的医疗服务平台通信连接，从而有权限的康复训练专家能够帮助患者设置相应的康复训练项目，并通过所述医疗服务平台往康复训练信息编辑模块输入康复训练项目信息并进行编辑，保证康复训练的效果；

3、在预约执行模块中设置的康复训练项目信息查找子模块，提高了康复训练项目信息查找的效率；

4、设置云服务模块，用于对康复训练预约模块、康复训练信息编辑模块、预约执行模块最大利益化地提供满足需求的云端服务资源池，降低了系统的成本。

附图说明

利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明各模块连接示意图；

图2是本发明方案评估单元的工作流程图。

附图标记：

康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3、云服务模块4、操作界面11、身体数据采集子模块12、关联信息生成子模块13、康复训练预约表单生成子模块14、信息数据识别子模块31、康复训练项目信息查找子模块32、康复训练项目信息提取展示子模块33、任务规划子模块41、可信组合评估子模块42、服务部署子模块43。

具体实施方式

结合以下实施例对本发明作进一步描述。

实施例1

参见图1、图2，本实施例的基于云计算的康复训练系统，包括：

(1)康复训练预约模块1，用于提供用户进行康复训练预约，其包括操作界面11、身体数据采集子模块12、关联信息生成子模块13和康复训练预约表单生成子模块14，所述操作界面11用于提供用户执行预约信息输入动作，所述身体数据采集子模块12用于根据输入的预约信息进行相应的身体数据的采集，所述关联信息生成子模块13用于根据预约信息生成其他关联信息，所述服务预约表单生成子模块用于合成预约信息、关联信息和身体数据，进而生成服务预约表单；所述预约信息包括预约身份证号、预约时间、康复训练项目和康复训练时间，所述关联信息包括与预约用户关联的基本信息和患病数据；

(2)康复训练信息编辑模块2，用于存储和编辑各种康复训练项目信息，包括用于存储康复训练项目信息的云存储资源池；所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，有权限的康复训练专家可通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑；所述各种康复训练项目信息包括坐姿训练信息、站立平衡训练信息、上肢综合训练信息、下肢综合训练信息、步态行走训练信息、语言和认知训练信息；

(3)预约执行模块3，用于对康复训练预约表单中的信息数据进行处理分析，提取并展示与预约信息相应的康复训练项目信息，包括信息数据识别子模块31、康复训练项目信息查找子模块32和康复训练项目信息提取展示子模块33；

所述信息数据识别子模块31用于对康复训练预约表单中的信息数据进行分析，识别用户的预约信息，生成与预约信息相应的康复训练项目信息查找请求；

所述康复训练项目信息查找子模块32接收康复训练项目信息查找请求，在所述云储存资源池中查找与预约信息相应的康复训练项目信息，具体执行以下操作：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起康复训练项目信息查找请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的康复训练项目信息查找请求M_j时，检查和中是否含有满足康复训练项目信息查找请求M_j的康复训练项目信息，若是，根据所述康复训练项目信息和康复训练项目信息所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃康复训练项目信息查找请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将康复训练项目信息查找请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为{5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的康复训练项目信息查找请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

所述康复训练项目信息提取展示子模块33用于提取康复训练项目信息并以图形、数据、语音的形式向患者展示康复训练项目信息；

(4)云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2和预约执行模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划子模块41、可信组合评估子模块42和服务部署子模块43；

所述任务规划子模块41用于对服务预约信息输入模块、服务预约查询模块和服务预约信息传送模块进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估子模块42用于对由任务规划子模块41生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署子模块43用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估子模块42包括方案评估单元和评估优化单元；

所述方案评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划子模块41获得的任务规划对应的约束为C＝{C₁,C₂,..,C_d},每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案；

所述评估优化单元能够记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。

其中，所述身体数据采集子模块12包括：压力传感器，位置传感器，速度传感器，图像传感器，肌力传感器，肌电传感器，以及血氧测量仪。

本实施例设置康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3和云服务模块4，使用户能够随时随地进行康复训练，方便快捷；设置用于存储和编辑各种康复训练项目信息的康复训练信息编辑模块2，所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，从而有权限的康复训练专家能够帮助患者设置相应的康复训练项目，并通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑，保证康复训练的效果；设置云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；在预约执行模块3中设置的康复训练项目信息查找子模块32，提高了康复训练项目信息查找的效率，其中本实施例取值α＝0.25,β＝0.45，康复训练项目信息查找的效率提高了2.5％。

实施例2

参见图1、图2，本实施例的基于云计算的康复训练系统，包括：

(1)康复训练预约模块1，用于提供用户进行康复训练预约，其包括操作界面11、身体数据采集子模块12、关联信息生成子模块13和康复训练预约表单生成子模块14，所述操作界面11用于提供用户执行预约信息输入动作，所述身体数据采集子模块12用于根据输入的预约信息进行相应的身体数据的采集，所述关联信息生成子模块13用于根据预约信息生成其他关联信息，所述服务预约表单生成子模块用于合成预约信息、关联信息和身体数据，进而生成服务预约表单；所述预约信息包括预约身份证号、预约时间、康复训练项目和康复训练时间，所述关联信息包括与预约用户关联的基本信息和患病数据；

(2)康复训练信息编辑模块2，用于存储和编辑各种康复训练项目信息，包括用于存储康复训练项目信息的云存储资源池；所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，有权限的康复训练专家可通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑；所述各种康复训练项目信息包括坐姿训练信息、站立平衡训练信息、上肢综合训练信息、下肢综合训练信息、步态行走训练信息、语言和认知训练信息；

(3)预约执行模块3，用于对康复训练预约表单中的信息数据进行处理分析，提取并展示与预约信息相应的康复训练项目信息，包括信息数据识别子模块31、康复训练项目信息查找子模块32和康复训练项目信息提取展示子模块33；

所述信息数据识别子模块31用于对康复训练预约表单中的信息数据进行分析，识别用户的预约信息，生成与预约信息相应的康复训练项目信息查找请求；

所述康复训练项目信息查找子模块32接收康复训练项目信息查找请求，在所述云储存资源池中查找与预约信息相应的康复训练项目信息，具体执行以下操作：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起康复训练项目信息查找请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的康复训练项目信息查找请求M_j时，检查和中是否含有满足康复训练项目信息查找请求M_j的康复训练项目信息，若是，根据所述康复训练项目信息和康复训练项目信息所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃康复训练项目信息查找请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将康复训练项目信息查找请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的康复训练项目信息查找请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

所述康复训练项目信息提取展示子模块33用于提取康复训练项目信息并以图形、数据、语音的形式向患者展示康复训练项目信息；

(4)云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2和预约执行模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划子模块41、可信组合评估子模块42和服务部署子模块43；

所述任务规划子模块41用于对服务预约信息输入模块、服务预约查询模块和服务预约信息传送模块进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估子模块42用于对由任务规划子模块41生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署子模块43用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估子模块42包括方案评估单元和评估优化单元；

所述方案评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划子模块41获得的任务规划对应的约束为C＝{C₁,C₂,..,C_d},每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案；

所述评估优化单元能够记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。

其中，所述身体数据采集子模块12包括：压力传感器，位置传感器，速度传感器，图像传感器，肌力传感器，肌电传感器，以及血氧测量仪。

本实施例设置康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3和云服务模块4，使用户能够随时随地进行康复训练，方便快捷；设置用于存储和编辑各种康复训练项目信息的康复训练信息编辑模块2，所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，从而有权限的康复训练专家能够帮助患者设置相应的康复训练项目，并通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑，保证康复训练的效果；设置云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；在预约执行模块3中设置的康复训练项目信息查找子模块32，提高了康复训练项目信息查找的效率，其中本实施例取值α＝0.26,β＝0.46，康复训练项目信息查找的效率提高了2.8％。

实施例3

参见图1、图2，本实施例的基于云计算的康复训练系统，包括：

(1)康复训练预约模块1，用于提供用户进行康复训练预约，其包括操作界面11、身体数据采集子模块12、关联信息生成子模块13和康复训练预约表单生成子模块14，所述操作界面11用于提供用户执行预约信息输入动作，所述身体数据采集子模块12用于根据输入的预约信息进行相应的身体数据的采集，所述关联信息生成子模块13用于根据预约信息生成其他关联信息，所述服务预约表单生成子模块用于合成预约信息、关联信息和身体数据，进而生成服务预约表单；所述预约信息包括预约身份证号、预约时间、康复训练项目和康复训练时间，所述关联信息包括与预约用户关联的基本信息和患病数据；

(2)康复训练信息编辑模块2，用于存储和编辑各种康复训练项目信息，包括用于存储康复训练项目信息的云存储资源池；所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，有权限的康复训练专家可通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑；所述各种康复训练项目信息包括坐姿训练信息、站立平衡训练信息、上肢综合训练信息、下肢综合训练信息、步态行走训练信息、语言和认知训练信息；

(3)预约执行模块3，用于对康复训练预约表单中的信息数据进行处理分析，提取并展示与预约信息相应的康复训练项目信息，包括信息数据识别子模块31、康复训练项目信息查找子模块32和康复训练项目信息提取展示子模块33；

所述信息数据识别子模块31用于对康复训练预约表单中的信息数据进行分析，识别用户的预约信息，生成与预约信息相应的康复训练项目信息查找请求；

所述康复训练项目信息查找子模块32接收康复训练项目信息查找请求，在所述云储存资源池中查找与预约信息相应的康复训练项目信息，具体执行以下操作：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，j∈[1,n],n为对等网络包含节点的总数，发起康复训练项目信息查找请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的康复训练项目信息查找请求M_j时，检查和中是否含有满足康复训练项目信息查找请求M_j的康复训练项目信息，若是，根据所述康复训练项目信息和康复训练项目信息所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃康复训练项目信息查找请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将康复训练项目信息查找请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的康复训练项目信息查找请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

所述康复训练项目信息提取展示子模块33用于提取康复训练项目信息并以图形、数据、语音的形式向患者展示康复训练项目信息；

(4)云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2和预约执行模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划子模块41、可信组合评估子模块42和服务部署子模块43；

所述任务规划子模块41用于对服务预约信息输入模块、服务预约查询模块和服务预约信息传送模块进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估子模块42用于对由任务规划子模块41生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署子模块43用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估子模块42包括方案评估单元和评估优化单元；

所述方案评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划子模块41获得的任务规划对应的约束为C＝{C₁,C₂,..,C_d},每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案；

所述评估优化单元能够记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。

其中，所述身体数据采集子模块12包括：压力传感器，位置传感器，速度传感器，图像传感器，肌力传感器，肌电传感器，以及血氧测量仪。

本实施例设置康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3和云服务模块4，使用户能够随时随地进行康复训练，方便快捷；设置用于存储和编辑各种康复训练项目信息的康复训练信息编辑模块2，所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，从而有权限的康复训练专家能够帮助患者设置相应的康复训练项目，并通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑，保证康复训练的效果；设置云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；在预约执行模块3中设置的康复训练项目信息查找子模块32，提高了康复训练项目信息查找的效率，其中本实施例取值α＝0.27,β＝0.47，康复训练项目信息查找的效率提高了3％。

实施例4

参见图1、图2，本实施例的基于云计算的康复训练系统，包括：

(1)康复训练预约模块1，用于提供用户进行康复训练预约，其包括操作界面11、身体数据采集子模块12、关联信息生成子模块13和康复训练预约表单生成子模块14，所述操作界面11用于提供用户执行预约信息输入动作，所述身体数据采集子模块12用于根据输入的预约信息进行相应的身体数据的采集，所述关联信息生成子模块13用于根据预约信息生成其他关联信息，所述服务预约表单生成子模块用于合成预约信息、关联信息和身体数据，进而生成服务预约表单；所述预约信息包括预约身份证号、预约时间、康复训练项目和康复训练时间，所述关联信息包括与预约用户关联的基本信息和患病数据；

(2)康复训练信息编辑模块2，用于存储和编辑各种康复训练项目信息，包括用于存储康复训练项目信息的云存储资源池；所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，有权限的康复训练专家可通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑；所述各种康复训练项目信息包括坐姿训练信息、站立平衡训练信息、上肢综合训练信息、下肢综合训练信息、步态行走训练信息、语言和认知训练信息；

(3)预约执行模块3，用于对康复训练预约表单中的信息数据进行处理分析，提取并展示与预约信息相应的康复训练项目信息，包括信息数据识别子模块31、康复训练项目信息查找子模块32和康复训练项目信息提取展示子模块33；

所述信息数据识别子模块31用于对康复训练预约表单中的信息数据进行分析，识别用户的预约信息，生成与预约信息相应的康复训练项目信息查找请求；

所述康复训练项目信息查找子模块32接收康复训练项目信息查找请求，在所述云储存资源池中查找与预约信息相应的康复训练项目信息，具体执行以下操作：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起康复训练项目信息查找请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的康复训练项目信息查找请求M_j时，检查和中是否含有满足康复训练项目信息查找请求M_j的康复训练项目信息，若是，根据所述康复训练项目信息和康复训练项目信息所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息C_Mj返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃康复训练项目信息查找请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将康复训练项目信息查找请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的康复训练项目信息查找请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

所述康复训练项目信息提取展示子模块33用于提取康复训练项目信息并以图形、数据、语音的形式向患者展示康复训练项目信息；

(4)云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2和预约执行模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划子模块41、可信组合评估子模块42和服务部署子模块43；

所述任务规划子模块41用于对服务预约信息输入模块、服务预约查询模块和服务预约信息传送模块进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估子模块42用于对由任务规划子模块41生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署子模块43用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估子模块42包括方案评估单元和评估优化单元；

所述方案评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划子模块41获得的任务规划对应的约束为C＝{C₁,C₂,..,C_d},每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案；

所述评估优化单元能够记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。

其中，所述身体数据采集子模块12包括：压力传感器，位置传感器，速度传感器，图像传感器，肌力传感器，肌电传感器，以及血氧测量仪。

本实施例设置康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3和云服务模块4，使用户能够随时随地进行康复训练，方便快捷；设置用于存储和编辑各种康复训练项目信息的康复训练信息编辑模块2，所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，从而有权限的康复训练专家能够帮助患者设置相应的康复训练项目，并通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑，保证康复训练的效果；设置云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；在预约执行模块3中设置的康复训练项目信息查找子模块32，提高了康复训练项目信息查找的效率，其中本实施例取值α＝0.28,β＝0.48，康复训练项目信息查找的效率提高了3％。

实施例5

参见图1、图2，本实施例的基于云计算的康复训练系统，包括：

(1)康复训练预约模块1，用于提供用户进行康复训练预约，其包括操作界面11、身体数据采集子模块12、关联信息生成子模块13和康复训练预约表单生成子模块14，所述操作界面11用于提供用户执行预约信息输入动作，所述身体数据采集子模块12用于根据输入的预约信息进行相应的身体数据的采集，所述关联信息生成子模块13用于根据预约信息生成其他关联信息，所述服务预约表单生成子模块用于合成预约信息、关联信息和身体数据，进而生成服务预约表单；所述预约信息包括预约身份证号、预约时间、康复训练项目和康复训练时间，所述关联信息包括与预约用户关联的基本信息和患病数据；

(2)康复训练信息编辑模块2，用于存储和编辑各种康复训练项目信息，包括用于存储康复训练项目信息的云存储资源池；所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，有权限的康复训练专家可通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑；所述各种康复训练项目信息包括坐姿训练信息、站立平衡训练信息、上肢综合训练信息、下肢综合训练信息、步态行走训练信息、语言和认知训练信息；

(3)预约执行模块3，用于对康复训练预约表单中的信息数据进行处理分析，提取并展示与预约信息相应的康复训练项目信息，包括信息数据识别子模块31、康复训练项目信息查找子模块32和康复训练项目信息提取展示子模块33；

所述信息数据识别子模块31用于对康复训练预约表单中的信息数据进行分析，识别用户的预约信息，生成与预约信息相应的康复训练项目信息查找请求；

所述康复训练项目信息查找子模块32接收康复训练项目信息查找请求，在所述云储存资源池中查找与预约信息相应的康复训练项目信息，具体执行以下操作：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起康复训练项目信息查找请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的康复训练项目信息查找请求M_j时，检查和中是否含有满足康复训练项目信息查找请求M_j的康复训练项目信息，若是，根据所述康复训练项目信息和康复训练项目信息所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃康复训练项目信息查找请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将康复训练项目信息查找请求M_j转发给p_j×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率p_j在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的康复训练项目信息查找请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]；

所述康复训练项目信息提取展示子模块33用于提取康复训练项目信息并以图形、数据、语音的形式向患者展示康复训练项目信息；

(4)云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2和预约执行模块3最大利益化地提供满足需求的云端服务资源池，包括任务规划子模块41、可信组合评估子模块42和服务部署子模块43；

所述任务规划子模块41用于对服务预约信息输入模块、服务预约查询模块和服务预约信息传送模块进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估子模块42用于对由任务规划子模块41生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署子模块43用于根据最优的云服务组合方案完成相关云服务的部署。

其中，所述可信组合评估子模块42包括方案评估单元和评估优化单元；

所述方案评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划子模块41获得的任务规划对应的约束为C＝{C₁,C₂,..,C_d},每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案；

所述评估优化单元能够记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。

其中，所述身体数据采集子模块12包括：压力传感器，位置传感器，速度传感器，图像传感器，肌力传感器，肌电传感器，以及血氧测量仪。

本实施例设置康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3和云服务模块4，使用户能够随时随地进行康复训练，方便快捷；设置用于存储和编辑各种康复训练项目信息的康复训练信息编辑模块2，所述康复训练信息编辑模块2与外部的医疗服务平台通信连接，从而有权限的康复训练专家能够帮助患者设置相应的康复训练项目，并通过所述医疗服务平台往康复训练信息编辑模块2输入康复训练项目信息并进行编辑，保证康复训练的效果；设置云服务模块4，用于对康复训练预约模块1、康复训练信息编辑模块2、预约执行模块3最大利益化地提供满足需求的云端服务资源池，降低了系统的成本；在预约执行模块3中设置的康复训练项目信息查找子模块32，提高了康复训练项目信息查找的效率，其中本实施例取值α＝0.3,β＝0.5，康复训练项目信息查找的效率提高了3.5％。

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.基于云计算的康复训练系统，其特征在于，包括：

(1)康复训练预约模块，用于提供用户进行康复训练预约，其包括操作界面、身体数据采集子模块、关联信息生成子模块和康复训练预约表单生成子模块，所述操作界面用于提供用户执行预约信息输入动作，所述身体数据采集子模块用于根据输入的预约信息进行相应的身体数据的采集，所述关联信息生成子模块用于根据预约信息生成其他关联信息，所述服务预约表单生成子模块用于合成预约信息、关联信息和身体数据，进而生成服务预约表单；

(2)康复训练信息编辑模块，用于存储和编辑各种康复训练项目信息，包括用于存储康复训练项目信息的云存储资源池；所述康复训练信息编辑模块与外部的医疗服务平台通信连接，有权限的康复训练专家可通过所述医疗服务平台往康复训练信息编辑模块输入康复训练项目信息并进行编辑；所述各种康复训练项目信息包括坐姿训练信息、站立平衡训练信息、上肢综合训练信息、下肢综合训练信息、步态行走训练信息、语言和认知训练信息；

(3)预约执行模块，用于对康复训练预约表单中的信息数据进行处理分析，提取并展示与预约信息相应的康复训练项目信息，包括信息数据识别子模块、康复训练项目信息查找子模块和康复训练项目信息提取展示子模块；

所述信息数据识别子模块用于对康复训练预约表单中的信息数据进行分析，识别用户的预约信息，生成与预约信息相应的康复训练项目信息查找请求；

所述康复训练项目信息查找子模块接收康复训练项目信息查找请求，在所述云储存资源池中查找与预约信息相应的康复训练项目信息；

所述康复训练项目信息提取展示子模块用于提取康复训练项目信息并以图形、数据、语音的形式向患者展示康复训练项目信息；

(4)云服务模块，用于对康复训练预约模块、康复训练信息编辑模块和预约执行模块最大利益化地提供满足需求的云端服务资源池。

2.根据权利要求1所述的基于云计算的康复训练系统，其特征在于，所述身体数据采集子模块包括：压力传感器，位置传感器，速度传感器，图像传感器，肌力传感器，肌电传感器，以及血氧测量仪。

3.根据权利要求1所述的基于云计算的康复训练系统，其特征在于，所述预约信息包括预约身份证号、预约时间、康复训练项目和康复训练时间，所述关联信息包括与预约用户关联的基本信息和患病数据。

4.根据权利要求1所述的基于云计算的康复训练系统，其特征在于，所述康复训练项目信息查找子模块具体执行以下操作：设x_i为非结构化对等网络中的一个对等节点，为本地资源池，为邻居节点资源信息池，i∈[1,n],n为对等网络包含节点的总数，发起康复训练项目信息查找请求M_j的节点为x_j,在x_j的邻居节点集合中按照概率p_j随机挑选出的对等节点集为p_j×{x_j1,x_j2,…x_jm},j∈[1,n]，当对等节点x_i收到x_j发送的康复训练项目信息查找请求M_j时，检查和中是否含有满足康复训练项目信息查找请求M_j的康复训练项目信息，若是，根据所述康复训练项目信息和康复训练项目信息所在对等节点的位置信息，创建查询的响应消息并根据x_j的位置信息，将所述响应信息返回给x_j，然后将x_j的生命值减1，若x_j的生命值为0，丢弃康复训练项目信息查找请求M_j，若不为0，采用Q学习算法计算p_j×{x_j1,x_j2,…x_jm}中各对等节点的Q值，将康复训练项目信息查找请求M_j转发给pj×{x_j1,x_j2,…x_jm}中Q值最大的节点，概率pj在网络悠闲时的取值范围为(5,8]，在网络拥堵时的取值范围为[0,3)；

设定Q值的计算公式为：

$Q_{new}=Q_{old}+{\mathrm{\αQ}}_{learn}+\mathrm{\β}\×I\[\frac{N_{x_{j\mathrm{\μ}}}\left(t\right)(T_{x_{j\mathrm{\μ}}}-{T^{\′}}_{x_{j\mathrm{\μ}}})}{{T^{\′}}_{x_{j\mathrm{\μ}}}\×T_{x_{j\mathrm{\μ}}}}\]\×\frac{1+N_{x_{j\mathrm{\μ}}}\left(t\right)}{T_{x_{j\mathrm{\μ}}}}$

其中，Q_new表示Q的新值，Q_old表示Q的老值，Q_learn表示被学习的值，α表示学习速率，β表示拥塞因素，表示时刻t节点x_jμ的缓存队列中待处理的康复训练项目信息查找请求消息数，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息所规定的时间，表示p_j×{x_j1,x_j2,…x_jm}中的节点x_jμ处理一条康复训练项目信息查找请求消息实际所需的时间；函数I[x]在x>0时取值为1，x≤0时取值为0，α的取值范围是[0.25,0.3]，β的取值范围是[0.45,0.5]。

5.根据权利要求1所述的基于云计算的康复训练系统，其特征在于，所述云服务模块包括任务规划子模块、可信组合评估子模块和服务部署子模块；

所述任务规划子模块用于对服务预约信息输入模块、服务预约查询模块和服务预约信息传送模块进行信息处理的过程进行任务规划，将复杂的信息处理任务拆分至一组功能单一且独立的子任务，并为子任务匹配满足其需求的云端服务资源池，形成多种合适的云服务组合方案，以获得信息处理过程所需的存储资源或计算资源；

所述可信组合评估子模块用于对由任务规划子模块生成的多种合适的云服务组合方案进行方案评估，选出最优的云服务组合方案；

所述服务部署子模块用于根据最优的云服务组合方案完成相关云服务的部署。

6.根据权利要求5所述的基于云计算的康复训练系统，其特征在于，所述可信组合评估子模块包括方案评估单元和评估优化单元；

所述方案评估单元根据云端服务资源池SP_v和对应的服务质量历史记录，进行云服务组合方案的效用函数X的建模并根据应用实例初始化模型中效用函数的各参数，设由任务规划子模块获得的任务规划对应的约束为C＝{C₁,C₂,..,C₍},每个子任务G_v对应的云端服务资源池SP_v共有m_v个服务，对于云端服务资源池SP_v中的每一个服务SP_vω，其包含的历史记录个数为L_vω，由SP_v形成的第γ个可行的云服务组合方案为CS_γ，ω∈[1,m_v]，定义模型为：

其中，为第k维度的最大值，为第k维度的最小值，d为对应于的最大维度，SP_vωR_h为隶属于SP_vω的一条历史记录，x_vω-h表示模型中效用函数的参数；根据效用函数值按从小到大的顺序对各可行云服务组合方案进行排序，选择前Z个可行云服务组合方案作为优选云服务组合方案，Z的取值根据应用实例进行设定，并对每一组优选云服务组合方案计算其效用函数值的平均值，选择效用函数值的平均值为最大的优选云服务组合方案作为最优的云服务组合方案；

所述评估优化单元能够记录优选云服务组合方案的效用函数值和最优的云服务组合方案，并将其作为样本进行学习，如果新的优选云服务组合方案已经出现过，则直接调用其函数值。