CN106557642A - 一种运动匹配方法 - Google Patents
一种运动匹配方法 Download PDFInfo
- Publication number
- CN106557642A CN106557642A CN201510609283.4A CN201510609283A CN106557642A CN 106557642 A CN106557642 A CN 106557642A CN 201510609283 A CN201510609283 A CN 201510609283A CN 106557642 A CN106557642 A CN 106557642A
- Authority
- CN
- China
- Prior art keywords
- body building
- attribute
- motion
- society
- natural
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Abstract
本发明涉及到一种适合各种社会人群运动健身的运动匹配方法,包括建立包括自然、社会、做健身运动的用户的状态属性集合Pc;建立一项健身运动的属性集合Pe,并匹配出该项健身运动的一属性pe,根据该项所述健身运动的属性集合Pe中的各种属性,得出属性比例值wpe,并根据特有公式算出该项所述健身运动与自然、社会、做健身运动的用户的匹配程度,本发明打破传统设计理念,主要通过对个人、社会和自然三个大方面综合考虑,该方法能够根据进行运动的人的属性、社会或者自然等确定合适的运动内容,并且能够正确地掌握每种运动种类是否适宜。
Description
技术领域
本发明涉及到一种适合各种社会人群运动健身的运动匹配方法。
背景技术
随着社会的不断向前发展,人们生活水平呈稳定增长趋势,为了适用现代社会发展的潮流,大多数人们追求在物质需要满足的前提下,开始向精神方面去追求和探索。鉴于此,运动健身逐渐成为人们生活重要部分之一,并且还逐渐成上升趋势。
但是,鉴于传统方式中通过对人体合适的运动进行选择,无法根据其消耗热量等而毫无疑义地判断,存在数据不可靠问题。即,需要使其运动内容合适或以规定时间进行合适内容的运动。另外,合适运动的内容等根据进行该运动的人的年龄等属性等而不同。
因此,为了测定是否为对人体合适的运动,需要根据进行该运动的人的属性、社会的属性等详细地确定运动内容或时间等,并示出实际的运动是否达成了上述内容或时间等。
但是,还存在难以进行这样的测定问题:1、运动也分种类,例如有基于徒步的运动、基于自行车的运动、基于登山的运动及基于游泳的运动等各种运动,而且,也难以判断这些各运动是否为合适的运动。2、在同一时空区间,经常会有多项运动同时流行,且流行程度各不相同,因此,要想判断这些运动是否合适更加难上加难。
由此,提供一种较为专业、新型的运动匹配方式,使其满足人们生活日常需要,成为本领域技术人员主要致力于研究的方向之一。
发明内容
为解决现有技术中,无法根据热量消耗、运动种类和运动时间状态等来为用户提供较佳的运动匹配选择的缺陷,本发明提供了一种高效、高精度和全面的运动匹配方法。
本发明解决上述技术问题缺陷所采用的技术方案为:
一种运动匹配方法,其特征在于,所述运动匹配方法包括:
建立包括自然、社会、做健身运动的用户的状态属性集合Pc;
建立一项健身运动的属性集合Pe,并匹配出该项健身运动的一属性pe,其中,e表示该项健身运动;
根据该项所述健身运动的属性集合Pe中的各种属性,得出属性比例值wpe;
由公式:
计算出该项所述健身运动与自然、社会、做健身运动的用户的匹
配程度,diff c,e越小表示匹配程度越高;
其中,fP为权重函数。
上述技术方案具有如下优点或有益效果:
本发明打破传统设计理念,主要通过对个人、社会和自然三个大方面综合考虑,提供了一种运动匹配方法,该方法能够根据进行运动的人的属性、社会或者自然等确定合适的运动内容,并且能够正确地掌握每种运动种类是否适宜。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明及其特征、外形和优点将会变得更加明显。在全部附图中相同的标记指示相同的部分。并未可以按照比例绘制附图,重点在于示出本发明的主旨。
图1是本发明中运动属性网络拓扑图;
图2是本发明中社会的属性网络拓扑图;
图3是本发明中自然的属性网络拓扑图;
图4是本发明中个人的属性网络拓扑图;
图5是本发明中运动匹配方法流程示意图。
具体实施方式
下面结合附图和具体的实施例对本发明作进一步的说明,但是不作为本发明的限定。
为解决现有技术中,无法根据热量消耗、运动种类和运动时间状态等来为用户提供较佳的运动匹配选择的缺陷,本发明提供了一种高效、高精度和全面的运动匹配方法,该方法打破传统设计理念,主要通过对个人、社会和自然三个大方面综合考虑,能够根据进行运动的人的属性、社会或者自然等确定合适的运动内容,并且能够正确地掌握每种运动种类是否适宜。
如图1所示,影响用户选择某项健身运动的因素大体可分为这样三类:
个人:体指、年龄、性别、工作、性格等;
社会:流行、美等;
自然:季节、天气等。
个人、社会、自然等方面的当前状态或显或隐地影响我们对健身运动的选择,这一事实从侧面说明运动本身具有与之相对应的各种属性(这一结论本身依赖这样一个基本事实——“选择”本身是一个属性匹配的过程,我们选择某一物或某一行为是因为我们认为这一物或行为的某些属性与各相关方面当前状态相匹配)。基于这一结论,我们可以认为运动本身同样具有能够影响我们选择健身运动的所有因素,且这些因素也可以分为社会、个人、自然三类。
直观理解运动具有社会、个人、自然三类属性会令人莫名,因为运动不会有性别,也不会有工作。运动具有这些属性说明不是运动本身,而是运动在一定程度上更适合什么样的人或什么季节等。这也就不难理解该如何对这些属性赋值了。
由上可知,运动属性的进一步细分和影响我们做出决定的属性相关。所有能够影响我们做出运动选择决定的属性,都应该是运动属性。比如很多人更愿意选择当前比较流行的运动;不同时代对美的认可也不同(虽然不同人的也不一样,但总体尚有明显趋势),如果人们认为硕大的胸肌更美,那么通常选择能够强健胸肌的运动的人会更多。需要注意的是,社会属性应当是(某一时空区间的)“客观”静态值,而不应当特定于某项具体运动。例如,如果2015年流行肚皮舞,那么,不论是对于游泳,还是瑜伽,抑或是其他运动,流行肚皮舞都是客观事实。但是,在同一时空区间,经常会有多项运动同时流行,且流行程度各不相同,这儿的所谓某项运动的社会属性是在某一时空区间针对此运动的这些属性的调查统计值。比如人们的直观感觉是,举重可以塑造硕大胸肌,如果65%的人认为这种巨大胸肌很美,那么举重的“美.胸肌”属性值为0.65,如图2和图3所示,图3可根据图2来相应分解。
如图4所示,在所有三类因素中,个人自身状况对于运动选择的影响更大,因此其属性分解也更复杂。个人自身的常规属性(比如年龄、性别等)、性格(静、闹、缓、急、内、外等)、社会属性(经济状况、工作、朋友状况等)、身体状况(各项身体指数,如肥瘦,高矮等)都会极大影响人们的选择。
在本发明中,如果我们因为某一属性(比如季节=夏天)而选择某项运动(比如游泳),那么我们就认为该项运动(游泳)的该属性(季节)值即为此属性的当前值(夏天)。再比如,如果性格太过急躁的人适合通过瑜伽进行调理,那么“瑜伽”的“性格”属性(多值属性)值中就包含“急躁”。
需要注意的是,与单一个体情况不同,运动属性是某一个时空区间所有个体属性的统计值。比如某年上海地区瑜伽运动的“工作”属性值,是在上海整个该年中选择了瑜伽运动且给予了较好评价的所有个人的工作分类统计值,由于是一个统计值,所以几乎可以肯定这是一个多值属性,且不同值所占比例不同。比如,虽然大多数人会选择在夏季游泳,但事实上,有相当一部分人认为冬泳对身体也非常有益,所以游泳的“季节”属性值中也会包含“冬季”,只不过“夏季”的比重更大,可以占到0.70,“冬季”占0.20,“春季”和“秋季”分别占0.03和0.07。
如图5所示,本发明通过对个人、社会和自然三个大方面综合考虑,进行运动的人的属性、社会或者自然等确定合适的运动内容,并进行如下的运动属性匹配的方式:
1、建立包括自然、社会、做健身运动的用户的状态属性集合Pc;
其主要表示社会、自然的当前状态以及选择健身运动的个人的当前状态,该状态实际就是上述所有属性的集合,c可以表示为上述各种状态。
2、建立一项健身运动的属性集合Pe,并匹配出该项健身运动的一属性pe,其中,e表示该项健身运动;
也就是说,Pe表示某一具体健身运动的所有属性的集合;pe表示的某一具体属性,e表示某一具体运动。
3、根据该项所述健身运动的属性集合Pe中的各种属性,得出属性比例值wpe;
由于运动的各种属性多为多值属性,且不同属性值占有一定的比例,所以还需要wpe表示这一比例值;wpe·Pe-Pc表示的是比较过程,并不一定是减。
4、根据公式:
计算出该项所述健身运动与自然、社会、做健身运动的用户的匹配程度,diff c,e越小表示匹配程度越高;其中,fP为权重函数,它表示的是,不同属性在选择过程中的重要程度不同。
最终计算得到的diff c,e值越小,说明该运动与当前个人、自然、社会状况越相符,该运动被用户主动选择的可能性也越大,所以越应该在推荐之列。其推荐过程还可以如下表示:
这一表达式的意思是——推荐结果是一个容量为n的运动(e)集合,这些运动具有这样的特征:在所有运动中它们与当前状态的属性差值(diff)最小(minn)。
综述,本发明打破传统设计理念,主要通过对个人、社会和自然三个大方面综合考虑,提供了一种运动匹配方法,该方法能够根据进行运动的人的属性、社会或者自然等确定合适的运动内容,并且能够正确地掌握每种运动种类是否适宜,具有较强的适用性。
本领域技术人员应该理解,本领域技术人员在结合现有技术以及上述实施例可以实现所述变化例,在此不做赘述。这样的变化例并不影响本发明的实质内容,在此不予赘述。
以上对本发明的较佳实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,其中未尽详细描述的设备和结构应该理解为用本领域中的普通方式予以实施;任何熟悉本领域的技术人员,在不脱离本发明技术方案范围情况下,都可利用上述揭示的方法和技术内容对本发明技术方案作出许多可能的变动和修饰,或修改为等同变化的等效实施例,这并不影响本发明的实质内容。因此,凡是未脱离本发明技术方案的内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰,均仍属于本发明技术方案保护的范围内。
Claims (1)
1.一种运动匹配方法,其特征在于,所述运动匹配方法包括:
建立包括自然、社会、做健身运动的用户的状态属性集合Pc;
建立一项健身运动的属性集合Pe,并匹配出该项健身运动的一属性pe,其中,e表示该项健身运动;
根据该项所述健身运动的属性集合Pe中的各种属性,得出属性比例值wpe;
由匹配公式:
计算出该项所述健身运动与自然、社会、做健身运动的用户的匹配程度,diffc,e越小表示匹配程度越高;
其中,fP为权重函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510609283.4A CN106557642A (zh) | 2015-09-23 | 2015-09-23 | 一种运动匹配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510609283.4A CN106557642A (zh) | 2015-09-23 | 2015-09-23 | 一种运动匹配方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106557642A true CN106557642A (zh) | 2017-04-05 |
Family
ID=58413479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510609283.4A Pending CN106557642A (zh) | 2015-09-23 | 2015-09-23 | 一种运动匹配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106557642A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130095458A1 (en) * | 2011-10-12 | 2013-04-18 | Hanwha Solution & Consulting Co., Ltd. | Social Network Training Service System and Method Using Smart Trainer Application |
CN103154954A (zh) * | 2010-08-09 | 2013-06-12 | 耐克国际有限公司 | 使用移动装置监测健身 |
CN103619421A (zh) * | 2011-04-20 | 2014-03-05 | 健康系统性能有限责任公司 | 用于管理锻炼计划的系统和方法 |
CN103970972A (zh) * | 2013-01-31 | 2014-08-06 | 中国移动通信集团公司 | 运动信息处理方法和装置 |
-
2015
- 2015-09-23 CN CN201510609283.4A patent/CN106557642A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103154954A (zh) * | 2010-08-09 | 2013-06-12 | 耐克国际有限公司 | 使用移动装置监测健身 |
CN103619421A (zh) * | 2011-04-20 | 2014-03-05 | 健康系统性能有限责任公司 | 用于管理锻炼计划的系统和方法 |
US20130095458A1 (en) * | 2011-10-12 | 2013-04-18 | Hanwha Solution & Consulting Co., Ltd. | Social Network Training Service System and Method Using Smart Trainer Application |
CN103970972A (zh) * | 2013-01-31 | 2014-08-06 | 中国移动通信集团公司 | 运动信息处理方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mortazavi et al. | Determining the single best axis for exercise repetition recognition and counting on smartwatches | |
Takagi et al. | What makes a style: Experimental analysis of fashion prediction | |
CN109815801A (zh) | 基于深度学习的人脸识别方法及装置 | |
CN104199822B (zh) | 一种识别搜索对应的需求分类的方法和系统 | |
US20150050972A1 (en) | Devices, systems, and methods for monitoring, classifying, and encouraging activity | |
WO2021022572A1 (zh) | 一种基于元学习的主动采样方法 | |
CN107480474A (zh) | 基于肠道菌群丰度的分类器建模评价校验方法及系统 | |
CN106295675B (zh) | 一种高准确性的基于智能手机的行为识别方法 | |
CN106023151A (zh) | 一种开放环境下中医舌象目标检测方法 | |
CN105550509B (zh) | 一种医用输液滴速评价方法及系统 | |
CN106980815A (zh) | 基于h‑b分级评分监督下的面瘫客观评估方法 | |
CN107808375A (zh) | 融合多种上下文深度学习模型的水稻病害图像检测方法 | |
CN110491520A (zh) | 一种基于半监督学习的骨质状态评估模型的构建方法 | |
CN107748798A (zh) | 一种基于多层视觉表达和深度网络的手绘图像检索方法 | |
WO2015165260A1 (zh) | 一种用于人体动作识别的三轴特征融合方法 | |
Turner et al. | A nonlinear model for the characterization and optimization of athletic training and performance | |
Koskimaki et al. | Accelerometer vs. electromyogram in activity recognition | |
CN105956384A (zh) | 健康评估系统中评估引擎的实现方法 | |
CN106178466A (zh) | 一种健身用度量分析方法及系统 | |
CN106557642A (zh) | 一种运动匹配方法 | |
CN108831519A (zh) | 一种基于形态学和临床实践的皮肤疾病分类装置 | |
Bellinger et al. | The muscle typology of elite and world-class swimmers | |
CN104809236B (zh) | 一种基于微博的用户年龄分类方法及系统 | |
CN103955715B (zh) | 一种基于赤足或穿袜足迹图像的自动人身认定方法 | |
CN105138835A (zh) | 基于生理信息熵的人体体成分预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170405 |
|
WD01 | Invention patent application deemed withdrawn after publication |