CN107292069B - 具有即时心率预测功能的运算系统及方法 - Google Patents

Abstract

本发明是一种具有即时心率预测功能的运算系统及方法，其主要由一心率处理模块与一第一预测模块、一第二预测模块及一训练模块连结，该训练模块与该第二预测模连结；该训练模块先接收一第一心率序列，根据该第一心率序列产生一笔树状结构数据、一笔偏差数据，并分别将该笔树状结构数据、该笔偏差数据传送至该第二预测模块、该心率处理模块，该心率处理模块又接收一第二心率序列以产生一笔心率状态数据，并根据该笔心率状态数据与该笔偏差数据，进行最佳预测模式或辅助预测模式，通过提供最佳的即时心率预测结果，达到帮助使用者获得更佳运动效果的目的。

Description

具有即时心率预测功能的运算系统及方法

技术领域

本发明关于一种运算系统，尤指一种具有即时心率预测功能的运算系统及方法。

背景技术

现在人们的生活非常忙碌，因此能安排运动的时间较少，为了管理运动时间并达到明显的运动效果，人们会在安排好的运动时间进行大量的运动，但由于平时较少运动当进行大量运动时，呼吸与心跳无法有效的配合，容易导致心率不稳定。

现有技术中为了掌握运动过程的心率状况，使用者会使用一心率传感器(如心率表、心率手环等)，藉此掌握运动时的最高、最低及平均心率数值，但这种方式仅能得知心率数值，对于有计划性的拟定运动节奏或达到特定运动效果并无太大帮助。

如中国台湾发明专利公开第TW201502475A号“一种预测引擎”(以下称前案)，该预测引擎包括一机器学习引擎，根据储存的使用者特定数据对目的地的未来状况，或欲到达目的地的未来路线进行预测，该预测引擎仅依赖外部器件、服务器储存在该器件外部的使用者特定数据，包括使用者曾经到过目的地的信息、使用者以前去过目的地的行走路线等信息进行剖析以预测、制定目的地的未来状况，或欲到达目的地的未来路线。

现有技术中的心率传感器可取得心率数值以得知即时的心率数值，但对于规划一有效的运动方案并没有帮助，虽然前案能辅助使用者规划出未来的运动路线，但使用者于每一次的运动状况、条件皆不相同，因此仍无法有效的即时预测使用者当前的运动心率，对于即时规划合适又有效的运动方案并无太大帮助。因此，现有技术仍需要做进一步的改良。

发明内容

有鉴于上述现有技术的不足，本发明的主要目的提供一种具有即时心率预测功能的运算系统及方法，其通过将使用者的即时心率进行运算，以即时决定后续的分析模式，藉此提供准确的即时心率预测结果，帮助使用者获得更佳运动效果。

为达成上述目的所采取的主要技术手段是令前述具有即时心率预测功能的运算方法，由一心率处理模块连结一训练模块、一第一预测模块及一第二预测模块，该训练模块与该第二预测模块连结，该方法包括以下步骤：

由该训练模块接收一第一心率序列，根据该第一心率序列产生一笔树状结构数据、一笔偏差数据，并将该笔树状结构数据、该笔偏差数据分别传送至该第二预测模块、该心率处理模块；

由该心率处理模块接收一第二心率序列，根据该第二心率序列产生一笔心率状态数据，并根据该笔心率状态数据与该笔偏差数据判断由该第一预测模块执行一最佳预测模式、或由该第二预测模块执行一辅助预测模式，藉此取得一即时心率预测结果。

通过上述方法取得该即时心率预测结果，并通过该第一预测模块或该第二预测模块进行心率预测，以提供最佳的即时心率预测结果，达到帮助使用者获得更佳运动效果的目的。

为达成上述目的所采取的又一主要技术手段，是令前述具有即时心率预测功能的运算系统包括：

一训练模块，用以先接收使用者的一第一心率序列，并根据该第一心率序列进行一状态化数据转换，以产生一笔树状结构数据及一笔偏差数据；

一心率处理模块，与该训练模块连结且接收该笔偏差数据，该心率处理模块接收使用者于开始运动时的一第二心率序列，并根据该第二心率序列进行该状态化数据转换以产生一笔心率状态数据；

一第一预测模块，与该心率处理模块连结；

一第二预测模块，与该心率处理模块、该训练模块连结，且接收该笔树状结构数据；

其中，当该心率处理模块根据该笔心率状态数据与该笔偏差数据判断执行一最佳预测模式时，则由该第一预测模块产生一第一即时心率预测结果；当该心率处理模块根据该笔心率状态数据与该笔偏差数据判断执行一辅助预测模式时，则由该第二预测模块产生一第二即时心率预测结果。

通过上述构造可知，通过该训练模块先接收使用者于运动训练时所产生的该第一心率序列后，将该第一心率序列进行该状态化数据转换，以产生该笔树状结构数据及该笔偏差数据，该训练模块将该笔树状结构数据传送至该第二预测模块、该偏差数据传送至该心率处理模块，该心率处理模块接收使用者于运动时所产生的该第二心率序列后，该心率处理模块根据该第二心率序列进行该状态化数据转换以产生该笔心率状态数据，该心率处理模块根据该笔心率状态数据、该笔偏差数据判断执行该最佳预测模式时，由该第一预测模块产生该第一即时心率预测结果，若判断执行该辅助预测模式时，由该第二预测模块产生该第二即时心率预测结果，通过该第一预测模块进行最佳预测、或该第二预测模块进行辅助预测，以提供最佳的即时心率预测结果，达到帮助使用者获得更佳运动效果的目的。

附图说明

图1是本发明较佳实施例的系统架构方块图。

图2是本发明较佳实施例的运算方法的主流程图。

图3是本发明较佳实施例的运算方法的第一次流程图。

图4是本发明较佳实施例的运算方法的第二次流程图。

图5是本发明较佳实施例的运算方法的第三次流程图。

图6是本发明较佳实施例的运算方法的第四次流程图。

图7是本发明较佳实施例的运算方法的第五次流程图。

附图标号：

10 心率即时预测系统 11 训练模块

12 心率处理模块 13 第一预测模块

14 第二预测模块 20 语音导航模块

30 运动心率模型模块

具体实施方式

关于本发明具有即时心率预测功能的运算系统的较佳实施例，请参阅图1所示，其包括一心率即时预测系统10，该心率即时预测系统10包括一训练模块11、一心率处理模块12、一第一预测模块13及一第二预测模块14，该心率处理模块12与该训练模块11、该第一预测模块13、该第二预测模块14连结，该训练模块11与该第二预测模块14连结；本实施例中，进一步提供一语音导航模块20、一运动心率模型模块30，该语音导航模块20与该心率即时预测系统10的该心率处理模块12、该运动心率模型模块30连结。本实施例中，该心率即时预测系统10可为一电子装置、一穿戴式装置、一行动装置或一服务器等其他电脑设备；该运动心率模型模块30可为一心率传感器。

该训练模块11接收使用者于运动训练时产生的一第一心率序列进行分析，以产生一笔树状结构数据、一笔偏差数据；本实施例中，该第一心率序列为每秒接收一心率值，并依接收顺序将接收到的多个心率值排序；此外，为使训练有效，该训练模块11预设一训练基准值，根据该训练基准值以一心率范围设定多个心率区间；本实施例中较佳的训练基准值为超过100bpm(beat per minute,以下简称bpm)，较佳的心率范围为20bpm做为多个心率区间的设定范围，该训练基准值及该心率范围于第一次设定后便不需重新设定，直到使用者重新设定为止。

该训练模块11将该第一心率序列依一分割范围分割出多个区段数据，该区段数据包括一第一数据、一第二数据；本实施例中，较佳的该分割范围为20秒的心率值，该第一、第二数据各包括10秒钟的心率值；该训练模块11将该第一数据进行一状态化数据转换，以产生一笔训练状态数据，计算该第二数据的平均值，对照该第二数据的平均值出现在多个心率区间中的那一心率区间，由该心率区间的中间值对应产生一心率中间信息，该训练模块11根据该笔训练状态数据、该心率中间信息，产生一笔训练事件数据，该训练模块11以一决策树分类归纳架构对多个区段数据的训练事件数据进行分析，以产生该笔树状结构数据、该笔偏差数据，并分别传送给该第二预测模块14、该心率处理模块12。

本实施例中，该决策树分类归纳架构由一C4.5决策树结构分析对多个笔训练事件数据进行分类、归纳、分析，并以决策树结构建构该笔树状结构数据，该训练模块11又根据该C4.5决策树结构分析中的一获利信息分析，对多个笔训练事件数据进行错误率的修剪、分析以建构该笔偏差数据，该笔偏差数据由一排除列表(Excluede List)结构所组成，该笔偏差数据由分析假阳性率(false positive rate)中较差的状态以建构而成。

本实施例中，该状态化数据转换是由该训练模块11是以一四舍五入运算方式计算该第一数据的平均值、该第一数据的中间值、该第一数据的差异值的绝对值，以对应产生一第一平均信息、一第一中间信息、一第一差异信息；较佳的该四舍五入运算方式是以20为除数做四舍五入运算，该训练模块11根据该第一数据的排序变化的趋势、该第一平均信息、第一中间信息、该第一差异信息，以产生该笔训练状态数据；当该第一数据的排序变化的趋势为上升趋势时，该笔训练状态数据内包括一第一上升信息，当该第一数据的排序变化的趋势为下降趋势时，该笔训练状态数据内包括一第一下降信息。

该心率处理模块12接收该笔偏差数据及一第二心率序列，根据该第二心率序列产生一笔心率状态数据，该心率处理模块12根据该笔偏差数据、该笔心率状态数据判断由该第一预测模块13执行一最佳预测模式，以取得一第一即时心率预测结果，或者由该第二预测模块14执行一辅助预测模式，以取得一第二即时心率预测结果，于本实施例，该心率处理模块12预设一第一序列数量，以确认该第二心率序列的数量是否足够，该心率处理模块12将该第二心率序列进行该状态化数据转换以产生该笔心率状态数据；本实施例中，该第二心率序列为每秒接收一心率值，并依接收顺序将接收到的多个心率值排序；较佳的该第一序列数量为10秒的心率值，使该心率处理模块12持续接收足够的该第二心率序列数量；该第一序列数量于设定后便不必再设定，直到使用者重新设定为止。

本实施例中，该心率处理模块12进行该状态化数据转换，是由该心率处理模块12以该四舍五入运算方式计算该第二心率序列的平均值、中间值及变异值的绝对值，以分别对应产生一第二平均信息、一第二中间信息、一第二差异信息，该心率处理模块12根据该第二心率序列的排序变化的趋势、该第二平均信息、该第二中间信息、该第二差异信息，以产生该笔心率状态数据；当第二心率序列的排序变化的趋势为上升趋势时，该笔心率状态数据内包括一第二上升信息，当该第一数据的排序变化的趋势为下降趋势时，该笔心率状态数据内包括一第二下降信息。

该第一预测模块13根据该第二心率序列执行该最佳预测模式，并对应产生该第一即时心率预测结果，该第一预测模块13预设一第二序列数量，以确认该第二心率序列的数量足够进行预测；于本实施例中，若该第二心率序列的数量不够，则回传一回报信息给该心率处理模块12，直到接收到足够数量的该第二心率序列；该第一预测模块13根据该第二心率序列进行一即时心率训练分析，以产生一笔线性趋近结构数据，根据该笔线性趋近结构数据对该第二心率序列进行最佳预测分析，以产生一预测分析结果，并由该心率处理模块12确认该预测分析结果为有效结果，则该第一预测模块13产生该第一即时心率预测结果，否则由该第二预测模块14执行该辅助预测模式；本实施例中，较佳的该第二序列数量为连续10秒的心率值；该第二序列数量于设定后便不必再设定，直到重新设定为止；该预测分析结果为无效结果，即以回传一空值(Null)表示无法预测。

本实施例中，该第一预测模块13进行该即时训练分析是以一最小平方线性回归架构将该第二心率序列归纳一线性回归方程式，并由小平方法对线性回归方程式以最小化误差进行优化，以产生该笔线性趋近结构数据，通过误差优化使该第一预测模块13进行较精准、较佳的预测分析，但由于需要建构该线性趋近结构数据使预测速度较慢，再加上建构该线性趋近结构数据需要较多个量的该第二心率序列，因此，当该第二心率序列的数量不够时，该第一预测模块13便无法建构该线性趋近结构数据，亦无法进行预测。

该第二预测模块14接收该笔树状结构数据，该第二预测模块14执行该辅助预测模式时，是根据该笔树状结构数据对该笔心率状态数据进行一决策树归类分析，以预测使用者的即时心率，且对应产生该第二即时心率预测结果；本实施例中，该第二预测模块14进行该决策树归纳分析，是通过该笔树状结构数据将该笔心率状态数据做树状归纳分析，由于通过该笔树状结构数据已由该训练模块11建构，在预测上可进行较简单、快速的预测分析，且不需要庞大的该第二心率序列才能预测，藉此辅助该第一预测模块13进行较简单、快速，且不需较多个量的该第二心率序列的辅助预测。

本实施例中，该心率处理模块12将该第二心率序列、以及该第一即时心率预测结果、或该第二即时心率预测结果传送至该语音导航模块20，该语音导航模块20接收该运动心率模型模块30传送的一笔心率模型数据，该语音导航模块20将该第一即时心率预测结果、该第二即时心率预测结果与该心率模型数据进行比较，当判断偏差过大则输出一语音信息提醒使用者即时修正运动姿势、速度等，通过提供快速且准确的即时心率预测结果，达到帮助使用者获得更佳运动效果。

基于本发明上述的较佳实施例的说明可进一步归纳出一具有即时心率预测功能的运算方法，请参阅图2所示，其主要包含该心率即时预测系统10，该心率即时预测系统10包括该训练模块11、该心率处理模块12、该第一预测模块13及该第二预测模块14，该心率处理模块12与该训练模块11、该第一预测模块13、该第二预测模块14连结，该训练模块11与该第二预测模块14连结，该方法包括以下步骤：

由该训练模块11接收一第一心率序列，根据该第一心率序列产生一笔树状结构数据、一笔偏差数据，并将该笔树状结构数据、该笔偏差数据分别传送至该第二预测模块14、该心率处理模块12(S10)；

由该心率处理模块12接收一第二心率序列，根据该第二心率序列产生一笔心率状态数据，并根据该笔心率状态数据与该笔偏差数据判断由该第一预测模块13执行一最佳预测模式、或由该第二预测模块14执行一辅助预测模式，藉此取得一即时心率预测结果(S20)。

于本实施例中，当上述步骤执行至前述“由该训练模块11接收一第一心率序列，根据该第一心率序列产生一笔树状结构数据、一笔偏差数据，并将该笔树状结构数据、该笔偏差数据分别传送至该第二预测模块14、该心率处理模块12(S10)”的步骤，如图3所示，更包含以下次步骤：

该训练模块11设定多个心率区间(S11)；

该训练模块11将该第一心率序列分割成多个区段数据，每一区段数据包括有一第一数据、一第二数据(S12)；

该训练模块11根据该第一数据产生一笔训练状态数据，根据该第二数据产生一心率中间信息，并由该笔训练状态数据、该心率中间信息产生一笔训练事件数据(S13)；

该训练模块11判断是否分析完成全部的区段数据(S14)；

若是，则将所有区段数据的训练事件数据进行分析，以产生该笔树状结构数据及该笔偏差数据(S15)；

若否，则选取下一区段数据(S16)；本实施例中选取完下一区段数据后，重新回到前述“该训练模块11根据该第一数据产生一笔训练状态数据，根据该第二数据产生一心率中间信息，并由该笔训练状态数据、该心率中间信息产生一笔训练事件数据(S13)”的次步骤继续执行，以产生新的一笔训练事件数据。

于本实施例中，当上述步骤执行至前述“该训练模块11根据该第一数据产生一笔训练状态数据，根据该第二数据产生一心率中间信息，并由该笔训练状态数据、该心率中间信息产生一笔训练事件数据(S13)”的次步骤时，如图4所示，该方法更包含以下再次步骤：

该训练模块11根据该第一心率序列，产生一第一平均信息、一第一中间信息及一第一差异信息(S131)；

该训练模块11由该第一心率序列的排序变化的趋势结合该第一平均信息、该第一中间信息及该第一差异信息，以产生一笔训练状态数据(S132)；

该训练模块11根据该笔训练状态数据、该心率中间信息产生一笔训练事件数据(S133)。

于本实施例中，当上述步骤执行至“由该心率处理模块12接收一第二心率序列，根据该第二心率序列产生一笔心率状态数据，并根据该笔心率状态数据与该笔偏差数据判断由该第一预测模块13执行一最佳预测模式、或由该第二预测模块14执行一辅助预测模式，藉此取得一即时心率预测结果(S20)”的步骤时，如图5所示，更包含以下次步骤：

该心率处理模块12设定一第一序列数量，并判断该第二心率序列的数量大于该第一序列数量，以产生该笔心率状态数据(S21)；本实施例中，该第一序列数量为10秒的心率值，并且判断接收到的该第二心率序列的数量是否大于该第一序列数量设定的范围；

该心率处理模块12根据该笔偏差数据、该笔心率状态数据判断是否由该第一预测模块13执行该最佳预测模式(S22)；

若是，则由该第一预测模块13执行该最佳预测模式，以产生一第一即时心率预测结果(S23)，若否，则由该第二预测模块14执行该辅助测模式，以产生一第二即时心率预测结果(S24)；

由该心率处理模块12取得该第一即时心率预测结果，或该第二即时心率预测结果(S25)。

于本实施例中，当上述次步骤执行至“该心率处理模块12设定一第一序列数量，并判断该第二心率序列的数量大于该第一序列数量，以产生该笔心率状态数据(S21)”的步骤时，如图6所示，更包含以下再次步骤：

该心率处理模块12根据该第二心率序列，产生一第二平均信息、一第二中间信息及一第二差异信息(S211)；

该心率处理模块12由该第二心率序列的排序变化的趋势结合该第二平均信息、该第二中间信息及该第二差异信息，以产生该笔心率状态数据(S212)。

于本实施例中，当上述次步骤执行到“若是，则由该第一预测模块13执行该最佳预测模式，以产生一第一即时心率预测结果(S23)”的步骤时，如图7所示，更包含以下再次步骤：

该第一预测模块13设定一第二序列数量(S231)；

该第一预测模块13判断该第二心率序列的数量是否大于该第二序列数量(S232)；

若是，该第一预测模块13根据该第二心率序列进行分析，以产生一笔线性趋近结构数据，以对该第二心率序列进行精准预测分析，以产生一预测分析结果(S233)，若否，该第一预测模块13回传一回报信息给该心率处理模块12(S234)；

该第一预测模块13将该预测分析结果传送至该心率处理模块12判断该预测分析结果是否为有效结果(S235)；

若是，由该心率处理模块12取得该第一即时心率预测结果(S25)，若否，由该第二预测模块14执行该辅助预测模式(S236)。

于本实施例中，当上述次步骤执行到“若否，则由该第二预测模块14执行该辅助测模式，以产生一第二即时心率预测结果(S24)”的步骤时，更包含以下再次步骤：

该第二预测模块14根据该笔树状结构数据对该笔心率状态数据进行一决策树归类分析，以预测使用者的即时心率，并对应产生该第二即时心率预测结果。

由上述可知，通过该第一预测模块13执行该最佳预测模式，或该第二预测模块14执行该辅助预测模式，以预测使用者的即时心率，藉此提供最佳的即时心率预测结果，并通过该语音导航系统20将即时心率预测结果与该运动心率模型模块30传送的该心率模型数据做比对，以即时提供语音信息供使用者修正运动姿势、速度藉此达到帮助使用者获得更佳运动效果的目的。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种具有即时心率预测功能的运算方法，其特征在于，由一心率处理模块连结一训练模块、一第一预测模块及一第二预测模块，该训练模块与该第二预测模块连结，该方法包括以下步骤：

由该训练模块接收一第一心率序列，根据该第一心率序列产生一笔树状结构数据、一笔偏差数据，并将该笔树状结构数据、该笔偏差数据分别传送至该第二预测模块、该心率处理模块；

由该心率处理模块接收一第二心率序列，根据该第二心率序列产生一笔心率状态数据，并根据该笔心率状态数据与该笔偏差数据判断由该第一预测模块执行一最佳预测模式、或由该第二预测模块执行一辅助预测模式，藉此取得一即时心率预测结果；

当上述步骤执行至“由该训练模块接收一第一心率序列，根据该第一心率序列产生一笔树状结构数据、一笔偏差数据，并将该笔树状结构数据、该笔偏差数据分别传送至该第二预测模块、该心率处理模块”的步骤，该方法更包含以下次步骤：

设定多个心率区间；

将该第一心率序列分割成多个区段数据，每一区段数据包括有一第一数据、一第二数据；

根据该第一数据产生一笔训练状态数据，根据该第二数据产生一心率中间信息，并由该笔训练状态数据、该心率中间信息产生一笔训练事件数据；

判断是否分析完成全部的区段数据；

若是，则将所有区段数据的训练事件数据进行分析，以产生该笔树状结构数据及该笔偏差数据。

2.如权利要求1所述的具有即时心率预测功能的运算方法，其特征在于，当上述次步骤执行至“根据该第一数据产生一笔训练状态数据，根据该第二数据产生一心率中间信息，并由该笔训练状态数据、该心率中间信息产生一笔训练事件数据”的步骤，该方法更包含以下再次步骤：

根据该第一心率序列，产生一第一平均信息、一第一中间信息及一第一差异信息；

由该第一心率序列的排序变化的趋势结合该第一平均信息、该第一中间信息及该第一差异信息，以产生该笔训练状态数据；

根据该笔训练状态数据、该心率中间信息产生该笔训练事件数据。

3.如权利要求1所述的具有即时心率预测功能的运算方法，其特征在于，当上述步骤执行至“由该心率处理模块接收一第二心率序列，根据该第二心率序列产生一笔心率状态数据，并根据该笔心率状态数据与该笔偏差数据判断由该第一预测模块执行一最佳预测模式、或由该第二预测模块执行一辅助预测模式，藉此取得一即时心率预测结果”的步骤，该方法更包含以下次步骤：

设定一第一序列数量，并判断该第二心率序列的数量大于该第一序列数量，以产生该笔心率状态数据；

根据该笔偏差数据、该笔心率状态数据判断是否由该第一预测模块执行该最佳预测模式；

若是，则由该第一预测模块执行该最佳预测模式，以产生一第一即时心率预测结果；

若否，则由该第二预测模块执行该辅助预测模式，以产生一第二即时心率预测结果；

由该心率处理模块取得该第一即时心率预测结果，或该第二即时心率预测结果。

4.如权利要求3所述的具有即时心率预测功能的运算方法，其特征在于，当上述次步骤执行至“设定一第一序列数量，并判断该第二心率序列的数量大于该第一序列数量，以产生该笔心率状态数据”的步骤，该方法更包含以下再次步骤：

根据该第二心率序列，产生一第二平均信息、一第二中间信息及一第二差异信息；

由该第二心率序列的排序变化的趋势结合该第二平均信息、该第二中间信息及该第二差异信息，以产生该笔心率状态数据。

5.如权利要求3或4所述的具有即时心率预测功能的运算方法，其特征在于，当上述次步骤执行至“若是，则由一第一预测模块执行该最佳预测模式，以产生一第一即时心率预测结果”的步骤，该方法更包含以下再次步骤：

设定一第二序列数量；

判断该第二心率序列的数量是否大于该第二序列数量；

若是，根据该第二心率序列进行分析，以产生一笔线性趋近结构数据，以对该第二心率序列进行最佳预测分析，以产生一预测分析结果；

判断该预测分析结果是否为有效结果；

若是，取得该第一即时心率预测结果，若否，由该第二预测模块执行该辅助预测模式。

6.如权利要求3或4所述的具有即时心率预测功能的运算方法，其特征在于，当上述次步骤执行至“若否，则由该第二预测模块执行该辅助预测模式，以产生该第二即时心率预测结果”的步骤，该方法更包含以下再次步骤：

根据该笔树状结构数据对该笔心率状态数据进行一决策树归类分析，以产生该第二即时心率预测结果。

7.一种具有即时心率预测功能的运算系统，其特征在于，其包括：

一训练模块，用以先接收使用者的一第一心率序列，并根据该第一心率序列进行一状态化数据转换，以产生一笔树状结构数据及一笔偏差数据；

一心率处理模块，与该训练模块连结且接收该笔偏差数据，该心率处理模块接收使用者于开始运动时的一第二心率序列，并根据该第二心率序列进行该状态化数据转换以产生一笔心率状态数据；

一第一预测模块，与该心率处理模块连结；

一第二预测模块，与该心率处理模块、该训练模块连结，且接收该笔树状结构数据；

其中，当该心率处理模块根据该笔心率状态数据与该笔偏差数据判断执行一最佳预测模式时，则由该第一预测模块产生一第一即时心率预测结果；当该心率处理模块根据该笔心率状态数据与该笔偏差数据判断执行一辅助预测模式时，则由该第二预测模块产生一第二即时心率预测结果；

该训练模块将该第一心率序列进行该状态化数据转换，以产生多个笔训练事件数据，该训练模块以一决策树分类归纳架构对多个笔训练事件数据进行分类、归纳及建构，以产生该笔树状结构数据及该笔偏差数据。

8.如权利要求7所述的具有即时心率预测功能的运算系统，其特征在于，该第一预测模块执行该最佳预测模式时，该第一预测模块以一最小平方线性回归架构对第二心率序列进行分析，以产生一笔线性趋近结构数据，并通过该笔线性趋近结构数据对该第二心率序列进行预测分析，以产生该第一即时心率预测结果。

9.如权利要求7所述的具有即时心率预测功能的运算系统，其特征在于，该第二预测模块执行该辅助预测模式时，是根据该笔树状结构数据对该笔心率状态数据进行一决策树归类分析，以产生该第二即时心率预测结果。

10.如权利要求7至9中任一项所述的具有即时心率预测功能的运算系统，其特征在于，更进一步包括一语音导航模块、一运动心率模型模块，该语音导航模块连结该心率处理模块、该运动心率模型模块，该语音导航模块接收该第一即时心率预测结果或该第二即时心率预测结果，以及接收该运动心率模型模块传送的一笔心率模型数据，该语音导航模块将该第一即时心率预测结果或该第二即时心率预测结果与该笔心率模型数据进行比对，以输出一语音信息。

Images