CN116610738A - 一种云端数据调取方法、系统、存储介质及智能终端 - Google Patents
一种云端数据调取方法、系统、存储介质及智能终端 Download PDFInfo
- Publication number
- CN116610738A CN116610738A CN202310700869.6A CN202310700869A CN116610738A CN 116610738 A CN116610738 A CN 116610738A CN 202310700869 A CN202310700869 A CN 202310700869A CN 116610738 A CN116610738 A CN 116610738A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- identity
- data group
- historical
- 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
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000012216 screening Methods 0.000 claims abstract description 25
- 239000002131 composite material Substances 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 80
- 238000012549 training Methods 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 150000001875 compounds Chemical class 0.000 description 5
- 238000012856 packing Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 208000008589 Obesity Diseases 0.000 description 2
- 210000004899 c-terminal region Anatomy 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 235000020824 obesity Nutrition 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 210000000577 adipose tissue Anatomy 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000009182 swimming Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 239000013585 weight reducing agent Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
- G06F16/252—Integrating or interfacing systems involving database management systems between a Database Management System and a front-end application
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/21—Design, administration or maintenance of databases
- G06F16/215—Improving data quality; Data cleansing, e.g. de-duplication, removing invalid entries or correcting typographical errors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
- G06F21/31—User authentication
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Educational Administration (AREA)
- Educational Technology (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Computer Security & Cryptography (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种云端数据调取方法、系统、存储介质及智能终端，涉及数据处理技术的领域，其包括获取用户调取请求信息和调取身份信息；查找数据群信息；生成类别标签信息和云端建议信息，并形成建议数据条信息；得到调取标签信息；得到筛选数据群信息；基于调取标签信息对建议数据条信息进行筛选以得到复合调取标签信息的建议数据条，将该建议数据条定义为筛选建议数据条信息；将筛选数据群信息和筛选建议数据条信息于用户调取请求信息所对应的客户端上进行输出，本申请具有用户无需自己进行筛选即可找到最为精确的数据，提高了云端数据调取的智能化和针对性的效果。
Description
技术领域
本申请涉及数据处理技术的领域，尤其是涉及一种云端数据调取方法、系统、存储介质及智能终端。
背景技术
随着现代社会的教育的关注点从应试教育向素质教育方向转变，学生的身体素质提升也日益显得重要起来，中小学生的体育考试也在学生综合素质评价里比重也逐渐提升。
目前随着数字信息化在教育领域的应用，越来越多的教育网络平台、终端教育软件应运而生，各个教育机构设置有相应的教育系统和云端数据平台，用于管理各自的教育资源和学生教育数据，基本实现了数据的信息化管理。
现有技术中存在以下问题，在云端数据平台的数据基本都是仅仅将数据进行存储，而当用户进行调取时会输出所有和用户相关的数据，有些数据和当前用户的调取目的无关，导致调取下载下来后用户仍然需要自己进行筛选和辨别，大大增加了用户的处理时间，降低了用户的调取效率，尚有改进的空间。
发明内容
为了改善云端调取下载下来后用户仍然需要自己进行筛选和辨别，大大增加了用户的处理时间，降低了用户的调取效率的问题，本申请提供一种云端数据调取方法、系统、存储介质及智能终端。
第一方面，本申请提供一种云端数据调取方法，采用如下的技术方案：
一种云端数据调取方法，包括：
获取用户调取请求信息和调取身份信息；
根据调取身份信息从预设的云端数据库中查找允许查看的数据条，将所有的数据条进行组合，将该组合定义为数据群信息；
基于数据群信息生成类别标签信息和云端建议信息，并将类别标签信息和云端建议信息形成映射关系的数据条，将该数据条定义为建议数据条信息；
将用户调取请求信息进行分析以得到调取标签信息；
基于调取标签信息对数据群信息进行筛选以得到符合调取标签信息的数据条，将符合调取标签信息的数据条进行组合，将该组合定义为筛选数据群信息；
基于调取标签信息对建议数据条信息进行筛选以得到复合调取标签信息的建议数据条，将该建议数据条定义为筛选建议数据条信息；
将筛选数据群信息和筛选建议数据条信息于用户调取请求信息所对应的客户端上进行输出。
通过采用上述技术方案，首先在云端将数据进行归类并产生建议，然后通过验证对应的身份查找到可以调取的对应的数据和建议，最终根据用户的需求从数据群众进行筛选复合要求的数据和建议打包发送给用户，使得用户无需自己进行筛选即可找到最为精确的数据，减少了下载后的处理时间，提高了云端数据调取的智能化和针对性。
可选的，云端数据库的建立方法包括：
获取用户输入数据条信息；
分析输入的客户端处登陆的身份账号信息，将该身份账号定义输入身份账号信息，并形成身份标签信息；
分析用户输入数据条信息和身份标签信息以确定已经存储于云端数据库中对应身份标签信息的相似数据条信息；
将用户输入数据条信息和相似数据条信息组合形成样本数据群信息；
使用预设的数据检测模型对样本数据群信息进行模型训练以得到正常数据群信息和异常数据群信息；
将正常数据群信息存储于云端数据库中并将异常数据群信息进行删除。
通过采用上述技术方案，通过模型训练的方式对数据进行筛选，以去除不对的和与身份信息无关的数据，避免数据冗杂，提高了云端数据存储的有效性和效率。
可选的，将正常数据群信息存储于云端数据库中并将异常数据群信息进行删除的方法包括：
将落入异常数据群信息中的数据条定义为异常数据条信息，将异常数据条信息对应的身份标签信息定义为异常身份标签信息；
于后续获取到异常身份标签信息对应的相似数据条信息并被判定为落入异常数据群信息中时累计次数信息，将异常身份标签信息对应的并判定为落入异常数据群信息中的相似数据条信息定义为异常相似数据条信息；
判断次数信息是否大于等于预设的临界次数信息；
若小于，则将异常数据条信息和异常相似数据条信息归入正常数据群信息并附上预设的异常数据标签信息；
于次数信息不再增加时将异常数据条信息和异常相似数据条信息删除；
若大于等于，则于此次输出预设的人为判断信息，并于人为判断信息仍为异常数据条信息或异常相似数据条信息时，单独将异常数据条信息和异常相似数据条信息形成训练样本集对数据检测模型进行训练。
通过采用上述技术方案，通过对同一身份标签的数据进行标记并计数，当多次判断为异常数据时则说明很有可能是模型错误导致判断失误，则需要利用看似异常的数据进行模型的训练，以优化模型，提高了模型训练的动态学习能力和准确性。
可选的，获取调取身份信息的方法包括：
获取用户输入的身份识别请求信息；
分析输入身份识别请求信息的当前身份账号信息；
根据预设的账号数据库中所存储的身份账号信息和身份识别请求信息进行匹配分析以确定身份识别请求信息所对应的身份账号，将该身份账号定义为历史身份账号信息；
判断当前身份账号信息和历史身份账号信息是否一致；
若一致，则将身份识别请求信息作为调取身份信息进行输入；
若不一致，则根据预设的唯一识别数据库中所存储的身份识别码信息和历史身份账号信息进行匹配分析以确定历史身份账号信息所对应的身份识别码，将该身份识别码定义为历史身份识别码信息；
输出身份识别码请求信息；
于接收到身份识别码请求信息对应的身份识别码信息时与历史身份识别码信息进行匹配；
若匹配成功，则将当前身份账号信息和历史身份账号信息进行绑定并将身份识别请求信息作为调取身份信息进行输入；
若匹配不成功，则输出身份识别码输入错误信息。
通过采用上述技术方案，当用户采用不同的账号时，通过唯一识别码进行识别从而使得用户可以在不同的账号上调取同一个身份下的数据的内容，避免因账号丢失而导致历史数据无法获取的情况，提高了云端数据的可追溯性。
可选的，若匹配不成功，则输出身份识别码输入错误信息的方法包括：
根据用户调取请求信息确定允许调取账号信息；
根据唯一识别数据库中所存储的身份识别码信息和允许调取账号信息进行匹配分析以确定允许调取账号信息所对应的身份识别码，将该身份识别码定义为允许身份识别码信息；
将接收到身份识别码请求信息对应的身份识别码信息与允许身份识别码信息进行匹配；
若匹配成功，则将身份识别请求信息作为调取身份信息进行输入；
若匹配不成功，则输出身份识别码输入错误信息。
通过采用上述技术方案，通过设置允许身份识别码信息，从而使得不同的但是是相关的允许查看数据的人通过自己的账号也可以进行数据的查看，例如学生的数据也可以被教师进行查看，提高了数据查看的多样性。
可选的，还包括若身份识别码请求信息对应的身份识别码信息与历史身份识别码信息或允许身份识别码信息匹配成功时，查找数据群信息的方法，该方法包括：
根据当前身份账号信息和历史身份账号信息分别从云端数据库中查找数据群信息，将当前身份账号信息所对应的数据群信息定义为当前数据群信息，将历史身份账号信息所对应的数据群信息定义为历史数据群信息；
将当前数据群信息和历史数据群信息进行匹配以得到并集，将该并集作为数据群信息进行输出。
通过采用上述技术方案，当两个账号由于身份识别码或者允许身份识别码一致时，则说明此时两个账号的数据是互通的，此时在本账号的数据也可以通过另外一个账号进行查看，从而提高了云端数据的互通性。
可选的，将当前数据群信息和历史数据群信息进行匹配以得到并集，将该并集作为数据群信息进行输出的方法包括：
判断当前数据群信息所包含的数据条和历史数据群信息所包含的数据条是否相同；
若是，则将相同的数据条定义为数据群信息中的相同数据条，并将历史数据群信息的相同数据条进行输出而将当前数据群信息中的相同数据条进行删除；
若否，则对当前数据群信息所包含的数据条和历史数据群信息所包含的数据条进行分解以得到当前数据群信息所包含的数据条和历史数据群信息所包含的数据条的基础内容和结果内容，将当前数据群信息所包含的数据条所对应的基础内容定义为当前基础内容信息，将当前数据群信息所包含的数据条所对应的结果内容定义为当前结果内容信息，将历史数据群信息所包含的数据条所对应的基础内容定义为历史基础内容信息，将历史数据群信息所包含的数据条所对应的结果内容定义为历史结果内容信息；
判断当前基础内容信息和历史基础内容信息是否一致；
若一致，则将当前结果内容信息和历史结果内容信息所对应的数据条分别定义为当前相似数据条信息和历史相似数据条信息；
使用数据检测模型对当前相似数据条信息和历史相似数据条信息进行模型训练以得到正常数据条信息和异常数据条信息；
将当前相似数据条信息和历史相似数据条信息中属于正常数据条信息的数据条进行输出；
若不一致，则将当前数据群信息所包含的数据条和历史数据群信息所包含的数据条均进行输出。
通过采用上述技术方案，同一类型的数据条如果是完全相同的则可以只输出一个，而当两者只有局部是相同的，则需要判断是数据异常还是不同的采集节点导致的异常，从而确定将两个数据均进行输出，当数据合并时根据不同的情况采取不同的合并手段，提高了云端数据处理的合理性和智能化。
第二方面，本申请提供一种云端数据调取系统，采用如下的技术方案：
一种云端数据调取系统，包括：
获取模块，用于获取用户调取请求信息、调取身份信息、用户输入数据条信息、身份识别请求信息和身份识别码信息；
存储器，用于存储上述任一种云端数据调取方法的控制方法的程序；
处理器，存储器中的程序能够被处理器加载执行且实现上述任一种云端数据调取方法的控制方法。
通过采用上述技术方案，首先在云端将数据进行归类并产生建议，然后通过验证对应的身份查找到可以调取的对应的数据和建议，最终根据用户的需求从数据群众进行筛选复合要求的数据和建议打包发送给用户，使得用户无需自己进行筛选即可找到最为精确的数据，减少了下载后的处理时间，提高了云端数据调取的智能化和针对性。
第三方面，本申请提供智能终端，采用如下的技术方案：
智能终端，包括存储器和处理器，存储器上存储有能够被处理器加载并执行上述任一种云端数据调取方法的计算机程序。
通过采用上述技术方案，首先在云端将数据进行归类并产生建议，然后通过验证对应的身份查找到可以调取的对应的数据和建议，最终根据用户的需求从数据群众进行筛选复合要求的数据和建议打包发送给用户，使得用户无需自己进行筛选即可找到最为精确的数据，减少了下载后的处理时间，提高了云端数据调取的智能化和针对性。
第四方面，本申请提供计算机存储介质，能够存储相应的程序，具有内存大自我分析处理的特点。
计算机可读存储介质，采用如下的技术方案：
计算机可读存储介质，存储有能够被处理器加载并执行上述任一种云端数据调取方法的计算机程序。
通过采用上述技术方案，首先在云端将数据进行归类并产生建议，然后通过验证对应的身份查找到可以调取的对应的数据和建议，最终根据用户的需求从数据群众进行筛选复合要求的数据和建议打包发送给用户，使得用户无需自己进行筛选即可找到最为精确的数据，减少了下载后的处理时间，提高了云端数据调取的智能化和针对性。
综上所述，本申请包括以下至少有益技术效果：
1.根据用户的需求从数据群众进行筛选复合要求的数据和建议打包发送给用户，使得用户无需自己进行筛选即可找到最为精确的数据，提高了云端数据调取的智能化和针对性；
2.通过唯一识别码进行识别，避免因账号丢失而导致历史数据无法获取的情况，提高了云端数据的可追溯性。
附图说明
图1是本申请实施例中的一种云端数据调取方法的流程图。
图2是本申请实施例中的云端数据库的建立方法的流程图。
图3是本申请实施例中的将正常数据群信息存储于云端数据库中并将异常数据群信息进行删除的方法的流程图。
图4是本申请实施例中的获取调取身份信息的方法的流程图。
图5是本申请实施例中的若匹配不成功，则输出身份识别码输入错误信息的方法的流程图。
图6是本申请实施例中的若身份识别码请求信息对应的身份识别码信息与历史身份识别码信息或允许身份识别码信息匹配成功时，查找数据群信息的方法的流程图。
图7是本申请实施例中的将当前数据群信息和历史数据群信息进行匹配以得到并集，将该并集作为数据群信息进行输出的方法的流程图。
图8是本申请实施例中的一种云端数据调取方法的系统模块图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图1-图8及实施例，对本申请进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请。
本申请实施例公开一种云端数据调取方法。参照图1，一种云端数据调取方法包括：
步骤100：获取用户调取请求信息和调取身份信息。
用户调取请求信息为用户从自己手上的智能设备的软件内上向云端发出数据调取指令的请求的信息，包含了需要调取的数据对象、数据类别和数据内容。调取身份信息为发出用户调取请求信息的用户的身份的信息。例如：教师于自己手持教师端app中输入了调取某某学生的身高体重的数据的信息。
步骤101：根据调取身份信息从预设的云端数据库中查找允许查看的数据条，将所有的数据条进行组合，将该组合定义为数据群信息。
云端数据库为云端数据平台，内部包含有所有教育局端、教师端、个人端上传的数据。数据条为某个数据所有关联的数据，例如：调取身份信息为教师，那么允许查看的是他的学生，那么数据条为某个学生下所有能够看到的数据，包括身高、体重和年龄。数据群信息为允许查看的所有数据条的组合。例如：教师所带教的所有学生的和学校课堂以及训练等有关的数据。
步骤102：基于数据群信息生成类别标签信息和云端建议信息，并将类别标签信息和云端建议信息形成映射关系的数据条，将该数据条定义为建议数据条信息。
类别标签信息为数据所对应的类别的标签的信息，此处即将数据群信息进行了归类，此处以对数据所产生的问题进行归类，故云端会对数据进行分析进行判断，从而对学生类型进行分类，如肥胖率，偏瘦率，近视率，运动能力差四种存在的问题的类型，以便于云端对这些学生更加精确查找。云端建议信息为云端针对不同的类别标签信息输出的建议的信息。例如：类别标签信息为肥胖，那么云端的建议是进行运动减肥。建议数据条信息为类别标签信息和云端建议信息的映射关系。
在本申请实施例中，云端会根据调取身份信息输出不同的建议，即根据不同的端口输出不同的建议。例如：教育局端接收到的建议为：对各学校进行管控，对学校进行四大现象考核；而体育老师端收到云端的建议后还会收到教育局和学校的建议，从而调整自己的教学方式，通过新的教学方式，去降低四大现象；而家长端收到云端的建议及体育老师的建议，教育学生进行有效的运动，从而达到降低四大现象问题。
步骤103：将用户调取请求信息进行分析以得到调取标签信息。
调取标签信息为用户调取请求信息中的标签的信息，包括任何一种标签，例如：体育老师端上输入的可以为某某学生，也可以是肥胖的学生。分析的方式即查看的方式，在每一个数据条中均会打上对应的标签，以方便用户进行查找。
步骤104：基于调取标签信息对数据群信息进行筛选以得到符合调取标签信息的数据条，将符合调取标签信息的数据条进行组合，将该组合定义为筛选数据群信息。
筛选的方式实质为文字匹配的方式。
步骤105：基于调取标签信息对建议数据条信息进行筛选以得到复合调取标签信息的建议数据条，将该建议数据条定义为筛选建议数据条信息。
步骤106：将筛选数据群信息和筛选建议数据条信息于用户调取请求信息所对应的客户端上进行输出。
参照图2，云端数据库的建立方法包括：
步骤200：获取用户输入数据条信息。
用户输入数据条信息为用户于各自的智能设备上输入的数据条的信息。获取的方式为人为输入的方式，例如云端数据平台接收到各个健康管理端APP上传的数据，例如：教师端的app、教练端的app以及学生端的app，教师端、教练端和学生端的app均可以以智能工具作为载体进行操作，例如：手机上的app，教师、教练和学生均具有对应的智能设备来进行操作，那么在对应人员的智能设备的界面上存在对应的选项，例如：“上传”和“查看”等。当人为输入后系统自动查询当前的时间节点以及之前的矫正考试情况，综合分析出当前在矫正或者考试的节点。数据传输的方式可以为Wifi、Internet以及GSM等。
由对应测试的智能设备以及日常生活中训练用的C端产品进行实时测量得到。测试的智能设备例如：智能立定跳远仪、智能立定跳远仪、智能中长跑仪、智能短跑仪、智能跳绳仪、智能握力仪、智能身高体重仪、智能肺活量仪、智能篮球运球仪、智能足球仪、智能引体向上仪、智能台阶仪、智能游泳仪、智能仰卧起坐仪、智能俯卧撑仪、智能排球仪、智能体前屈仪、智能视力仪、智能实心球仪、30人同测中长跑智能测试仪和20、30人同测跳绳智能测试仪。训练的C端产品有智能跑步鞋、智能姿势矫正仪、护眼康复训练仪、智能体脂秤、智能跳绳、智能仰卧起坐仪、智能八电极身高体重测量仪、智能腰围仪、智能验光仪、智能跑步机、智能马桶和智能台灯这些可以进行智能监测动态数据的仪器。由这些仪器进行实时监测，然后上传到家校运动健康管理app，例如：学生端app、教师端app和教练端app等。传输的方式可以为Wifi、Bluetooh、GSM和Internet等。
步骤201：分析输入的客户端处登陆的身份账号信息，将该身份账号定义输入身份账号信息，并形成身份标签信息。
身份标签信息为身份账号信息的标签的信息。此处该标签为自动生成的，目的是为了使得用户的身份账号和数据进行绑定。
步骤202：分析用户输入数据条信息和身份标签信息以确定已经存储于云端数据库中对应身份标签信息的相似数据条信息。
相似数据条信息为相同身份账号输入的数据条，同时也包括了其他用户输入的同一身份的数据条，此处确定的方式为通过身份标签信息进行确定。身份标签信息一方面可以通过数据传输时的身份账号进行标定，另外也可以通过用户自己亲自输入。
步骤203：将用户输入数据条信息和相似数据条信息组合形成样本数据群信息。
样本数据群信息为所有的和身份标签信息绑定的数据条所形成的群体的信息。
步骤204：使用预设的数据检测模型对样本数据群信息进行模型训练以得到正常数据群信息和异常数据群信息。
数据检测模型为对数据的正确与否进行检测的模型的信息。此处可以为支持向量机的模型，用于区分是否正确。正常数据群信息为符合常理且符合变化趋势的数据条的群体的信息。异常数据群信息为不符合常理或不符合变化趋势的数据条的群体的信息。例如：身高和体重一直处于随着时间的增加而上升的阶段，突然中间断崖，下落很快，则基本不符合常理。
步骤205：将正常数据群信息存储于云端数据库中并将异常数据群信息进行删除。
参照图3，将正常数据群信息存储于云端数据库中并将异常数据群信息进行删除的方法包括：
步骤300：将落入异常数据群信息中的数据条定义为异常数据条信息，将异常数据条信息对应的身份标签信息定义为异常身份标签信息。
步骤301：于后续获取到异常身份标签信息对应的相似数据条信息并被判定为落入异常数据群信息中时累计次数信息，将异常身份标签信息对应的并判定为落入异常数据群信息中的相似数据条信息定义为异常相似数据条信息。
次数信息为获取到异常身份标签信息对应的相似数据条信息并被判定为落入异常数据群信息中的次数的信息。
步骤302：判断次数信息是否大于等于预设的临界次数信息。
临界次数信息为人为规定的次数的信息。
步骤3021：若小于，则将异常数据条信息和异常相似数据条信息归入正常数据群信息并附上预设的异常数据标签信息。
异常数据标签信息为数据虽然放在了正常数据群信息即云端中进行了存储，但是仅提供参考，有可能数据并非是准确的数据的标签的信息。如果小于，则说明有可能是数据异常的情况，但是不排除是数据检测模型的错误，所以先将其归为正常数据群信息。但是为了和其它的数据进行区分，所以附上异常数据标签信息，以警示调取的用户。
步骤3022：若大于等于，则于此次输出预设的人为判断信息，并于人为判断信息仍为异常数据条信息或异常相似数据条信息时，单独将异常数据条信息和异常相似数据条信息形成训练样本集对数据检测模型进行训练。
人为判断信息为人为进行判断的信息，当大于时，则说明每次都检测出错误，则需要用户进行判断，当用户也判断为错误时，则可以作为错误数据的参考对数据检测模型进行训练。
步骤303：于次数信息不再增加时将异常数据条信息和异常相似数据条信息删除。
当在小于临界次数信息的过程中不会再出现异常数据条信息和异常相似数据条信息，则说明模型没有问题，是错误的数据，则可以删除。
参照图4，获取调取身份信息的方法包括：
步骤400：获取用户输入的身份识别请求信息。
身份识别请求信息为用户想要以某种身份进行数据调取的请求的信息。获取的方式为用户输入的方式。
步骤401：分析输入身份识别请求信息的当前身份账号信息。
当前身份账号信息为用户登陆到app上的身份账号的信息。
步骤402：根据预设的账号数据库中所存储的身份账号信息和身份识别请求信息进行匹配分析以确定身份识别请求信息所对应的身份账号，将该身份账号定义为历史身份账号信息。
历史身份账号信息为身份识别请求信息所对应的历史的身份账号的信息。数据库中存储有身份账号信息和身份识别请求信息的映射关系。由当用户输入身份识别请求信息时自动将输入端登陆的身份账号进行映射并将该映射关系存储得到。例如：身份识别请求信息为：调用某某体育老师的身份，则历史身份账号信息为某某体育老师的身份账号。当系统接收到对应的身份识别请求信息时，自动查找到对应的身份账号，以历史身份账号信息进行输出。
步骤403：判断当前身份账号信息和历史身份账号信息是否一致。
步骤4031：若一致，则将身份识别请求信息作为调取身份信息进行输入。
如果一致，则说明可以满足身份识别请求信息，则自动将对应的调取身份信息进行输入。
步骤4032：若不一致，则根据预设的唯一识别数据库中所存储的身份识别码信息和历史身份账号信息进行匹配分析以确定历史身份账号信息所对应的身份识别码，将该身份识别码定义为历史身份识别码信息。
历史身份识别码信息为历史身份账号信息的唯一识别码的信息，即能够作为身份识别的唯一的依据的信息。数据库中存储有身份识别码信息和历史身份账号信息的映射关系，由本领域工作人员人为进行设定或者系统在用户注册身份账号信息时自动生成后得到。当系统接收到对应的历史身份账号信息，自动从数据库中查找出对应的身份识别码，以历史身份识别码信息进行输出。
步骤404：输出身份识别码请求信息。
身份识别码请求信息为在输入身份识别请求信息的客户端上显示的用户提醒使用者输入唯一识别码的请求的信息。
步骤405：于接收到身份识别码请求信息对应的身份识别码信息时与历史身份识别码信息进行匹配。
步骤4051：若匹配成功，则将当前身份账号信息和历史身份账号信息进行绑定并将身份识别请求信息作为调取身份信息进行输入。
匹配成功，则说明用户可以使用对应的身份账号的内容，则可以正常查看身份识别请求信息所对应的用户身份的数据。
步骤4052：若匹配不成功，则输出身份识别码输入错误信息。
身份识别码输入错误信息为身份账号不对，身份识别码不对的信息。
参照图5，若匹配不成功，则输出身份识别码输入错误信息的方法包括：
步骤500：根据用户调取请求信息确定允许调取账号信息。
允许调取账号信息为用户调取请求信息所对应的身份账号的信息。
步骤501：根据唯一识别数据库中所存储的身份识别码信息和允许调取账号信息进行匹配分析以确定允许调取账号信息所对应的身份识别码，将该身份识别码定义为允许身份识别码信息。
允许身份识别码信息为允许调取账号信息所对应的身份识别码的信息。数据库的建立由步骤4032中的方式进行，在此不做赘述。当系统接收到对应的允许调取账号信息，自动从数据中进行查找以得到身份识别码，以允许身份识别码信息进行输出。
步骤502：将接收到身份识别码请求信息对应的身份识别码信息与允许身份识别码信息进行匹配。
匹配的目的是为了确定虽然用户是客户端上登陆的身份账号，但是用户也有一定程度上调取其他人的数据。例如：体育老师输入的是某某学生的身份请求，则允许身份识别码为某某学生。
步骤5021：若匹配成功，则将身份识别请求信息作为调取身份信息进行输入。
如果成功，则说明可以调取，则自动调取。
步骤5022：若匹配不成功，则输出身份识别码输入错误信息。
参照图6，还包括若身份识别码请求信息对应的身份识别码信息与历史身份识别码信息或允许身份识别码信息匹配成功时，查找数据群信息的方法，该方法包括：
步骤600：根据当前身份账号信息和历史身份账号信息分别从云端数据库中查找数据群信息，将当前身份账号信息所对应的数据群信息定义为当前数据群信息，将历史身份账号信息所对应的数据群信息定义为历史数据群信息。
当匹配成功时，此时为了将两者的数据共同，需要分别查找对应的身份账号输入的数据群信息。
步骤601：将当前数据群信息和历史数据群信息进行匹配以得到并集，将该并集作为数据群信息进行输出。
并集的目的是为了将两端各自输入的数据进行整合，由于注册账号的时候可能只是输入了数据条，但是并没有进行调取，而当两个身份账号是同一个用户的情况确认时，则可以将两者的数据进行共通。
参照图7，将当前数据群信息和历史数据群信息进行匹配以得到并集，将该并集作为数据群信息进行输出的方法包括：
步骤700：判断当前数据群信息所包含的数据条和历史数据群信息所包含的数据条是否相同。
判断的目的是为了防止重复。
步骤7001：若是，则将相同的数据条定义为数据群信息中的相同数据条，并将历史数据群信息的相同数据条进行输出而将当前数据群信息中的相同数据条进行删除。
如果是，则说明此时两个数据一样，为了避免重复，则可以将任意一个删除。
步骤7002：若否，则对当前数据群信息所包含的数据条和历史数据群信息所包含的数据条进行分解以得到当前数据群信息所包含的数据条和历史数据群信息所包含的数据条的基础内容和结果内容，将当前数据群信息所包含的数据条所对应的基础内容定义为当前基础内容信息，将当前数据群信息所包含的数据条所对应的结果内容定义为当前结果内容信息，将历史数据群信息所包含的数据条所对应的基础内容定义为历史基础内容信息，将历史数据群信息所包含的数据条所对应的结果内容定义为历史结果内容信息。
基础内容为数据条中的基础的内容，例如：姓名、性别等，也包含了数据记录的时间等。结果内容为不同用户在不同时刻等的数据的内容，例如：身高、体重等。
步骤701：判断当前基础内容信息和历史基础内容信息是否一致。
判断的目的是为了确定是否是同一个情况下。
步骤7011：若一致，则将当前结果内容信息和历史结果内容信息所对应的数据条分别定义为当前相似数据条信息和历史相似数据条信息。
如果一致，则说明是同一情况下的不同结果，则说明至少有一个数据是错误的，则需要进行判断。
步骤7012：若不一致，则将当前数据群信息所包含的数据条和历史数据群信息所包含的数据条均进行输出。
如果不一致，则说明两者都不是一个情况下的，则没有可比性，则可以直接输出。
步骤702：使用数据检测模型对当前相似数据条信息和历史相似数据条信息进行模型训练以得到正常数据条信息和异常数据条信息。
步骤703：将当前相似数据条信息和历史相似数据条信息中属于正常数据条信息的数据条进行输出。
基于同一发明构思，本发明实施例提供一种云端数据调取系统。
参照图8，一种云端数据调取系统，包括：
获取模块，用于获取用户调取请求信息、调取身份信息、用户输入数据条信息、身份识别请求信息和身份识别码信息；
存储器，用于存储一种云端数据调取方法的控制方法的程序；
处理器，存储器中的程序能够被处理器加载执行且实现一种云端数据调取方法的控制方法。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例提供计算机可读存储介质，存储有能够被处理器加载并执行一种云端数据调取方法的计算机程序。
计算机存储介质例如包括：U盘、移动硬盘、只读存储器(Read-OnlyMemory，ROM)、随机存取存储器(RandomAccessMemory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
基于同一发明构思，本发明实施例提供智能终端，包括存储器和处理器，存储器上存储有能够被处理器加载并执行一种云端数据调取方法的计算机程序。
以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，本说明书（包括摘要和附图）中公开的任一特征，除非特别叙述，均可被其他等效或者具有类似目的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
Claims (10)
1.一种云端数据调取方法，其特征在于，包括：
获取用户调取请求信息和调取身份信息；
根据调取身份信息从预设的云端数据库中查找允许查看的数据条，将所有的数据条进行组合，将该组合定义为数据群信息；
基于数据群信息生成类别标签信息和云端建议信息，并将类别标签信息和云端建议信息形成映射关系的数据条，将该数据条定义为建议数据条信息；
将用户调取请求信息进行分析以得到调取标签信息；
基于调取标签信息对数据群信息进行筛选以得到符合调取标签信息的数据条，将符合调取标签信息的数据条进行组合，将该组合定义为筛选数据群信息；
基于调取标签信息对建议数据条信息进行筛选以得到复合调取标签信息的建议数据条，将该建议数据条定义为筛选建议数据条信息；
将筛选数据群信息和筛选建议数据条信息于用户调取请求信息所对应的客户端上进行输出。
2.根据权利要求1所述的一种云端数据调取方法，其特征在于，云端数据库的建立方法包括：
获取用户输入数据条信息；
分析输入的客户端处登陆的身份账号信息，将该身份账号定义输入身份账号信息，并形成身份标签信息；
分析用户输入数据条信息和身份标签信息以确定已经存储于云端数据库中对应身份标签信息的相似数据条信息；
将用户输入数据条信息和相似数据条信息组合形成样本数据群信息；
使用预设的数据检测模型对样本数据群信息进行模型训练以得到正常数据群信息和异常数据群信息；
将正常数据群信息存储于云端数据库中并将异常数据群信息进行删除。
3.根据权利要求2所述的一种云端数据调取方法，其特征在于，将正常数据群信息存储于云端数据库中并将异常数据群信息进行删除的方法包括：
将落入异常数据群信息中的数据条定义为异常数据条信息，将异常数据条信息对应的身份标签信息定义为异常身份标签信息；
于后续获取到异常身份标签信息对应的相似数据条信息并被判定为落入异常数据群信息中时累计次数信息，将异常身份标签信息对应的并判定为落入异常数据群信息中的相似数据条信息定义为异常相似数据条信息；
判断次数信息是否大于等于预设的临界次数信息；
若小于，则将异常数据条信息和异常相似数据条信息归入正常数据群信息并附上预设的异常数据标签信息；
于次数信息不再增加时将异常数据条信息和异常相似数据条信息删除；
若大于等于，则于此次输出预设的人为判断信息，并于人为判断信息仍为异常数据条信息或异常相似数据条信息时，单独将异常数据条信息和异常相似数据条信息形成训练样本集对数据检测模型进行训练。
4.根据权利要求1所述的一种云端数据调取方法，其特征在于，获取调取身份信息的方法包括：
获取用户输入的身份识别请求信息；
分析输入身份识别请求信息的当前身份账号信息；
根据预设的账号数据库中所存储的身份账号信息和身份识别请求信息进行匹配分析以确定身份识别请求信息所对应的身份账号，将该身份账号定义为历史身份账号信息；
判断当前身份账号信息和历史身份账号信息是否一致；
若一致，则将身份识别请求信息作为调取身份信息进行输入；
若不一致，则根据预设的唯一识别数据库中所存储的身份识别码信息和历史身份账号信息进行匹配分析以确定历史身份账号信息所对应的身份识别码，将该身份识别码定义为历史身份识别码信息；
输出身份识别码请求信息；
于接收到身份识别码请求信息对应的身份识别码信息时与历史身份识别码信息进行匹配；
若匹配成功，则将当前身份账号信息和历史身份账号信息进行绑定并将身份识别请求信息作为调取身份信息进行输入；
若匹配不成功，则输出身份识别码输入错误信息。
5.根据权利要求4所述的一种云端数据调取方法，其特征在于，若匹配不成功，则输出身份识别码输入错误信息的方法包括：
根据用户调取请求信息确定允许调取账号信息；
根据唯一识别数据库中所存储的身份识别码信息和允许调取账号信息进行匹配分析以确定允许调取账号信息所对应的身份识别码，将该身份识别码定义为允许身份识别码信息；
将接收到身份识别码请求信息对应的身份识别码信息与允许身份识别码信息进行匹配；
若匹配成功，则将身份识别请求信息作为调取身份信息进行输入；
若匹配不成功，则输出身份识别码输入错误信息。
6.根据权利要求5所述的一种云端数据调取方法，其特征在于，还包括若身份识别码请求信息对应的身份识别码信息与历史身份识别码信息或允许身份识别码信息匹配成功时，查找数据群信息的方法，该方法包括：
根据当前身份账号信息和历史身份账号信息分别从云端数据库中查找数据群信息，将当前身份账号信息所对应的数据群信息定义为当前数据群信息，将历史身份账号信息所对应的数据群信息定义为历史数据群信息；
将当前数据群信息和历史数据群信息进行匹配以得到并集，将该并集作为数据群信息进行输出。
7.根据权利要求6所述的一种云端数据调取方法，其特征在于，将当前数据群信息和历史数据群信息进行匹配以得到并集，将该并集作为数据群信息进行输出的方法包括：
判断当前数据群信息所包含的数据条和历史数据群信息所包含的数据条是否相同；
若是，则将相同的数据条定义为数据群信息中的相同数据条，并将历史数据群信息的相同数据条进行输出而将当前数据群信息中的相同数据条进行删除；
若否，则对当前数据群信息所包含的数据条和历史数据群信息所包含的数据条进行分解以得到当前数据群信息所包含的数据条和历史数据群信息所包含的数据条的基础内容和结果内容，将当前数据群信息所包含的数据条所对应的基础内容定义为当前基础内容信息，将当前数据群信息所包含的数据条所对应的结果内容定义为当前结果内容信息，将历史数据群信息所包含的数据条所对应的基础内容定义为历史基础内容信息，将历史数据群信息所包含的数据条所对应的结果内容定义为历史结果内容信息；
判断当前基础内容信息和历史基础内容信息是否一致；
若一致，则将当前结果内容信息和历史结果内容信息所对应的数据条分别定义为当前相似数据条信息和历史相似数据条信息；
使用数据检测模型对当前相似数据条信息和历史相似数据条信息进行模型训练以得到正常数据条信息和异常数据条信息；
将当前相似数据条信息和历史相似数据条信息中属于正常数据条信息的数据条进行输出；
若不一致，则将当前数据群信息所包含的数据条和历史数据群信息所包含的数据条均进行输出。
8.一种云端数据调取系统，其特征在于，包括：
获取模块，用于获取用户调取请求信息、调取身份信息、用户输入数据条信息、身份识别请求信息和身份识别码信息；
存储器，用于存储如权利要求1至7中任一项所述的一种云端数据调取方法的控制方法的程序；
处理器，存储器中的程序能够被处理器加载执行且实现如权利要求1至7中任一项所述的一种云端数据调取方法的控制方法。
9.智能终端，其特征在于，包括存储器和处理器，存储器上存储有能够被处理器加载并执行如权利要求1至7中任一项所述的一种云端数据调取方法的计算机程序。
10.计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至7中任一项所述的一种云端数据调取方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310700869.6A CN116610738A (zh) | 2023-06-14 | 2023-06-14 | 一种云端数据调取方法、系统、存储介质及智能终端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310700869.6A CN116610738A (zh) | 2023-06-14 | 2023-06-14 | 一种云端数据调取方法、系统、存储介质及智能终端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116610738A true CN116610738A (zh) | 2023-08-18 |
Family
ID=87681795
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310700869.6A Pending CN116610738A (zh) | 2023-06-14 | 2023-06-14 | 一种云端数据调取方法、系统、存储介质及智能终端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116610738A (zh) |
-
2023
- 2023-06-14 CN CN202310700869.6A patent/CN116610738A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112150327A (zh) | 一种用于学生体质检测的测试系统 | |
| CN107890342A (zh) | 执行受检者测量 | |
| McCormack et al. | Coaches’ assessment of players physical performance: subjective and objective measures are needed when profiling players | |
| CN113516356A (zh) | 一种基于数据化智能教育培训管理系统 | |
| Gomez-Carmona et al. | What is the most suitable sampling frequency to register accelerometry-based workload? A case study in soccer | |
| Runacres et al. | The reliability of force-velocity-power profiling during over-ground sprinting in children and adolescents | |
| CN113539400A (zh) | 一种受试者大数据管理方法、系统及电子设备 | |
| CN105260963A (zh) | 学科素养测评系统 | |
| Samozino et al. | Is the concept, method, or measurement to blame for testing error? An illustration using the force-velocity-power profile | |
| CN113808704A (zh) | 运动处方获取系统及方法 | |
| Gråstén et al. | A comparison of self-report scales and accelerometer-determined moderate to vigorous physical activity scores of Finnish school students | |
| US20040260584A1 (en) | Schedule data distribution evaluating method | |
| CN116610738A (zh) | 一种云端数据调取方法、系统、存储介质及智能终端 | |
| US20200185110A1 (en) | Computer-implemented method and an apparatus for use in detecting malingering by a first subject in one or more physical and/or mental function tests | |
| US8131662B2 (en) | Remote vision testing data collection | |
| Soriano et al. | A comparison of three load-velocity based methods to estimate maximum overhead press performance in weightlifters | |
| CN112843660B (zh) | 一种体育运动计时系统 | |
| CN113299365B (zh) | 体能训练计划生成方法、装置及电子设备 | |
| Ebert et al. | An open, labeled dataset for analysis and assessment of human motion | |
| JP6048997B1 (ja) | 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム | |
| US20230113699A1 (en) | Profile oriented cognitive improvement system and method | |
| CN116401275B (zh) | 一种云端数据处理方法、系统、存储介质及智能终端 | |
| JP2019023914A (ja) | 健康管理サーバおよび健康管理サーバ制御方法並びに健康管理プログラム | |
| KR20140044670A (ko) | 유무선 통신망을 이용한 감성지수 검사 시스템 및 방법 | |
| CN114098677B (zh) | 一种基于双数据源的青少年体能验控系统 |
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 |