[发明专利]一种大规模并行化有氧能力分群方法

说明书

一种大规模并行化有氧能力分群方法，包含：1)有氧能力测试序列数据集加载；2)数据分桶；3)并行化处理各个数据桶，处理步骤具体包括：3.1)对桶中的序列进行预处理；3.2)对预处理后的序列进行重表示；4)对并行处理所得到的重表示序列进行归一化处理，得到聚类样本集；5)对聚类样本集进行聚类分群。本发明实现了适用于对大规模多变量非等长的有氧测能力试序列进行聚类的算法，能够快速有效地实现大规模有氧能力分群。

技术领域

本发明涉及一种高效的、可并行化的、适用于对大规模学生人群进行有氧能 力分群的方法。

背景技术

随着可穿戴设备的成熟和广泛应用，通过可穿戴设备来大规模采集人体生理 健康数据成为一种有效可行的方法。通过佩戴运动心率手环的方式能够对人的运 动生理数据进行大规模的采集，而大规模人群的运动生理数据中蕴含了巨大的价 值。通过对大规模运动生理数据进行合理地分析和挖掘，从数据中得出个人的健 康状况，从而定制合理的运动方案，是防止运动中突发事件产生、提高个人体质 健康的一种重要手段。运动生理数据本质上属于一种时间序列数据，而对于时间 序列的常见挖掘任务有：异常检测、分类和聚类。异常检测通常用于异常报警， 如对运动数据挖掘出异常的数据点，进行报警提示；预测是根据历史的数据，预 计未来数据的走势；聚类是通过无监督的方式将相似性高的个体聚成一个簇，相 似性低的个体分在不同簇中，以此来区分个体的差异情况。通过对大规模的人群 的运动生理数据进行聚类分析，可以一定程度上对这些人的有氧能力(或心肺耐 力)进行区分，将有氧能力相近的人划分到相同的群体中，进一步可以针对不同 有氧能力水平的群体制定不同的运动锻炼方案，从而有效促进个人的体质健康， 并最大程度上防止突发事件的产生。因此，对大规模运动生理数据进行聚类分群 具有重要意义。

根据时间序列的变量个数可以将时间序列分为单变量时间序列和多变量时 间序列，而根据时间序列的长度是否相等，可以将时间序列分为等长时间序列和 非等长时间序列。对于时间序列得聚类方法大致可以分为两大类：基于原始测度 数据得时间序列聚类和基于特征得时间序列聚类。基于原始测度数据的时间序列 聚类直接根据原始数据定义相似度，如曼哈顿距离、欧氏距离或DTW距离等， 然后选择一种聚类算法进行聚类。基于特征的时间序列聚类先对原始数据进行降 维，抽取表征其内在变化机制的特征作为相似性度量的基础，然后运用各种聚类 方法对这些特征进行聚类，基于特征的时间序列聚类是较为主流的一类方法。目 前已有大量学者对单变量时间序列的聚类研究提出了非常多的有效的方法，但对 于多变量且非等长时间序列的聚类方法研究上，目前仍然甚少。本发明针对大规 模的具有多变量且非等长特性的学生运动生理数据，提出一种高效的、适用于大 规模多变量且非等长的时间序列的聚类分群算法。对于大规模多变量非等长时间 序列的聚类，其难点在于如何解决多变量非等长时间序列的表示、序列间的相似 性度量和算法的并行化。

本发明拟解决上面所提及的大规模运动生理数据(由学生进行有氧耐力测试 跑时所采集的数据，以下简称有氧测试序列)下的聚类分群所涉及的问题。由于 数据量规模很大时，对有氧测试序列的聚类分群需要的时间会较长，导致用户分 群请求响应时延过长，严重影响用户体验，本发明提出一种有效的有氧测试序列 重表示方法，对原始有氧测试序列进行有效的降维和重表示，然后采用 K-means++算法对重表示序列进行聚类，得到聚类分群结果，同时，采用并行计 算加快对大规模有氧测试序列的聚类分群过程，从而实现快速高效地对大规模有 氧测试序列进行聚类分群。

发明内容

本发明要克服现有技术上的缺点，解决如何快速高效地对大规模的多变量非 等有氧测试序列进行聚类分群的问题，提出一种高效的、可并行化的大规模有氧 能力分群方法。