運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類分析

尤偉

摘 要： 針對(duì)傳統(tǒng)關(guān)聯(lián)數(shù)據(jù)分類方法一直存在分類精度差的問題，提出一種運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法。由于運(yùn)動(dòng)數(shù)據(jù)的變化量十分的龐大，同時(shí)變化程度也無法用規(guī)律進(jìn)行推導(dǎo)，因此需要確定運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)，通過最優(yōu)關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)性進(jìn)行高速提取，使用異導(dǎo)函數(shù)對(duì)提取的數(shù)據(jù)進(jìn)行系統(tǒng)的分類。為了保證提出的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法的有效性，設(shè)計(jì)對(duì)比仿真實(shí)驗(yàn)，通過實(shí)驗(yàn)數(shù)據(jù)表明，提出的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法能夠準(zhǔn)確地對(duì)運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)進(jìn)行系統(tǒng)分類。

關(guān)鍵詞： 運(yùn)動(dòng)數(shù)據(jù)； 最優(yōu)關(guān)聯(lián)數(shù)據(jù)； 數(shù)據(jù)分類； 隸屬關(guān)系； 預(yù)判標(biāo)識(shí)碼； 分類精度

中圖分類號(hào)： TN911?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）02?0179?04

Abstract： Aiming at the problem of low classification accuracy in traditional association data classification methods， a classifying method for optimal association data in motion data is proposed. As the variable quantity of motion data is very large， and the change degree also can not be deduced， the optimal relevance data in motion data needs to be determined. The high?speed extraction is carried out by the relation of the optimal relational data. The data extracted by different guide function is adopted to perform a systematic classification. In order to ensure the effectiveness of the classification method of optimal correlation data in the extracted motion data， the comparison and simulation experiment is designed. The experimental data show that the classification method of optimal correlation data in the motion data can do systematic classification of the optimal association data in the motion data accurately.

Keywords： motion data； optimal association data； data classification； membership relation； pre?judgement identification code； classification accuracy

0 引 言

使用定位記錄數(shù)據(jù)的方法由單一的GPS技術(shù)發(fā)展衍生至今，已經(jīng)可以通過高頻震蕩、虛擬演示技術(shù)、移動(dòng)模擬感知等外鏈技術(shù)進(jìn)行運(yùn)動(dòng)數(shù)據(jù)的生成。這樣不但能夠進(jìn)行細(xì)致的數(shù)據(jù)定位，還可以進(jìn)行運(yùn)動(dòng)細(xì)節(jié)的描素[1?2]。隨著手機(jī)APP的應(yīng)用增加，對(duì)于移動(dòng)過程中的數(shù)據(jù)表示過程使用的是最優(yōu)關(guān)聯(lián)數(shù)據(jù)，但是在不同技術(shù)支撐下的運(yùn)動(dòng)數(shù)據(jù)所生成的關(guān)聯(lián)數(shù)據(jù)是有所不同的，特別是在最優(yōu)關(guān)聯(lián)數(shù)據(jù)的選取過程中，選擇出能夠代表運(yùn)動(dòng)變化的關(guān)聯(lián)數(shù)據(jù)是十分必要的[3?4]。同時(shí)由于運(yùn)動(dòng)過程中存在很大的突變性，因此還需要進(jìn)行一定最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類，分類的目的是針對(duì)不同的關(guān)聯(lián)數(shù)據(jù)進(jìn)行系統(tǒng)的屬性應(yīng)用，這樣可以達(dá)到最佳呈現(xiàn)的目的[5]。但是傳統(tǒng)關(guān)聯(lián)數(shù)據(jù)的分類方法中無法對(duì)移動(dòng)數(shù)據(jù)進(jìn)行快速的識(shí)別[6?7]。針對(duì)上述問題，本文提出一種運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法。本文設(shè)計(jì)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法使用最優(yōu)關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)屬性進(jìn)行高速選取，通過異導(dǎo)函數(shù)對(duì)提取的最優(yōu)關(guān)聯(lián)數(shù)據(jù)進(jìn)行系統(tǒng)的分類。為了有效地驗(yàn)證本文設(shè)計(jì)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法的有效性，模擬了應(yīng)用環(huán)境進(jìn)行仿真實(shí)驗(yàn)，通過實(shí)驗(yàn)數(shù)據(jù)可知，本文設(shè)計(jì)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法能夠準(zhǔn)確地在運(yùn)動(dòng)數(shù)據(jù)中進(jìn)行最優(yōu)數(shù)據(jù)的選定分類。

1 運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)選取

為了能夠進(jìn)行有效的關(guān)聯(lián)數(shù)據(jù)的快速分類，本文通過關(guān)聯(lián)屬性，對(duì)不同關(guān)聯(lián)數(shù)據(jù)進(jìn)行快速的選定[8?9]。由于不同的關(guān)聯(lián)數(shù)據(jù)具有的關(guān)聯(lián)性不同，需要對(duì)關(guān)聯(lián)屬性中的最小關(guān)聯(lián)度進(jìn)行計(jì)算，最小關(guān)聯(lián)度是保證運(yùn)動(dòng)數(shù)據(jù)有效性的關(guān)鍵所在，過程如下：

式中：表示運(yùn)動(dòng)數(shù)據(jù)最低關(guān)聯(lián)度；表示標(biāo)準(zhǔn)關(guān)聯(lián)數(shù)據(jù)質(zhì)子；表示動(dòng)態(tài)數(shù)據(jù)的突變權(quán)值；表示運(yùn)動(dòng)數(shù)據(jù)中的關(guān)聯(lián)變量。關(guān)聯(lián)數(shù)據(jù)與運(yùn)動(dòng)維度之間的關(guān)系如圖1所示。

通過式（1）可以計(jì)算出最小關(guān)聯(lián)度，確定最小關(guān)聯(lián)度的關(guān)聯(lián)數(shù)據(jù)便具有運(yùn)動(dòng)數(shù)據(jù)的代表性。通過擇優(yōu)關(guān)系可以進(jìn)行最優(yōu)關(guān)聯(lián)數(shù)據(jù)的選定，表示為：

式中：表示關(guān)聯(lián)數(shù)據(jù)的擇優(yōu)關(guān)系指數(shù)；表示運(yùn)動(dòng)維度的表達(dá)關(guān)聯(lián)度；表示同源關(guān)聯(lián)數(shù)據(jù)的非同性屬性的標(biāo)準(zhǔn)焓；表示基函數(shù)系數(shù)；表示關(guān)聯(lián)極值差；表示數(shù)據(jù)陳列關(guān)系。選定最優(yōu)關(guān)聯(lián)數(shù)據(jù)后，需要對(duì)選定的數(shù)據(jù)進(jìn)行提取，表示為：

式中：為最優(yōu)關(guān)聯(lián)數(shù)據(jù)進(jìn)行提取過程中的提取穩(wěn)定值；為融合參照系數(shù)。通過式（2）、式（3）完成對(duì)最優(yōu)關(guān)聯(lián)數(shù)據(jù)的選定，同時(shí)為移動(dòng)數(shù)據(jù)的有效分類進(jìn)行了鋪墊。endprint

本文設(shè)計(jì)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法，使用的是異導(dǎo)函數(shù)進(jìn)行系統(tǒng)的分類。在分類過程中經(jīng)過最優(yōu)關(guān)聯(lián)數(shù)據(jù)的有效選取，每一條最優(yōu)關(guān)聯(lián)數(shù)據(jù)的屬性都兼?zhèn)渲崛》€(wěn)定性。根據(jù)上述的屬性便可以進(jìn)行異導(dǎo)函數(shù)的應(yīng)用。使用異導(dǎo)函數(shù)需要對(duì)選取的最優(yōu)關(guān)聯(lián)函數(shù)進(jìn)行預(yù)處理，這樣方便進(jìn)行數(shù)據(jù)分級(jí)，表示如下：

式中：表示最優(yōu)關(guān)聯(lián)數(shù)據(jù)的預(yù)判標(biāo)識(shí)碼，通過標(biāo)識(shí)碼可以進(jìn)行大致的屬性劃分，這樣能夠保證在進(jìn)行精確劃分過程中的準(zhǔn)確度以及分類速度；表示數(shù)據(jù)能級(jí)參量，數(shù)據(jù)能級(jí)參量能夠把數(shù)據(jù)進(jìn)行4個(gè)等級(jí)的劃分，每次會(huì)根據(jù)不同的關(guān)聯(lián)度以及指標(biāo)進(jìn)行關(guān)聯(lián)劃分，如圖2所示；表示信息自身混亂度，自身混亂度會(huì)在一定程度上影響分類過程；表示異動(dòng)參數(shù)，異動(dòng)參數(shù)是衡量關(guān)聯(lián)數(shù)據(jù)的標(biāo)量性的基本參量。

經(jīng)過預(yù)處理后的最優(yōu)關(guān)聯(lián)數(shù)據(jù)便可以進(jìn)行異導(dǎo)函數(shù)的分類，過程如下：

式中：，分別表示所屬數(shù)據(jù)能級(jí)、所屬關(guān)聯(lián)屬性級(jí)；表示標(biāo)準(zhǔn)異導(dǎo)權(quán)值。通過標(biāo)準(zhǔn)化的異導(dǎo)函數(shù)值能夠保證精細(xì)分類的精準(zhǔn)化，經(jīng)使用異導(dǎo)函數(shù)進(jìn)行分類還需要進(jìn)行條件的限定，公式如下：

式中：表示能夠異導(dǎo)限定條件；表示達(dá)到最優(yōu)關(guān)聯(lián)數(shù)據(jù)的標(biāo)準(zhǔn)；表示異導(dǎo)極值的絕對(duì)值，異導(dǎo)極值具有雙向性，在表達(dá)形式上需要引進(jìn)絕對(duì)值；表示過程變量；表示應(yīng)接參數(shù)。通過式（6）完成對(duì)運(yùn)動(dòng)數(shù)據(jù)中最有關(guān)聯(lián)數(shù)據(jù)的分類。

2 仿真實(shí)驗(yàn)分析

2.1 參數(shù)設(shè)定

為了保證設(shè)計(jì)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法的有效性，對(duì)參數(shù)進(jìn)行設(shè)定，運(yùn)動(dòng)數(shù)據(jù)中的關(guān)聯(lián)變量在[89.2，90.65]值域范圍之內(nèi)，設(shè)置數(shù)據(jù)進(jìn)行有效提取過程的提取差計(jì)量為18.56。本文設(shè)計(jì)的模擬實(shí)驗(yàn)過程如圖3所示。

2.2 結(jié)果分析

在實(shí)驗(yàn)過程中，記錄傳統(tǒng)關(guān)聯(lián)數(shù)據(jù)分類方法與本文設(shè)計(jì)的關(guān)聯(lián)數(shù)據(jù)分類方法的實(shí)驗(yàn)結(jié)果。傳統(tǒng)關(guān)聯(lián)數(shù)據(jù)分類方法的最優(yōu)關(guān)聯(lián)數(shù)據(jù)提取類別如圖4所示。

本文設(shè)計(jì)的關(guān)聯(lián)數(shù)據(jù)分類方法的最優(yōu)關(guān)聯(lián)數(shù)據(jù)提取類別如圖5所示。

通過圖4、圖5可以看出，本文設(shè)計(jì)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法能夠?qū)ψ顑?yōu)關(guān)聯(lián)數(shù)據(jù)進(jìn)行多種類的細(xì)化提取，保證了分類過程的準(zhǔn)確性。

如圖6所示，本文設(shè)計(jì)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法能夠更加準(zhǔn)確細(xì)致地對(duì)運(yùn)動(dòng)數(shù)據(jù)進(jìn)行系統(tǒng)的分類。

3 結(jié) 語

本文提出一種運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法。由于運(yùn)動(dòng)數(shù)據(jù)的變化量十分的龐大，帶有明顯的突變因素，同時(shí)變化程度也無法用規(guī)律進(jìn)行有效的推導(dǎo)，因此在進(jìn)行關(guān)聯(lián)數(shù)據(jù)的分類之前需要進(jìn)行最有關(guān)聯(lián)數(shù)據(jù)的選定，本文設(shè)計(jì)的運(yùn)動(dòng)數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法使用最優(yōu)關(guān)聯(lián)數(shù)據(jù)的關(guān)聯(lián)屬性進(jìn)行高速選取，通過異導(dǎo)函數(shù)對(duì)提取的最優(yōu)關(guān)聯(lián)數(shù)據(jù)進(jìn)行系統(tǒng)的分類。希望通過本文的研究能夠?yàn)檫\(yùn)動(dòng)數(shù)據(jù)的有效使用提供理論依據(jù)。

參考文獻(xiàn)

[1] 王秋，蔣華瑩，石婭婭，等.小兒腦性癱瘓類型與粗大運(yùn)動(dòng)功能分級(jí)的關(guān)聯(lián)性調(diào)查分析[J].現(xiàn)代預(yù)防醫(yī)學(xué)，2015，42（13）：2486?2489.

WANG Qiu， JIANG Huaying， SHI Yaya， et al. Survey on the relationship between the subtype and the gross motor function classification system in children with cerebral palsy [J]. Modern preventive medicine， 2015， 42（13）： 2486?2489.

[2] YAMANE R， TODAKA C， KAWASHIMA K， et al. Analysis of dance motion by correlations between motion data [J]. Transactions of Institute of Electronics， Information and Communication Engineers， 2005， 88： 1652?1661.

[3] WU H， SHARP G C， ZHAO Q， et al. Statistical analysis and correlation discovery of tumor respiratory motion [J]. Physics in medicine & biology， 2007， 52（16）： 4761.

[4] PURKAYASTHA S N， BYRNE M D， O′MALLEY M K. On the correlation between motion data captured from low?cost gaming controllers and high precision encoders [C]// Proceedings of 2012 Annual International Conference of the IEEE Engineering in Medicine and Biology Society （EMBC）. San Diego， CA， USA： IEEE， 2012： 4529?4532.

[5] GLADEN B C， WILLIAMS J， CHAPIN R E. Issues in the statistical analysis of sperm motion data derived from computer?assisted systems [J]. Journal of andrology， 1991， 12（2）： 89.

[6] CHAN M H， SAVATIER T. System using data correlation for predictive encoding of video image data subject to luminance gradients and motion： US， US 5812197 A [P]. 1998.

[7] SALAMAH S， ZHANG L， BRUNNETT G. Hierarchical method for segmentation by classification of motion capture data [M]. [S.l.]： Springer International Publishing， 2015： 169?186.

[8] ZHANG H， GAO X， WU P， et al. A cross?media distance metric learning framework based on multi?view correlation mining and matching [J]. World wide web?internet & web information systems， 2016， 19（2）： 181?197.

[9] MACERONI C， MONTALBAN J， GANDOLFI D， et al. VizieR online data catalog： CoRoT 102918586： a gamma Dor pulsator in a short?period eccentric eclipsing binary [J]. Vizier online data catalog， 2013， 355（2）： 423?430.

[10] 白魚秀，鄭歡歡.基于CRISP?DM模型的移動(dòng)GPRS業(yè)務(wù)關(guān)聯(lián)規(guī)則應(yīng)用研究[J].物聯(lián)網(wǎng)技術(shù)，2017，7（3）：98?100.

BAI Yuxiu. Application and research of correlation rules for mobile GPRS services based on CRISP?DM model [J]. Internet of Things technologies， 2017， 7（3）： 98?100.endprint