尤偉

摘 要： 針對傳統(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，提出一種運動數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法。由于運動數(shù)據(jù)的變化量十分的龐大，同時變化程度也無法用規(guī)律進行推導(dǎo)，因此需要確定運動數(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)性進行高速提取，使用異導(dǎo)函數(shù)對提取的數(shù)據(jù)進行系統(tǒng)的分類。為了保證提出的運動數(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)計對比仿真實驗，通過實驗數(shù)據(jù)表明，提出的運動數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法能夠準確地對運動數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)進行系統(tǒng)分類。

關(guān)鍵詞： 運動數(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)判標識碼； 分類精度

中圖分類號： TN911?34； TP391 文獻標識碼： A 文章編號： 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)、移動模擬感知等外鏈技術(shù)進行運動數(shù)據(jù)的生成。這樣不但能夠進行細致的數(shù)據(jù)定位，還可以進行運動細節(jié)的描素[1?2]。隨著手機APP的應(yīng)用增加，對于移動過程中的數(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)支撐下的運動數(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，選擇出能夠代表運動變化的關(guān)聯(lián)數(shù)據(jù)是十分必要的[3?4]。同時由于運動過程中存在很大的突變性，因此還需要進行一定最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類，分類的目的是針對不同的關(guān)聯(lián)數(shù)據(jù)進行系統(tǒng)的屬性應(yīng)用，這樣可以達到最佳呈現(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移動數(shù)據(jù)進行快速的識別[6?7]。針對上述問題，本文提出一種運動數(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)計的運動數(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)屬性進行高速選取，通過異導(dǎo)函數(shù)對提取的最優(yōu)關(guān)聯(lián)數(shù)據(jù)進行系統(tǒng)的分類。為了有效地驗證本文設(shè)計的運動數(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)境進行仿真實驗，通過實驗數(shù)據(jù)可知，本文設(shè)計的運動數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)的分類方法能夠準確地在運動數(shù)據(jù)中進行最優(yōu)數(shù)據(jù)的選定分類。

1 運動數(shù)據(jù)中的最優(yōu)關(guān)聯(lián)數(shù)據(jù)選取

為了能夠進行有效的關(guān)聯(lián)數(shù)據(jù)的快速分類，本文通過關(guān)聯(lián)屬性，對不同關(guān)聯(lián)數(shù)據(jù)進行快速的選定[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，需要對關(guān)聯(lián)屬性中的最小關(guān)聯(lián)度進行計算，最小關(guān)聯(lián)度是保證運動數(shù)據(jù)有效性的關(guān)鍵所在，過程如下：

式中：表示運動數(shù)據(jù)最低關(guān)聯(lián)度；表示標準關(guān)聯(lián)數(shù)據(jù)質(zhì)子；表示動態(tài)數(shù)據(jù)的突變權(quán)值；表示運動數(shù)據(jù)中的關(guān)聯(lián)變量。關(guān)聯(lián)數(shù)據(jù)與運動維度之間的關(guān)系如圖1所示。

通過式（1）可以計算出最小關(guān)聯(lián)度，確定最小關(guān)聯(lián)度的關(guān)聯(lián)數(shù)據(jù)便具有運動數(shù)據(jù)的代表性。通過擇優(yōu)關(guān)系可以進行最優(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)；表示運動維度的表達關(guān)聯(lián)度；表示同源關(guān)聯(lián)數(shù)據(jù)的非同性屬性的標準焓；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，需要對選定的數(shù)據(jù)進行提取，表示為：

式中：為最優(yōu)關(guān)聯(lián)數(shù)據(jù)進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）完成對最優(yōu)關(guān)聯(lián)數(shù)據(jù)的選定，同時為移動數(shù)據(jù)的有效分類進行了鋪墊。endprint

本文設(shè)計的運動數(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行異導(dǎo)函數(shù)的應(yīng)用。使用異導(dǎo)函數(shù)需要對選取的最優(yōu)關(guān)聯(lián)函數(shù)進行預(yù)處理，這樣方便進行數(shù)據(jù)分級，表示如下：

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

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、所屬關(guān)聯(lián)屬性級；表示標準異導(dǎo)權(quán)值。通過標準化的異導(dǎo)函數(shù)值能夠保證精細分類的精準化，經(jīng)使用異導(dǎo)函數(shù)進行分類還需要進行條件的限定，公式如下：

式中：表示能夠異導(dǎo)限定條件；表示達到最優(yōu)關(guān)聯(lián)數(shù)據(jù)的標準；表示異導(dǎo)極值的絕對值，異導(dǎo)極值具有雙向性，在表達形式上需要引進絕對值；表示過程變量；表示應(yīng)接參數(shù)。通過式（6）完成對運動數(shù)據(jù)中最有關(guān)聯(lián)數(shù)據(jù)的分類。

2 仿真實驗分析

2.1 參數(shù)設(shè)定

為了保證設(shè)計的運動數(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，對參數(shù)進行設(shè)定，運動數(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)進行有效提取過程的提取差計量為18.56。本文設(shè)計的模擬實驗過程如圖3所示。

2.2 結(jié)果分析

在實驗過程中，記錄傳統(tǒng)關(guān)聯(lián)數(shù)據(jù)分類方法與本文設(shè)計的關(guān)聯(lián)數(shù)據(jù)分類方法的實驗結(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)計的運動數(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)進行多種類的細化提取，保證了分類過程的準確性。

如圖6所示，本文設(shè)計的運動數(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確細致地對運動數(shù)據(jù)進行系統(tǒng)的分類。

3 結(jié) 語

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

參考文獻

[1] 王秋，蔣華瑩，石婭婭，等.小兒腦性癱瘓類型與粗大運動功能分級的關(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