基于复杂网络的运动能力在线评估系统设计

摘 要： 针对现有的人体运动能力在线评估系统一直存在评估效果差、性能低的问题，提出并设计基于复杂网络的运动能力在线评估系统。通过框架结构设计与评估子系统设计，完成系统的硬件搭建。在软件设计过程中，主要通过对运动评估界限及运动信息库进行设计，并给出整体结构分析情况，结合软硬件部分，完成人体运动能力在线评估系统的设计。实验结果表明，上述系统对于人体运动能力评估的准确性明显高于传统评估系统，且其评估效果较好、性能较高，具有一定的优势。

关键词： 复杂网络； 人体运动； 运动能力； 在线评估系统； 运动评估； 运动信息库

中图分类号： TN711⁃34； TP277 文献标识码： A 文章编号： 1004⁃373X（2018）02⁃0116⁃04

Abstract： In allusion to the problems existing in online human exercise ability evaluation system for its poor evaluation effect and low evaluation performance， an online motion ability evaluation system based on complex network is proposed and designed. The architecture structure and evaluation subsystem are designed for hardware establishment of the system. During the process of software design， combined with the hardware part， motion evaluation limits and motion information database are designed and the overall structure analysis is given to accomplish the design of the online human motion ability evaluation system. The experimental results show that the above system has much higher accuracy for human exercise ability evaluation than the traditional evaluation system， and has certain advantages in its evaluation effect and evaluation performance.

Keywords： complex network； human exercise； motion ability； online evaluation system； motion evaluation； motion information database

0 引 言

现有的人体运动在线评估系统，主要在J2EE平台的基础上，建立Web服务器的整体框架结构，应用SQL Server 2000作为后台数据库服务器。这种Web服务器与SQL Server 2000数据库服务器相结合的运行模式，可以对采集到人体运动信息进行综合分析处理，且可以根据个人运动差异，做出最为人性化人体运动评估。但从系统层次方面来考虑，这种传统模式，构建过程过于复杂、繁琐，且不能完全发挥系统自身的督促作用[1]。为了有效改善这种现状，提升参与者的人体运动能力，设计了一种新型的、基于复杂网络的人体运动在線评估系统。应用此系统对人体运动情况进行在线评估，可以有效提高评估准确性，且能充分发挥系统自身的督促作用，达到提升人体运动能力的目的。

1 评估系统硬件及子系统设计

系统硬件设计过程中，为了保证系统在运行过程中出现系统稳定性差的问题，按照如下步骤对系统硬件进行设计。

1.1 硬件架构设计

一般来说，基于复杂网络的人体运动在线评估系统的硬件架构，需要具有查询分析、决策分析、能力评估等模块，且整体架构可以根据各运动用户信息的不同，保持查询时显示信息的差异性[2]。对于硬件架构来说，在面对一个新用户时，首先要将其相关个人信息进行录入，并根据每个用户的相关信息，设定具体的权限管理服务。其具体架构框图如图1所示。

1.2 人体运动评估子系统设计

人体运动评估子系统，可以分为人体运动能力评估准备、评估打分、运动能力计算、运动能力显示4个模块，详细设计如图2所示。

图2中：人体运动能力评估准备模块，主要根据运动人员的平时运动，确定后续评分所遵循的权值；评估打分模块会对运动人员的绩效成绩以及个人能力做出真实性评估[3]，并根据评估结果拟合出最为合理的个人能力水平；能力计算与能力显示模块，则是配合评估打分模块的运行，将人体运动评估结果进行相应的加工，并最终进行显示[4]。

2 系统软件设计及实现

硬件环节是保证系统正常运行的关键部分，软件环节则是系统运行的实施重点，只有二者的相互结合，才能使系统的各个环节逐渐趋于完善[5]，还需按照如下部分完成系统的软件环节设计。

2.1 运动评估界限分析

点权值是复杂网络基础构建的重要环节，也是评估系统软件实施的重点。假设对每一个运动人员的人体运动都需要评估，可以表示为一个多边形，且每个多边形的节点数都为，边数都为，设人体运动源节点为，该点的点权值为，其余所有节点分别为，且它们的点权值均为0。则相邻人体运动信息节点与之间权值与边界进行确定，可提高评估系统能力，情况共分为如下3种：

1） 与之间距离等于指定距离，则边界数，点权值，则人体运动能力一般；

2） 与之间距离未到达指定距离，则边界数，点权值，则人体运动能力较差；

3） 与之间距离超过指定距离，则边界数，点权值，则人体运动能力较好。

2.2 人体运动信息库设计

基于复杂网络的人体运动在线评估系统软件信息库[6]，负责多个子系统之间连接与沟通，其主要信息传输流程如图3所示。

如果从逻辑关系上来分析，当信息库接收到运动人员的评估请求时，会自动在后台信息库中，调取与之相关的信息，并通过对信息的重组与分析，得出最准确的评估结果，最终将该结果以查询结果的方式显示在窗口之中[7]。详细逻辑关系如图4所示。

通过逻辑关系的约束以及与相关子系统的沟通，即可完成系统软件的信息库搭建。

2.3 整体系统的实现

通过上述过程，完成了基于复杂网络的人体运动在线评估系统整体设计[8]。为了保证系统正常运行，通常情况下，应用运动能力评估模块的评估得分计算人体运动情况[9]，完成系统的设计，具体过程如图5所示。

根据图5所显示操作工程，对系统进行运行，便可保证该系统顺利实现，至此便完成了系统设计全部过程。

3 实验结果与分析

为了验证该人体运动在线评估系统的实用性价值，以10名人体运动爱好者作为实验对象，将他们随机分为2组，其中1组作为实验组，另1组作为对照组。在实验开始前，首先对各实验对象的相关身体参数进行调查，并根据他们各自的身体参数，设置实验参数。

3.1 实验参数设置

实验参数设置表如表1所示。其中STS，MCS，FCF，ECF分别代表骨骼强度、肌肉强度、力量系数、耐力系数，MEI代表最大运动强度，SAL代表人体能力水平，这两项指标并无具体数值，仅用相应等级代表。为了保证实验的公平性，实验组与对照组的参数均保持一致。

3.2 运动能力评估的准确性对比

在完成参数的设置之后，令10名实验对象同时学习健美操运动，并对他们所需的跑步学习时间等信息进行记录[10]。应用在线评估系统对实验组5人的信息进行分析，应用普通系统对对照组5人的信息进行分析，将2组分析结果的准确性进行对比，结果如图6所示。

图6中的实线代表标准运动评估曲线，点实线代表实验组的评估准确性曲线，虚线代表对照组的评估准确性曲线。根据图6中曲线的分布状态，可以发现，实验组的评估结果准确性曲线，均匀分布在标准曲线两端，且代表5名实验对象的点，全部位于曲线上；而对照组的评估结果准确性曲线，全部位于标准曲线下方，且代表5名实验对象的点，也随机分布在虚线附近。因此，可以证明，基于复杂网络的人体运动在线评估系统，比普通系统具有更高的评估准确性。

3.3 差異性体现对比

在完成评估准确性对比之后，在上述评估结果的基础上，分析2个系统对5名实验对象个体之间差异性的体现情况，具体结果如图7、图8所示。

通过图7与图8的对比，可以发现，代表实验组5名实验对象的点，都各自独立分布，个体之间均能保持一定的距离；而代表对照组5名实验对象的点，仅有1个能独立分布，另外4个点均两两连接在一起。因此，可以证明，基于复杂网络的人体运动在线评估系统，比普通系统更能体现不同个体之间的差异性。

4 结 语

为了解决现有人体运动在线评估系统，构建过程过于复杂，且不能有效发挥系统自身的督促作用的问题，设计了一种新型在线能力评估系统。通过框架结构设计与评估子系统设计，完成了系统的硬件搭建；通过点权值及边界值设定、数据库的设计，完成系统的软件构建，并设计了对比实验，证明该系统确实比普通系统具有更高的实用性价值。

注：本文通讯作者为姚海霞。

参考文献

[1] 刘志刚，任达.基于复杂网络的创业板指数动力学特征分析[J].武汉理工大学学报（信息与管理工程版），2015，17（2）：224⁃227.

LIU Zhigang， REN Da. Dynamic characteristics analysis on growth enterprises index based on complex network [J]. Journal of Wuhan University of Technology （Information & Management Engineering）， 2015， 17（2）： 224⁃227.

[2] 阎高伟，张梦蓓，程永强，等.基于复杂网络的自动化专业知识体系分析[J].电气电子教学学报，2016，38（4）：1⁃5.

YAN Gaowei， ZHANG Mengbei， CHENG Yongqiang， et al. Analysis of automation discipline knowledge system based on complex network [J]. Journal of electrical & electronic education， 2016， 38（4）： 1⁃5.

[3] 李永奎，庞达，李东宇，等.基于元网络的项目组织学习能力对任务完成影响评价仿真方法[J].系统工程理论与实践，2016，36（5）：1252⁃1260.

LI Yongkui， PANG Da， LI Dongyu， et al. Meta⁃network simulation to evaluate the effect of project organization learning ability on task completion [J]. Systems engineering — theory & practice， 2016， 36（5）： 1252⁃1260.

[4] 朱晓静，林元乖.基于虚拟化实验环境的网络信息安全课程的实践教学改革[J].琼州学院学报，2015，22（5）：120⁃124.

ZHU Xiaojing， LIN Yuanguai. Practical teaching reform for the course of network information security based on the virtual experiment environment [J]. Journal of Qiongzhou University， 2015， 22（5）： 120⁃124.

[5] 雷亚国，贾峰，周昕，等.基于深度学习理论的机械装备大数据健康监测方法[J].机械工程学报，2015，51（21）：49⁃56.

LEI Yaguo， JIA Feng， ZHOU Xin， et al. A deep learning⁃based method for machinery health monitoring with big data [J]. Journal of mechanical engineering， 2015， 51（21）： 49⁃56.

[6] 邓波，陆颖隽，王如志.一种基于CRO的高阶神经网络多示例学习方法[J].计算机科学，2017，44（3）：264⁃267.

DENG Bo， LU Yingjun， WANG Ruzhi. Multiple⁃instance learning method based on CRO high order neural networks [J]. Computer science， 2017， 44（3）： 264⁃267.

[7] 吴瑀倩，李静，吴晓舟，等.基于深度信念网络的民航发动机状态监测[J].计算机测量与控制，2017，25（7）：28⁃31.

WU Yuqian， LI Jing， WU Xiaozhou， et al. Civil aviation engine health condition monitoring based on DBN deep learning theory [J]. Computer measurement & control， 2017， 25（7）： 28⁃31.

[8] 韩书键，孔辉，顾永环.基于复杂网络的电子对抗情报保障效能评估指标体系[J].国防科技，2015，36（2）：38⁃42.

HAN Shujian， KONG Hui， GU Yonghuan. Index system of electronic countermeasure intelligence assurance system effect evaluation based on complex network [J]. National defense science & technology， 2015， 36（2）： 38⁃42.

[9] 吴辉，彭敏放，张海艳，等.基于复杂网络理论的配电网节点脆弱度评估[J].复杂系统与复杂性科学，2017，14（1）：38⁃45.

WU Hui， PENG Minfang， ZHANG Haiyan， et al. Node vulnerability assessment for distribution network based on complex network theory [J]. Complex systems and complexity science， 2017， 14（1）： 38?45.

[10] 郑文强，陈云翔，庄骏，等.基于复杂网络理论的航材配送网络抗毁性分析[J].火力与指挥控制，2015（2）：128⁃132.

ZHENG Wenqiang， CHEN Yunxiang， ZHUANG Jun. Invulnerability analysis of aircraft material distribution network based on complex network theory [J]. Fire control & command control， 2015（2）： 128⁃132.

推荐访问:在线 评估 能力 运动 设计