基于復雜網絡的運動能力在線評估系統設計

韓麗婷+呼德+姚海霞

摘 要： 針對現有的人體運動能力在線評估系統一直存在評估效果差、性能低的問題，提出并設計基于復雜網絡的運動能力在線評估系統。通過框架結構設計與評估子系統設計，完成系統的硬件搭建。在軟件設計過程中，主要通過對運動評估界限及運動信息庫進行設計，并給出整體結構分析情況，結合軟硬件部分，完成人體運動能力在線評估系統的設計。實驗結果表明，上述系統對于人體運動能力評估的準確性明顯高于傳統評估系統，且其評估效果較好、性能較高，具有一定的優勢。

關鍵詞： 復雜網絡； 人體運動； 運動能力； 在線評估系統； 運動評估； 運動信息庫

中圖分類號： TN711?34； TP277 文獻標識碼： A 文章編號： 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

現有的人體運動在線評估系統，主要在J2EE平臺的基礎上，建立Web服務器的整體框架結構，應用SQL Server 2000作為后臺數據庫服務器。這種Web服務器與SQL Server 2000數據庫服務器相結合的運行模式，可以對采集到人體運動信息進行綜合分析處理，且可以根據個人運動差異，做出最為人性化人體運動評估。但從系統層次方面來考慮，這種傳統模式，構建過程過于復雜、繁瑣，且不能完全發揮系統自身的督促作用[1]。為了有效改善這種現狀，提升參與者的人體運動能力，設計了一種新型的、基于復雜網絡的人體運動在線評估系統。應用此系統對人體運動情況進行在線評估，可以有效提高評估準確性，且能充分發揮系統自身的督促作用，達到提升人體運動能力的目的。

1 評估系統硬件及子系統設計

系統硬件設計過程中，為了保證系統在運行過程中出現系統穩定性差的問題，按照如下步驟對系統硬件進行設計。

1.1 硬件架構設計

一般來說，基于復雜網絡的人體運動在線評估系統的硬件架構，需要具有查詢分析、決策分析、能力評估等模塊，且整體架構可以根據各運動用戶信息的不同，保持查詢時顯示信息的差異性[2]。對于硬件架構來說，在面對一個新用戶時，首先要將其相關個人信息進行錄入，并根據每個用戶的相關信息，設定具體的權限管理服務。其具體架構框圖如圖1所示。

1.2 人體運動評估子系統設計

人體運動評估子系統，可以分為人體運動能力評估準備、評估打分、運動能力計算、運動能力顯示4個模塊，詳細設計如圖2所示。

圖2中：人體運動能力評估準備模塊，主要根據運動人員的平時運動，確定后續評分所遵循的權值；評估打分模塊會對運動人員的績效成績以及個人能力做出真實性評估[3]，并根據評估結果擬合出最為合理的個人能力水平；能力計算與能力顯示模塊，則是配合評估打分模塊的運行，將人體運動評估結果進行相應的加工，并最終進行顯示[4]。

2 系統軟件設計及實現

硬件環節是保證系統正常運行的關鍵部分，軟件環節則是系統運行的實施重點，只有二者的相互結合，才能使系統的各個環節逐漸趨于完善[5]，還需按照如下部分完成系統的軟件環節設計。

2.1 運動評估界限分析

點權值是復雜網絡基礎構建的重要環節，也是評估系統軟件實施的重點。假設對每一個運動人員的人體運動都需要評估，可以表示為一個多邊形，且每個多邊形的節點數都為，邊數都為，設人體運動源節點為，該點的點權值為，其余所有節點分別為，且它們的點權值均為0。則相鄰人體運動信息節點與之間權值與邊界進行確定，可提高評估系統能力，情況共分為如下3種：endprint

1） 與之間距離等于指定距離，則邊界數，點權值，則人體運動能力一般；

2） 與之間距離未到達指定距離，則邊界數，點權值，則人體運動能力較差；

3） 與之間距離超過指定距離，則邊界數，點權值，則人體運動能力較好。

2.2 人體運動信息庫設計

基于復雜網絡的人體運動在線評估系統軟件信息庫[6]，負責多個子系統之間連接與溝通，其主要信息傳輸流程如圖3所示。

如果從邏輯關系上來分析，當信息庫接收到運動人員的評估請求時，會自動在后臺信息庫中，調取與之相關的信息，并通過對信息的重組與分析，得出最準確的評估結果，最終將該結果以查詢結果的方式顯示在窗口之中[7]。詳細邏輯關系如圖4所示。

通過邏輯關系的約束以及與相關子系統的溝通，即可完成系統軟件的信息庫搭建。

2.3 整體系統的實現

通過上述過程，完成了基于復雜網絡的人體運動在線評估系統整體設計[8]。為了保證系統正常運行，通常情況下，應用運動能力評估模塊的評估得分計算人體運動情況[9]，完成系統的設計，具體過程如圖5所示。

根據圖5所顯示操作工程，對系統進行運行，便可保證該系統順利實現，至此便完成了系統設計全部過程。

3 實驗結果與分析

為了驗證該人體運動在線評估系統的實用性價值，以10名人體運動愛好者作為實驗對象，將他們隨機分為2組，其中1組作為實驗組，另1組作為對照組。在實驗開始前，首先對各實驗對象的相關身體參數進行調查，并根據他們各自的身體參數，設置實驗參數。

3.1 實驗參數設置

實驗參數設置表如表1所示。其中STS，MCS，FCF，ECF分別代表骨骼強度、肌肉強度、力量系數、耐力系數，MEI代表最大運動強度，SAL代表人體能力水平，這兩項指標并無具體數值，僅用相應等級代表。為了保證實驗的公平性，實驗組與對照組的參數均保持一致。

3.2 運動能力評估的準確性對比

在完成參數的設置之后，令10名實驗對象同時學習健美操運動，并對他們所需的跑步學習時間等信息進行記錄[10]。應用在線評估系統對實驗組5人的信息進行分析，應用普通系統對對照組5人的信息進行分析，將2組分析結果的準確性進行對比，結果如圖6所示。

圖6中的實線代表標準運動評估曲線，點實線代表實驗組的評估準確性曲線，虛線代表對照組的評估準確性曲線。根據圖6中曲線的分布狀態，可以發現，實驗組的評估結果準確性曲線，均勻分布在標準曲線兩端，且代表5名實驗對象的點，全部位于曲線上；而對照組的評估結果準確性曲線，全部位于標準曲線下方，且代表5名實驗對象的點，也隨機分布在虛線附近。因此，可以證明，基于復雜網絡的人體運動在線評估系統，比普通系統具有更高的評估準確性。

3.3 差異性體現對比

在完成評估準確性對比之后，在上述評估結果的基礎上，分析2個系統對5名實驗對象個體之間差異性的體現情況，具體結果如圖7、圖8所示。

通過圖7與圖8的對比，可以發現，代表實驗組5名實驗對象的點，都各自獨立分布，個體之間均能保持一定的距離；而代表對照組5名實驗對象的點，僅有1個能獨立分布，另外4個點均兩兩連接在一起。因此，可以證明，基于復雜網絡的人體運動在線評估系統，比普通系統更能體現不同個體之間的差異性。

4 結 語

為了解決現有人體運動在線評估系統，構建過程過于復雜，且不能有效發揮系統自身的督促作用的問題，設計了一種新型在線能力評估系統。通過框架結構設計與評估子系統設計，完成了系統的硬件搭建；通過點權值及邊界值設定、數據庫的設計，完成系統的軟件構建，并設計了對比實驗，證明該系統確實比普通系統具有更高的實用性價值。

注：本文通訊作者為姚海霞。

參考文獻

[1] 劉志剛，任達.基于復雜網絡的創業板指數動力學特征分析[J].武漢理工大學學報（信息與管理工程版），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] 閻高偉，張夢蓓，程永強，等.基于復雜網絡的自動化專業知識體系分析[J].電氣電子教學學報，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，龐達，李東宇，等.基于元網絡的項目組織學習能力對任務完成影響評價仿真方法[J].系統工程理論與實踐，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.endprint

[4] 朱曉靜，林元乖.基于虛擬化實驗環境的網絡信息安全課程的實踐教學改革[J].瓊州學院學報，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] 雷亞國，賈峰，周昕，等.基于深度學習理論的機械裝備大數據健康監測方法[J].機械工程學報，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] 鄧波，陸穎雋，王如志.一種基于CRO的高階神經網絡多示例學習方法[J].計算機科學，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] 吳瑀倩，李靜，吳曉舟，等.基于深度信念網絡的民航發動機狀態監測[J].計算機測量與控制，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] 韓書鍵，孔輝，顧永環.基于復雜網絡的電子對抗情報保障效能評估指標體系[J].國防科技，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] 吳輝，彭敏放，張海艷，等.基于復雜網絡理論的配電網節點脆弱度評估[J].復雜系統與復雜性科學，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] 鄭文強，陳云翔，莊駿，等.基于復雜網絡理論的航材配送網絡抗毀性分析[J].火力與指揮控制，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.endprint