基于神经网络的运动步数数据的运动模式推断方法及系统

本发明提供了一种基于神经网络的运动步数数据的运动模式推断方法，包括系统通过智能设备获取用户的运动步数数据集；数据预处理；划分稀疏的数据集和相对完整的数据集；将完整运动步数样本划分到相应的运动模式中；获取训练好的MLP‑GRU分类模型；将稀疏的数据集输入到训练好的MLP‑GRU分类模型，得到稀疏运动步数数据的多颗粒度运动模式。本发明的多层感知机和门控循环单元一起训练克服了传统方法中补全和分类相分离所带来的缺点；考虑了大多数数据所有的短期依赖性和运动步数数据所独有的长期规律性；多颗粒度运动模式可以保证不同稀疏度的运动步数序列得到一个比较准确的推断结果。
上海交通大学
石可钦 | 孙卫强