隨著人們生活水平的提高,運(yùn)動與健康成為關(guān)注的焦點(diǎn),運(yùn)動監(jiān)測系統(tǒng)也日益受到青睞。目前,市面上的運(yùn)動監(jiān)測系統(tǒng)是針對學(xué)校學(xué)生體育運(yùn)動體質(zhì)監(jiān)測而設(shè)計的,一方面系統(tǒng)側(cè)重于通過穿戴式的硬件設(shè)備進(jìn)行數(shù)據(jù)采集,存在用戶數(shù)量少、數(shù)據(jù)更新慢、系統(tǒng)實(shí)時性低的問題;另一方面系統(tǒng)缺乏對用戶運(yùn)動數(shù)據(jù)的智能化分析,通常只是進(jìn)行簡單的數(shù)據(jù)收集。為此,本文研究了運(yùn)動監(jiān)測系統(tǒng)中的實(shí)時任務(wù)調(diào)度和推薦算法,進(jìn)而實(shí)現(xiàn)了一套應(yīng)用于健身公園的運(yùn)動監(jiān)測系統(tǒng)。本文的主要工作包括以下內(nèi)容:（1）針對現(xiàn)有通過藍(lán)牙基站收集數(shù)據(jù)系統(tǒng)所存在的缺陷,本文通過引入基于任務(wù)裕度和截止時間的動態(tài)優(yōu)先級搶占式調(diào)度算法（Slack-Deadline-First,SDF）,設(shè)計改進(jìn)了現(xiàn)有任務(wù)調(diào)度機(jī)制中的核心調(diào)度算法,有效地避免了多任務(wù)沖突現(xiàn)象,緩解了基站結(jié)點(diǎn)的數(shù)據(jù)通信和數(shù)據(jù)轉(zhuǎn)發(fā)壓力。（2）針對傳統(tǒng)矩陣分解推薦技術(shù)存在的問題,本文提出將隱語義模型應(yīng)用于SVD矩陣分解推薦算法�？紤]到傳統(tǒng)的隱語義模型（Latent Factor Model,LFM）僅適合于顯式反饋數(shù)據(jù),不適合隱式反饋數(shù)據(jù)。為了能更好地利用隱式反饋數(shù)據(jù),使得向不同的用戶推送運(yùn)動指導(dǎo)更加精準(zhǔn),本文在... 

【文章來源】：江蘇大學(xué)江蘇省

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【部分圖文】：

運(yùn)動監(jiān)測系統(tǒng)物聯(lián)網(wǎng)架構(gòu)圖

江蘇大學(xué)工程碩士學(xué)位論文11運(yùn)動監(jiān)測系統(tǒng)軟件平臺主要由三大部分組成，其總體架構(gòu)如圖2.2所示，包括移動客戶端、Web服務(wù)端和Hadoop數(shù)據(jù)處理端。圖2.2運(yùn)動監(jiān)測系統(tǒng)軟件平臺總體架構(gòu)圖（1）用戶通過智能手機(jī)的AndroidAPP（或IOSAPP）登錄到運(yùn)動監(jiān)測系統(tǒng)軟件平臺，然后通過在手機(jī)客戶端的一系列操作轉(zhuǎn)化為Http請求的方式發(fā)送給Web服務(wù)端，后臺服務(wù)器響應(yīng)客戶端的請求，把相應(yīng)的處理結(jié)果返回給用戶。（2）后臺Web服務(wù)端程序是基于SSM框架開發(fā)的。控制層（SpringMVC）Controller層攔截系統(tǒng)中用戶的請求，相當(dāng)于SSH框架中的Struts；業(yè)務(wù)層（Spring）Service層負(fù)責(zé)系統(tǒng)應(yīng)用業(yè)務(wù)模塊的邏輯實(shí)現(xiàn)；持久層（MyBatis）Dao層負(fù)責(zé)和數(shù)據(jù)庫進(jìn)行交互，包括處理CURD操作。（3）Hadoop數(shù)據(jù)處理端是負(fù)責(zé)對數(shù)據(jù)處理以及算法執(zhí)行的部分。Hadoop生態(tài)圈下通過使用Sqoop工具[19]將RDBMS（關(guān)系型數(shù)據(jù)庫）數(shù)據(jù)導(dǎo)入HBase生成HDFS文件，然后使用MapReduce計算框架對數(shù)據(jù)進(jìn)行預(yù)處理生成用戶——隱類矩陣和隱類——運(yùn)動指導(dǎo)矩陣，最后使用SparkStreaming流式處理計算框架實(shí)現(xiàn)在線推薦。2.3.2邏輯結(jié)構(gòu)設(shè)計鑒于SpringMVC、Spring、MyBatis三大框架[20]各自的特點(diǎn)以及整合到一起可以有效提高開發(fā)效率，降低代碼耦合度的優(yōu)勢，本文擬采用當(dāng)下流行的SSM

基于實(shí)時任務(wù)調(diào)度和推薦算法的運(yùn)動監(jiān)測系統(tǒng)研究與實(shí)現(xiàn)12框架完成系統(tǒng)后臺服務(wù)端的開發(fā)工作。下面本文將詳細(xì)闡述系統(tǒng)的邏輯結(jié)構(gòu)設(shè)計部分，具體的邏輯結(jié)構(gòu)示意圖如圖2.3所示。（1）視圖層。視圖層是指系統(tǒng)和用戶之間進(jìn)行交互的界面，在本文中指的是移動手機(jī)客戶端，用戶通過使用APP在進(jìn)行點(diǎn)擊操作的時候（即發(fā)送請求給后臺），發(fā)送數(shù)據(jù)會以http傳輸?shù)姆绞胶蚃SON的數(shù)據(jù)格式傳給后臺，后臺響應(yīng)對應(yīng)操作后把數(shù)據(jù)結(jié)果返回到客戶端。（2）控制層�？刂茖邮墙柚鶶pringMVC框架攔截用戶請求實(shí)現(xiàn)的，其核心是Servlet進(jìn)行分發(fā)控制，將用戶請求通過HandlerMapping去匹配Controller，然后根據(jù)不同的業(yè)務(wù)功能響應(yīng)不同的操作。具體實(shí)現(xiàn)的時候客戶端需要在請求的http路徑中加入method方法和需要提交的參數(shù)，從而調(diào)用后臺服務(wù)程序中不同的功能。（3）業(yè)務(wù)層。業(yè)務(wù)層是由Spring框架按系統(tǒng)功能進(jìn)行劃分，對業(yè)務(wù)邏輯對象進(jìn)行封裝，并以接口形式展現(xiàn)的。具體實(shí)現(xiàn)的時候后臺服務(wù)端的每個功能組件都需要在Spring[21]框架的XML配置文件中進(jìn)行配置才能封裝成接口，這樣做的優(yōu)勢在于提高底層代碼的內(nèi)聚性，降低耦合度。（4）數(shù)據(jù)持久化層。數(shù)據(jù)持久化層是由MyBatis框架實(shí)現(xiàn)的。首先需要定義系統(tǒng)中的實(shí)體類，然后MyBatis框架借助配置文件關(guān)聯(lián)到各實(shí)體類的Mapper文件，而在Mapper文件中需要配置每個類對數(shù)據(jù)庫進(jìn)行的SQL語句映射，最后在每次與數(shù)據(jù)庫交互時，通過sqlSessionFactory拿到一個sqlSession，再執(zhí)行相應(yīng)的SQL命令，這樣可以使數(shù)據(jù)庫底層操作變得透明。圖2.3邏輯結(jié)構(gòu)示意圖

【參考文獻(xiàn)】：
期刊論文
[1]基于HBase的多維索引查詢機(jī)制的優(yōu)化[J]. 徐江峰,譚玉龍.  計算機(jī)應(yīng)用. 2020(02)
[2]健康人文:在推進(jìn)《健康中國行動（2019—2030年）》中的價值[J]. 劉云章,劉于媛,趙金萍.  中國醫(yī)學(xué)倫理學(xué). 2019(12)
[3]“互聯(lián)網(wǎng)+”背景下全民健身公共服務(wù)平臺的發(fā)展——以“群體通”為例[J]. 衛(wèi)國凱.  體育成人教育學(xué)刊. 2019(06)
[4]大數(shù)據(jù)治理助推健康中國行動監(jiān)測評估工作的思考[J]. 汪孔亮.  人口與健康. 2019(09)
[5]面向大數(shù)據(jù)存儲的HBase二級索引設(shè)計[J]. 李斌,郭景維,彭騫.  計算技術(shù)與自動化. 2019(02)
[6]個性化推薦系統(tǒng)綜述[J]. 代麗,樊粵湘.  計算機(jī)時代. 2019(06)
[7]基于嵌入式系統(tǒng)任務(wù)調(diào)度算法的研究[J]. 鄒圣雷.  電子設(shè)計工程. 2019(07)
[8]穿戴式學(xué)生體育運(yùn)動體質(zhì)監(jiān)測系統(tǒng)的設(shè)計研究[J]. 向瑋.  電子設(shè)計工程. 2018(15)
[9]運(yùn)動類APP的品牌利益對體育消費(fèi)行為影響研究——以“咕咚運(yùn)動+”為例[J]. 張茜嵐,王潤極.  南京體育學(xué)院學(xué)報. 2018(05)
[10]基于時間效應(yīng)與隱語義模型的高校圖書館的個性化推薦研究[J]. 李薛劍,劉夢雅,海健強(qiáng),吳雪揚(yáng),余雪莉.  計算機(jī)應(yīng)用與軟件. 2018(05)

博士論文
[1]基于矩陣分解的圖像表示理論及其應(yīng)用研究[D]. 肖延輝.北京交通大學(xué) 2014

碩士論文
[1]基于混合策略的新聞推薦系統(tǒng)設(shè)計與實(shí)現(xiàn)[D]. 鄭寶瑞.北京交通大學(xué) 2019
[2]融合信任模型的協(xié)同過濾推薦算法研究[D]. 何旭.南京郵電大學(xué) 2018
[3]基于Sqoop的數(shù)據(jù)轉(zhuǎn)換平臺設(shè)計與實(shí)現(xiàn)[D]. 尹相儒.南京師范大學(xué) 2018
[4]基于SSM的電力設(shè)備管理系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D]. 侯瑞敏.華北電力大學(xué) 2017
[5]我國體育公園發(fā)展研究[D]. 李丹.北京體育大學(xué) 2015
[6]Linux系統(tǒng)的實(shí)時性研究[D]. 姜南.吉林大學(xué) 2010



本文編號：3517646