本发明属于大数据分析技术领域，尤其涉及一种基于室内空气情况推荐运动方案的方法及系统。
背景技术：
随着城市化的不断推进，体育健身事业也逐渐呈现出新的发展面貌，进入快速发展的新时期新阶段。城市的迅速扩张使得城市建筑用地急速增加，从而减少了人们的室外健身娱乐场所的空间；而且随着生活节奏的加快，人们的生活压力越来越大，由不健康的生活方式而导致的文明病、亚健康等问题日益严重。
现有的运动方案推荐方法一般通过获取心率、卡路里、体脂等人体状况信息经过大数据计算后进行推荐，但在同等人体素质条件下，让人处于不同环境中进行运动，那么即使进行相同的运动并保持相同的运动时间，最后对人体产生的运动效果和运动体验却是不一样的，比如在环境温度零度的情况下和环境温度30度的情况下，就不能向用户推荐同样的运动方案。
申请号为cn201710154571.4的国内发明专利公开了一种基于大数据的户外锻炼规划系统和方法，其具体公开了一种基于大数据的户外锻炼规划系统，包括：集成微处理器、显示屏和操作面板，所述显示屏和操作面板均匀所述集成微处理器通信连接，所述集成微处理器中存储有空气质量历史数据、天气预报历史数据和地图，还包括实时天气监测模块和实时空气质量监测模块，所述实时天气监测模块和实时空气质量监测模块均与所述集成微处理器通信连接；该方法包括：(1)拟定锻炼初始计划；(2)调整锻炼计划；(3)锻炼计划的反馈和调整；该系统规划智能，调整科学、使用方便，该方法能根据用户的要求，基于天气预报和空气质量的历史数据规划锻炼计划，根据每天的实时天气和空气质量调整锻炼计划，并根据用户的反馈调整锻炼计划。该发明中，虽然通过对实时天气和空气质量进行检测，但通过算法与根据实时天气和空气质量推荐运动方案结合度不高，仍需要用户自行通过常识来进行判断后得出运动方案，通过数据不能很全面的推导出结果(即推荐的运动方案)，同时，也不能根据用户进行运动后的行为数据进一步的对运动方案进行优化，帮助用户获得更适合自身的运动方案。
技术实现要素：
本发明针对现有技术存在的问题，提出了一种基于室内空气情况推荐运动方案的方法及系统。
一种基于室内空气情况推荐运动方案的方法，包括以下步骤：
s1.根据获取的室内空气数据集进行聚类运算后获得聚类结果数据；
s2.匹配大数据分析后生成运动方案推荐给用户；
s3.根据用户运动反馈，更新推荐的运动方案。
作为本发明的优选，所述步骤s1之前包括：
s1.0，判断室内空气数据集中的元素是否为单一维度元素，若判断结果为否，则对每个元素进行多维度分离，形成多个单一维度元素空气数据集。
作为本发明的优选，所述步骤s1包括：
s1.1，从所述室内空气数据集中随机取k个中心元素相应形成k个族，其中k为不大于所述室内空气数据集中所有元素个数的正整数且所述中心元素即作该族的中心；
s1.2，计算剩下元素到每个族中心的相异度，并将每个剩下元素归入相异度最小的族中；
s1.3，加权平均获得每个族中新的中心元素；
s1.4，判断新的中心元素与上一次的中心元素之间差距是否小于或等于预设评价指标，若判断结果为否，则利用新的中心元素执行所述步骤1.2；若判断结果为是，则新的中心元素即为聚类结果数据并输出聚类结果数据；
s1.5，判断所述室内空气数据集中是否还有未进行聚类计算的单一维度元素空气数据集，若判断结果为是，则执行所述步骤s1.1；若判断结果为否，则输出各维度的聚类结果数据。
作为本发明的优选，所述步骤s2具体为后台接收聚类结果数据并与后台运动方案数据库进行映射得到k套运动方案。
作为本发明的优选，所述步骤s3包括：
s3.1，记录用户对运动方案的选择，通过记录各个运动方案的被选择次数建立各个运动方案的优先级状态；
s3.2，根据用户体验评价判断是否推荐成功来完善分析模型，调整各个运动方案的优选级状态。
一种基于室内空气情况推荐运动方案的系统，包括：
聚类运行模块，用于根据获取的室内空气数据集进行聚类运算后获得聚类结果数据；
推荐模块，用于匹配大数据分析后生成运动方案推荐给用户；
优化模块，用于根据用户运动反馈，更新推荐的运动方案。
作为本发明的优选，所述聚类运行模块之前包括：
第一判断单元，用于判断室内空气数据集中的元素是否为单一维度元素，若判断结果为否，则对每个元素进行多维度分离，形成多个单一维度元素空气数据集。
作为本发明的优选，所述聚类运行模块包括：
建立族单元，用于从所述室内空气数据集中随机取k个中心元素相应形成k个族，其中k为不大于所述室内空气数据集中所有元素个数的正整数且所述中心元素即作该族的中心；
归并单元，用于计算剩下元素到每个族中心的相异度，并将每个剩下元素归入相异度最小的族中；
加权平均单元，用于加权平均获得每个族中新的中心元素；
第二判断单元，用于判断新的中心元素与上一次的中心元素之间差距是否小于或等于预设评价指标，若判断结果为否，则利用新的中心元素执行所述归并单元；若判断结果为是，则新的中心元素即为聚类结果数据并输出聚类结果数据；
第三判断单元，用于判断所述室内空气数据集中是否还有未进行聚类计算的单一维度元素空气数据集，若判断结果为是，则执行所述建立族单元；若判断结果为否，则输出各维度的聚类结果数据。
作为本发明的优选，所述推荐模块具体为后台接收聚类结果数据并与后台运动方案数据库进行映射得到k套运动方案。
作为本发明的优选，所述优化模块包括：
建立优先级单元，用于记录用户对运动方案的选择，通过记录各个运动方案的被选择次数建立各个运动方案的优先级状态；
调整优先级单元，用于根据用户体验评价判断是否推荐成功来完善分析模型，调整各个运动方案的优选级状态。
作为本发明的有益效果：
1.空气监测器检测到的室内数据来分析出匹配当下室内空气环境适合出用户的运动方案，给用户更合适的推荐，帮助用户通过运动获得更好的身体素质；
2.根据后台记录用户行为数据分析调整推荐给用户的运动方案，更好的根据用户的自身情况来对运动方案进行调整，推荐更匹配用户的运动方案。
附图说明
图1为本发明一种基于室内空气情况推荐运动方案的方法的流程图；
图2为本发明一种基于室内空气情况推荐运动方案的方法中步骤s1的具体流程图；
图3为本发明一种基于室内空气情况推荐运动方案的方法中步骤s3的具体流程图；
图4为本发明一种基于室内空气情况推荐运动方案的系统的框图；
图5为本发明一种基于室内空气情况推荐运动方案的系统中聚类运行模块的具体框图；
图6为本发明一种基于室内空气情况推荐运动方案的系统中优化模块的具体框图。
其中，10、步骤s1，11、步骤s1.1，12、步骤s1.2，13、步骤s1.3，14、步骤s1.4，15、步骤s1.5，20、步骤s2，30、步骤s3，31、步骤s3.1，32、步骤s3.2，100、聚类运行模块，101、建立族单元，102、归并单元，103、加权平均单元，104、第二判断单元，105、第三判断单元，200、推荐模块，300、优化模块，301、建立优先级单元，302、调整优先级单元。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。需要说明的是，在本发明中涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本发明要求的保护范围之内。
在本发明中，通过现有的空气监测器可以检测室内的空气质量，将数据进行结果分析，根据模型分析的结果提供用户合适的运动方案。
以下是本发明的具体实施例并结合附图，对本发明的技术方案作进一步的描述，但本发明并不限于这些实施例。
实施例一
如图1所示，为本实施例中一种基于室内空气情况推荐运动方案的方法的流程图，该方法包括：
s1.根据获取的室内空气数据集进行聚类运算后获得聚类结果数据。
目前大众对于室内空气越来越重视，相关的室内空气质量的监测越来越准确，民众对于空气质量对运动强度及健康的影响越来越认同。在民众进行运动的过程中，又因为时间、空间等原因，很多人选择在自己家中进行锻炼或者在健身房进行多项目的健身，而自己家中或健身房都属于室内空间范畴，空气质量的情况对在空间内进行运动的人影响很大，我们需要针对不同室内空气条件下科学的运动方案来帮助我们更好的进行锻炼。
现有的空气监测器可以准确的检测室内的空气质量情况(如温度、湿度、pm2.5指数、室内采光度等数据)，进行聚类运算，此处优选采用k-means算法(是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则)，经过k-means算法聚类运算后获得聚类结果数据后输出
s2.匹配大数据分析后生成运动方案推荐给用户。
获得输出的聚类结果数据后，在设置有运动方案数据库的后台中进行大数据匹配映射，将聚类结果数据中的每个数据与运动方案数据库进行映射，获得相应的运动方案。其中，聚类结果数据中有多少个数据便获得多少套运动方案，并通过应用程序等手段推送到用户的移动终端上提供用户进行选择。
s3.根据用户运动反馈，更新推荐的运动方案。
根据用户的下一步的选择，来判定本次推荐是否成功，来改进数据分析模型，提高数据分析的正确性。当推荐的运动方案被用户选择后，系统自动对被选择的运动方案进行记录，标准为已选方案，并每次被选择后累加计数；当用户运动后可根据智能穿戴设备记录用户的运动数据、根据应用程序获得用户对运动的评价，进一步的对推荐的运动方案进行优化，在日后推荐给用户更适合用户自身的运动方案。
本技术方案的优势在于，根据室内的空气质量决定了我们室内运动方式的选择，通过空气监测器检测到的室内数据来分析出适合出用户的运动方式，根据后台记录用户行为数据分析调整推荐给用户的运动方案，更好的根据用户的自身情况来对运动方案进行调整，推荐更匹配用户的运动方案，给用户更好的推荐，帮助用户更好的学习生活。
实施例二
所述步骤s1之前包括：
s1.0，判断室内空气数据集中的元素否为单一维度元素，若判断结果为否，则对每个元素进行多维度分离，形成多个单一维度元素空气数据集。
现有的空气监测器可以准确的检测室内的空气质量情况，但空气质量情况可能为单一维度的元素，如温度或湿度或pm2.5指数或采光度，也可能为多维度的元素，每个数据中同时包含了温度、湿度、pm2.5指数、采光度等数据。所以在k-means运算之前需判断室内空气数据集中的元素是否为单一维度元素，如果判断结果为是，则直接进行k-means运算；如果判断结果为否，则要将室内空气数据集中的元素进行维度分离，分离成单一维度元素空气数据集后，一一进行k-means运算。
如图2所示，为本实施例中步骤s1的具体流程图，所述步骤s1包括：
s1.1，从所述室内空气数据集中随机取k个中心元素相应形成k个族，其中k为不大于所述室内空气数据集中所有元素个数的正整数且所述中心元素即作该族的中心。
从所述室内空气数据集中随机取k个元素，作为k个簇的各自的中心，其中，k为不大于所述室内空气数据集中所有元素数的正整数。
例如：输入：k,data[n]，k为族中心(即初始中心点)
c[0]＝data[0],…c[k-1]＝data[k-1]；
s1.2，计算剩下元素到每个族中心的相异度，并将每个剩下元素归入相异度最小的族中。
k-means算法的相似度测度，它是求对应某一初始聚类中心向量v最优分类，使得评价指标j最小。
分别计算剩下的元素到k个簇中心的相异度并将这些元素分别划归到相异度最低的簇。
对于data[0]、…、data[n]，分别与c[0]、…、c[k-1]比较，假定与c[i]差值最少，就标记为i。
s1.3，加权平均获得每个族中新的中心元素。
对于所有标记为i点，重新计算c[i]＝{所有标记为i的data[j]之和}/标记为i的个数。
s1.4，判断新的中心元素与上一次的中心元素之间差距是否小于或等于预设评价指标，若判断结果为否，则利用新的中心元素执行所述步骤1.2；若判断结果为是，则新的中心元素即为聚类结果数据并输出聚类结果数据。
根据聚类结果，如果新的中心元素与上一次的中心元素之间差距小于或等于预设评价指标j，则直接输出聚类结果数据。如果新的中心元素与上一次的中心元素之间差距大于预设评价指标j，则重新计算k个簇各自的中心等到差距小于或等于预设评价指标j后再输出聚类结果数据。
s1.5，判断是否所述室内空气数据集中是否还有未进行聚类计算的单一维度元素空气数据集，若判断结果为是，则执行所述步骤s1.1；若判断结果为否，则输出各维度的聚类结果数据。
s2.匹配大数据分析后生成运动方案推荐给用户。
所述步骤s2具体为后台接收聚类结果数据并与后台运动方案数据库进行映射得到k套运动方案。
实施例三
如图3所示，为本实施例中步骤s3的具体流程图，所述步骤s3包括：
s3.1，记录用户对运动方案的选择，通过记录各个运动方案的被选择次数建立各个运动方案的优先级状态。
根据用户的下一步的选择，来判定本次推荐是否成功，来改进数据分析模型，提高数据分析的正确性。其中，每次推荐的运动方案都具有优先级。
另外进一步的，当用户暂时因为有事耽搁了对推荐运动方案的选择，应用程序将在超过设定选择时间后，默认为用户选择优先级最优的运动方案，但运动开始仍将由用户主动选择触发后开始执行。
s3.2，根据用户体验评价判断是否推荐成功来完善分析模型，调整各个运动方案的优选级状态。
当推荐的运动方案被用户选择后，系统自动对被选择的运动方案进行记录，标准为已选方案，并每次被选择后累加计数；当用户运动后可根据智能穿戴设备记录用户的运动数据、根据应用程序获得用户对运动的评价，进一步的对推荐的运动方案进行优化。
实施例四
如图4所示，为本实施例中一种基于室内空气情况推荐运动方案的系统的框图，与实施例1不同之处在于，该系统包括：
聚类运行模块，用于根据获取的室内空气数据集进行聚类运算后获得聚类结果数据。
现有的空气监测器可以准确的检测室内的空气质量情况进行聚类运算，此处优选为根据k-means算法进行聚类运算获得聚类结果数据。
推荐模块，用于匹配大数据分析后生成运动方案推荐给用户。
获得输出的聚类结果数据后，在设置有运动方案数据库的后台中进行大数据匹配映射，将聚类结果数据中的每个数据与运动方案数据库进行映射，获得相应的运动方案。
优化模块，用于根据用户运动反馈，更新推荐的运动方案。
根据后台记录用户行为数据分析调整推荐给用户的运动方案，更好的根据用户的自身情况来对运动方案进行调整，推荐更匹配用户的运动方案，给用户更好的推荐，帮助用户更好的学习生活。
实施例五
所述聚类运行模块之前包括：
第一判断单元，用于判断所述室内空气数据集中的元素否为单一维度元素，若判断结果为否，则对每个元素进行多维度分离，形成多个单一维度元空气数据集。
如图5所示，为本实施例中聚类运行模块的具体流程图，所述聚类运行模块包括：
建立族单元，用于从所述室内空气数据集中随机取k个中心元素相应形成k个族，其中k为不大于所述室内空气数据集中所有元素个数的正整数且所述中心元素即作该族的中心。
以单一维度元素数据集(温度)来根据k-means算法进行聚类计算示例如下：
根据室内天气信息在数据集中d(如：温度-20-50度，共70个温度值)筛选出k(如：0，5，10，15，20等5个)个元素，作为k个类簇的中心元素，对应的是k种运动方案。
归并单元，用于计算剩下元素到每个族中心的相异度，并将每个剩下元素归入相异度最小的族中。
加权平均单元，用于加权平均获得每个族中新的中心元素。
根据聚类结果，重新计算k个簇各自的中心，计算方法是取簇中所有元素各自维度的算术平均数。
第二判断单元，用于判断新的中心元素与上一次的中心元素之间差距是否小于或等于预设评价指标，若判断结果为否，则利用新的中心元素执行所述归并单元；若判断结果为是，则新的中心元素即为聚类结果数据并输出聚类结果数据。
将所述室内空气数据集中全部元素按照新的中心重新进行聚类计算，当新的中心元素与上一次的中心元素之间差距小于或等于预设评价指标时输出聚类结果数据。
第三判断单元，用于判断所述室内空气数据集中是否还有未进行聚类计算的单一维度元素空气数据集，若判断结果为是，则执行所述建立族单元；若判断结果为否，则输出各维度的聚类结果数据。
将所有单一维度元素空气数据集都进行根据k-means算法进行聚类计算并输出各维度的聚类结果数据。
所述推荐模块具体为后台接收聚类结果数据并与后台运动方案数据库进行映射得到k套运动方案。
后台确定几种用户运动方案，传输至用户所使用的应用程序。
实施例六
如图6所示，为本实施例中优化模块的具体流程图，所述优化模块包括：
建立优先级单元，用于记录用户对运动方案的选择，通过记录各个运动方案的被选择次数建立各个运动方案的优先级状态。
调整优先级单元，用于根据用户体验评价判断是否推荐成功来完善分析模型，调整各个运动方案的优选级状态。
可使用户对于不同室内空气情况有针对性的选择，提高生活质量。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。