摘? 要：運(yùn)動(dòng)數(shù)據(jù)可視化技術(shù)在運(yùn)動(dòng)人員的運(yùn)動(dòng)表現(xiàn)和傷病預(yù)測管理方面的應(yīng)用越來越受關(guān)注，文章對運(yùn)動(dòng)數(shù)據(jù)進(jìn)行了分析和可視化研究。運(yùn)動(dòng)數(shù)據(jù)可視化通過記錄運(yùn)動(dòng)人員的運(yùn)動(dòng)表現(xiàn)，提高人們運(yùn)動(dòng)的滿足感，同時(shí)有利于實(shí)現(xiàn)對運(yùn)動(dòng)人員運(yùn)動(dòng)中損傷的預(yù)測管理。以微信小程序?yàn)檩d體，通過收集和分析用戶數(shù)據(jù)，實(shí)現(xiàn)基于ec-canvas組件的運(yùn)動(dòng)數(shù)據(jù)折線圖和柱狀圖的繪制，為用戶提供更為直觀和個(gè)性化的運(yùn)動(dòng)數(shù)據(jù)展示和管理服務(wù)。在運(yùn)動(dòng)人員運(yùn)動(dòng)表現(xiàn)可視化研究中，采用K-means聚類算法對運(yùn)動(dòng)人員的心率和運(yùn)動(dòng)時(shí)長數(shù)據(jù)進(jìn)行分析，通過散點(diǎn)圖展示聚類結(jié)果。研究表明，運(yùn)動(dòng)數(shù)據(jù)的可視化分析可以幫助運(yùn)動(dòng)人員評估自身狀態(tài)和運(yùn)動(dòng)表現(xiàn)。

關(guān)鍵詞：運(yùn)動(dòng)數(shù)據(jù)；可視化；微信小程序；傷病預(yù)測管理；算法模型；風(fēng)險(xiǎn)指標(biāo)

中圖分類號：TP311? ? 文獻(xiàn)標(biāo)識碼：A? 文章編號：2096-4706（2023）18-0055-05

Motion Data Analysis and Visualization Research Based on WeChat Mini Programs

LI Hang

（College of Information Engineering， Xizang Minzu University， Xianyang? 712082， China）

Abstract： The application of motion data visualization technology in the management of sports performance and injury prediction for athletes is receiving increasing attention. This paper analyzes and visualizes motion data. Visualization of motion data improves people's satisfaction with exercise by recording their performance， while also facilitating the prediction and management of injuries during exercise. Using WeChat mini programs as the carrier， by collecting and analyzing user data， line and bar charts of motion data based on the ec-canvas component can be drew， providing users with more intuitive and personalized motion data display and management services. In the study of visualizing the performance of athletes， the K-means clustering algorithm is used to analyze the heart rate and exercise duration data of athletes， and the clustering results are displayed through scatter plots. Research has shown that visual analysis of motion data can help athletes evaluate their own state and sports performance.

Keywords： sports data; visualization; WeChat Mini Program; injury prediction management; algorithm model; risk indicator

0? 引? 言

運(yùn)動(dòng)是人類的本能，也是我們保持身心健康的一種方式。隨著科技的不斷進(jìn)步和創(chuàng)新，越來越多的人開始使用各種設(shè)備和應(yīng)用來監(jiān)測和記錄他們的運(yùn)動(dòng)（例如跑步、騎行、游泳、健身等）數(shù)據(jù)。這些數(shù)據(jù)（包括運(yùn)動(dòng)時(shí)間、距離、速度、步頻、心率、卡路里消耗等）可以幫助他們更好地了解自己的身體狀況和運(yùn)動(dòng)表現(xiàn)，還可以用于科學(xué)訓(xùn)練和競技水平分析。

這些運(yùn)動(dòng)數(shù)據(jù)通常是復(fù)雜且相互關(guān)聯(lián)的，如何有效地分析和可視化這些數(shù)據(jù)成為一個(gè)重要的挑戰(zhàn)?；跀?shù)據(jù)分析算法的聚合特征，通過可視化技術(shù)將這些數(shù)據(jù)轉(zhuǎn)化為較為簡單和抽象的圖形和圖表，使得數(shù)據(jù)更易于理解和分析，使我們可以輕松便捷地了解自己的身體狀況和運(yùn)動(dòng)表現(xiàn)。

本文旨在探討運(yùn)動(dòng)數(shù)據(jù)分析技術(shù)與可視化，基于微信小程序開發(fā)一個(gè)運(yùn)動(dòng)數(shù)據(jù)可視化應(yīng)用，以便運(yùn)動(dòng)愛好者和運(yùn)動(dòng)員更好地了解自己的身體狀況和運(yùn)動(dòng)表現(xiàn)，可以很好地預(yù)測和預(yù)防運(yùn)動(dòng)傷病。

由于運(yùn)動(dòng)手環(huán)可以便捷地采集耐力性運(yùn)動(dòng)的關(guān)鍵數(shù)據(jù)，本研究使用運(yùn)動(dòng)手環(huán)采集了健身人群的有氧運(yùn)動(dòng)數(shù)據(jù)，以研究運(yùn)動(dòng)數(shù)據(jù)的可視化分析。運(yùn)動(dòng)手環(huán)采集的心率、速度、距離等數(shù)據(jù)，為運(yùn)動(dòng)數(shù)據(jù)的分析提供了重要的第一手資料?；谶\(yùn)動(dòng)手環(huán)采集的數(shù)據(jù)，本研究通過可視化的方法分析運(yùn)動(dòng)數(shù)據(jù)，以便用戶更好地理解自己的運(yùn)動(dòng)狀態(tài)和表現(xiàn)。

1? 運(yùn)動(dòng)數(shù)據(jù)可視化技術(shù)概述

1.1? 可視化技術(shù)的分類

可視化技術(shù)是指將數(shù)據(jù)轉(zhuǎn)化為圖形和圖表，以便以更加直觀和易于理解的方式展現(xiàn)數(shù)據(jù)?？梢暬夹g(shù)可以按照數(shù)據(jù)類型、應(yīng)用領(lǐng)域和可視化形式等常見分類方式進(jìn)行分類：

1）數(shù)據(jù)類型。定量數(shù)據(jù)和定性數(shù)據(jù)。

2）應(yīng)用領(lǐng)域。商業(yè)、科學(xué)、工程、藝術(shù)等領(lǐng)域。

3）可視化形式。線圖、柱狀圖、餅圖、散點(diǎn)圖、熱力圖、地圖。

1.2? 運(yùn)動(dòng)數(shù)據(jù)可視化的特點(diǎn)和挑戰(zhàn)

運(yùn)動(dòng)數(shù)據(jù)可視化與其他數(shù)據(jù)可視化有一些不同之處。首先，運(yùn)動(dòng)數(shù)據(jù)通常具有時(shí)序性和空間性，需要考慮時(shí)間序列和空間關(guān)系的變化。其次，運(yùn)動(dòng)數(shù)據(jù)具有多樣性和復(fù)雜性，可能涉及多種運(yùn)動(dòng)類型、不同的設(shè)備和傳感器、多個(gè)數(shù)據(jù)指標(biāo)。此外，運(yùn)動(dòng)數(shù)據(jù)的采集和處理還需要保護(hù)個(gè)人隱私和數(shù)據(jù)安全。因此，運(yùn)動(dòng)數(shù)據(jù)可視化面臨以下挑戰(zhàn)：

1）如何從用戶手中收集運(yùn)動(dòng)數(shù)據(jù)。

2）如何有效地處理和可視化海量且復(fù)雜的運(yùn)動(dòng)數(shù)據(jù)。

3）如何根據(jù)運(yùn)動(dòng)特點(diǎn)和需求設(shè)計(jì)和選擇合適的可視化形式和交互方式。

4）如何保護(hù)個(gè)人隱私和數(shù)據(jù)安全，防止數(shù)據(jù)泄露和濫用。

2? 基于微信小程序的運(yùn)動(dòng)數(shù)據(jù)可視化應(yīng)用

2.1? 微信小程序簡介

微信小程序作為一種輕量級移動(dòng)應(yīng)用，可以快速地開發(fā)創(chuàng)建及發(fā)布應(yīng)用。在運(yùn)動(dòng)數(shù)據(jù)可視化方面，微信小程序具有以下優(yōu)勢：

1）方便快捷?？梢栽谖⑿牌脚_上直接使用微信小程序，用戶無須下載和安裝額外的應(yīng)用，可以輕松便捷地收集運(yùn)動(dòng)數(shù)據(jù)信息。

2）交互性強(qiáng)。小程序提供了豐富的交互組件和API，可以實(shí)現(xiàn)多種交互，如微信運(yùn)動(dòng)模塊、定位等。

3）安全可靠。微信小程序采用多重安全措施，可以很好地保護(hù)用戶隱私和數(shù)據(jù)安全。

在基于微信小程序的運(yùn)動(dòng)數(shù)據(jù)可視化應(yīng)用中，可以根據(jù)用戶需求和數(shù)據(jù)類型選擇不同的可視化形式，如折線圖、散點(diǎn)圖、熱力圖、地圖等。

此外，基于微信小程序的運(yùn)動(dòng)數(shù)據(jù)可視化應(yīng)用可以實(shí)現(xiàn)以下功能：

1）個(gè)人數(shù)據(jù)收集和管理。收集用戶運(yùn)動(dòng)信息進(jìn)行相關(guān)的數(shù)據(jù)分析。

2）數(shù)據(jù)分析與評測。通過數(shù)據(jù)分析算法分析運(yùn)動(dòng)人員當(dāng)前的運(yùn)動(dòng)狀態(tài)，評測運(yùn)動(dòng)人員的運(yùn)動(dòng)表現(xiàn)及運(yùn)動(dòng)質(zhì)量。

3）傷病預(yù)測管理。通過分析運(yùn)動(dòng)人員的運(yùn)動(dòng)數(shù)據(jù)及其健康狀況等信息預(yù)測運(yùn)動(dòng)人員可能的傷病風(fēng)險(xiǎn)，并提供相應(yīng)的預(yù)防和管理措施。

2.2? 微信小程序運(yùn)動(dòng)數(shù)據(jù)可視化實(shí)例

在微信小程序中，使用ec-canvas組件進(jìn)行數(shù)據(jù)可視化是一種高效實(shí)用的方法。ec-canvas是專門為微信小程序設(shè)計(jì)的ECharts圖表庫封裝，它可以輕松地將ECharts圖表集成到微信小程序中。ECharts是一款由百度開源的數(shù)據(jù)可視化庫，提供豐富的圖表類型，如折線圖、柱狀圖、餅圖、散點(diǎn)圖等。以下是使用ec-canvas組件進(jìn)行數(shù)據(jù)可視化的簡要描述和代碼示例。

為了能夠在微信小程序中使用ec-canvas組件，開發(fā)者需要將其添加到項(xiàng)目中。這通常包括將ec-canvas文件夾置于項(xiàng)目的components目錄下，并在app.json中注冊組件。以下是在app.json文件中注冊ec-canvas的代碼段：

{ "usingComponents"： {

"ec-canvas"： "/components/ec-canvas/ec-canvas"

}

}

接下來，在WXML文件中，開發(fā)者可以通過在頁面布局中添加ec-canvas標(biāo)簽來創(chuàng)建圖表如。

在JavaScript文件中，開發(fā)者需要導(dǎo)入ECharts庫和初始化圖表。這通常包括編寫一個(gè)用于初始化圖表的函數(shù)，并在頁面加載完成后調(diào)用它。其代碼為：

import * as echarts from '../../components/ec-canvas/echarts';

如圖1所示為利用ec-canvas組件生成的可視化圖表。其中每一個(gè)線條表示一個(gè)運(yùn)動(dòng)人員當(dāng)天的運(yùn)動(dòng)時(shí)間。

3? 運(yùn)動(dòng)人員個(gè)體表現(xiàn)可視化

3.1? 運(yùn)動(dòng)人員個(gè)人表現(xiàn)指標(biāo)

在運(yùn)動(dòng)人員個(gè)體表現(xiàn)可視化方面，關(guān)鍵是確定適合運(yùn)動(dòng)人員的表現(xiàn)指標(biāo)。這些指標(biāo)應(yīng)該基于特定運(yùn)動(dòng)人員的身體和技能水平，以及特定運(yùn)動(dòng)項(xiàng)目的需求和要求?？筛鶕?jù)以下指標(biāo)進(jìn)行分析：

1）身體數(shù)據(jù)。體重、身高、BMI、腰臀比等。

2）生理數(shù)據(jù)。心率、血壓、血氧飽和度、體溫等。

3）技能數(shù)據(jù)。速度、力量、柔韌性、協(xié)調(diào)性等。

4）比賽數(shù)據(jù)。得分、擊球次數(shù)、失誤次數(shù)、盤數(shù)、時(shí)間等。

本研究使用運(yùn)動(dòng)手環(huán)采集研究對象的有氧運(yùn)動(dòng)數(shù)據(jù)。所有研究對象佩戴運(yùn)動(dòng)手環(huán)進(jìn)行有氧運(yùn)動(dòng)，運(yùn)動(dòng)手環(huán)實(shí)時(shí)采集心率、速度、距離等運(yùn)動(dòng)數(shù)據(jù)。

3.2? 圖表和可視化工具

對于運(yùn)動(dòng)人員個(gè)體表現(xiàn)可視化，可使用的圖表和可視化工具與前一部分介紹的運(yùn)動(dòng)數(shù)據(jù)可視化相似：

1）折線圖。用于顯示連續(xù)的時(shí)間序列數(shù)據(jù)，例如心率、速度等。

2）柱狀圖。用于顯示離散的數(shù)據(jù)，例如擊球次數(shù)、得分等。

3）散點(diǎn)圖。用于顯示多個(gè)變量之間的關(guān)系，例如速度與力量之間的關(guān)系。

4）雷達(dá)圖。用于顯示多個(gè)指標(biāo)的大小，例如速度、力量、柔韌性等。

如圖2所示，通過繪制折線圖使得運(yùn)動(dòng)中各項(xiàng)數(shù)據(jù)之間的關(guān)系清晰可見，有利于我們實(shí)時(shí)了解個(gè)人的運(yùn)動(dòng)情況，從而及時(shí)調(diào)整運(yùn)動(dòng)策略。

如圖3所示為三個(gè)運(yùn)動(dòng)人員的數(shù)據(jù)可視化柱狀圖，通過微信小程序可將這類圖展現(xiàn)出來。

圖4展現(xiàn)了力量與速度之間的關(guān)系，散點(diǎn)圖有利于我們發(fā)現(xiàn)大量數(shù)據(jù)中各個(gè)變量之間的關(guān)系。

3.3? 算法和模型簡介

除了基本的圖表和可視化工具外，還可以采用算法和模型對運(yùn)動(dòng)人員個(gè)體表現(xiàn)進(jìn)行多方面的分析：

1）聚類算法。用于根據(jù)某些指標(biāo)將運(yùn)動(dòng)人員聚合成不同的群組，例如根據(jù)體重、速度和力量等指標(biāo)將運(yùn)動(dòng)人員分為不同的等級或類型。

2）預(yù)測模型?；谶\(yùn)動(dòng)人員的歷史數(shù)據(jù)預(yù)測其未來表現(xiàn)，例如通過運(yùn)動(dòng)人員的歷史得分和其他指標(biāo)預(yù)測他們在未來比賽中的表現(xiàn)。

3）評估模型。用于評估運(yùn)動(dòng)人員的運(yùn)動(dòng)表現(xiàn)和進(jìn)步，例如通過得分和其他指標(biāo)評估運(yùn)動(dòng)人員的運(yùn)動(dòng)表現(xiàn)，由此找出他們需要改進(jìn)的地方。

3.4? 算法和模型應(yīng)用

3.4.1? K-means算法的介紹

本文采用的算法模型是K-means，K-means算法是一種無監(jiān)督學(xué)習(xí)的聚類分析方法，它可以將一組數(shù)據(jù)劃分為k個(gè)簇，使得每個(gè)數(shù)據(jù)點(diǎn)都屬于距離它最近簇中心對應(yīng)的簇。K-means算法的基本思想是：首先隨機(jī)選擇k個(gè)數(shù)據(jù)點(diǎn)作為初始的簇中心，然后將每個(gè)數(shù)據(jù)點(diǎn)分配到最近簇中心所在的簇，接著重新計(jì)算每個(gè)簇新的簇中心，重復(fù)這個(gè)過程直至簇中心不再變化或者是達(dá)到最大迭代次數(shù)。

3.4.2? K-means算法在運(yùn)動(dòng)數(shù)據(jù)分析中的應(yīng)用

運(yùn)用K-means算法實(shí)現(xiàn)對運(yùn)動(dòng)人員身體狀況的預(yù)測。假設(shè)有一組運(yùn)動(dòng)人員的身體指標(biāo)數(shù)據(jù)（如身高、體重、肺活量、血壓等），可以將這些數(shù)據(jù)作為特征向量輸入到K-means算法中，設(shè)定一個(gè)合適的k值，例如k = 3，表示我們想要將運(yùn)動(dòng)人員分為三類：優(yōu)秀、良好和一般。通過運(yùn)行K-means算法，可以得到每個(gè)運(yùn)動(dòng)人員所屬的簇以及每個(gè)簇的簇中心。然后根據(jù)每個(gè)簇中心的特征值來判斷該簇代表什么樣的身體狀況，并給出相應(yīng)的評價(jià)和建議。

為了更加直觀地展示K-means算法對運(yùn)動(dòng)人員身體指標(biāo)數(shù)據(jù)的聚類結(jié)果，我們使用一些可視化工具來繪制散點(diǎn)圖或雷達(dá)圖。例如，如果只考慮兩個(gè)特征——心率和運(yùn)動(dòng)時(shí)長，我們可以在二維平面上繪制所有運(yùn)動(dòng)人員的散點(diǎn)圖，并用不同顏色或形狀表示不同的簇，如圖5所示。同時(shí)，我們也可以在圖上標(biāo)出每個(gè)簇的質(zhì)心位置，并用虛線連接質(zhì)心及其所屬簇內(nèi)部的所有點(diǎn)。這樣就可以清楚地看出各個(gè)運(yùn)動(dòng)人員在身高和體重方面有什么異同以及他們之間有多大差距。

如圖6所示為基于心率和運(yùn)動(dòng)速度這兩個(gè)特征對每個(gè)運(yùn)動(dòng)人員進(jìn)行K-means分析的散點(diǎn)圖。

總之，運(yùn)動(dòng)人員個(gè)體表現(xiàn)可視化可幫助運(yùn)動(dòng)人員更好地了解自己的表現(xiàn)和進(jìn)步，從而量身定制更好的訓(xùn)練和比賽策略。

4? 傷病預(yù)測管理可視化

傷病是影響運(yùn)動(dòng)人員表現(xiàn)的重要因素之一。在運(yùn)動(dòng)人員傷病預(yù)測管理可視化方面，需要確定適合運(yùn)動(dòng)人員的傷病風(fēng)險(xiǎn)指標(biāo)、風(fēng)險(xiǎn)預(yù)測模型和可視化工具。

4.1? 傷病風(fēng)險(xiǎn)指標(biāo)

傷病風(fēng)險(xiǎn)指標(biāo)應(yīng)基于特定運(yùn)動(dòng)人員的身體狀況、歷史傷病記錄以及運(yùn)動(dòng)項(xiàng)目的要求?？筛鶕?jù)以下指標(biāo)來分析：

1）傷病歷史記錄。例如過去的傷病種類、嚴(yán)重程度、持續(xù)時(shí)間等。

2）身體狀況。例如身體部位的靈活性、肌肉力量、骨骼穩(wěn)定性等。

3）運(yùn)動(dòng)量和強(qiáng)度。例如訓(xùn)練時(shí)間、訓(xùn)練強(qiáng)度、比賽頻率等。

4）情感狀態(tài)。例如焦慮、壓力、疲勞等情感狀態(tài)也可能影響運(yùn)動(dòng)人員的傷病風(fēng)險(xiǎn)。

4.2? 風(fēng)險(xiǎn)預(yù)測模型

為了預(yù)測運(yùn)動(dòng)人員的傷病風(fēng)險(xiǎn)，可以使用基于歷史數(shù)據(jù)和機(jī)器學(xué)習(xí)算法的模型。具體的算法模型預(yù)測過程可以分為四個(gè)步驟：

1）收集運(yùn)動(dòng)人員的歷史數(shù)據(jù)，包括訓(xùn)練強(qiáng)度、頻率、時(shí)長、類型等，以及傷病發(fā)生的時(shí)間、部位、程度等。

2）對歷史數(shù)據(jù)進(jìn)行預(yù)處理，如缺失值填充、異常值剔除、特征選擇等，以提高數(shù)據(jù)質(zhì)量和有效性。

3）選擇合適的機(jī)器學(xué)習(xí)算法，如邏輯回歸、支持向量機(jī)、隨機(jī)森林等，根據(jù)歷史數(shù)據(jù)訓(xùn)練模型，并進(jìn)行交叉驗(yàn)證和參數(shù)調(diào)優(yōu)。

4）利用訓(xùn)練好的模型對新的運(yùn)動(dòng)人員數(shù)據(jù)進(jìn)行預(yù)測，輸出傷病風(fēng)險(xiǎn)的概率或等級并給出相應(yīng)的建議或干預(yù)措施。

這樣的算法模型可以幫助運(yùn)動(dòng)人員及時(shí)發(fā)現(xiàn)和預(yù)防潛在的傷病風(fēng)險(xiǎn)，提高運(yùn)動(dòng)效果和安全性。

4.3? 圖表和可視化工具

為了將傷病風(fēng)險(xiǎn)指標(biāo)和預(yù)測模型可視化，可采用以下圖表和可視化工具：

1）熱力圖。用于顯示傷病風(fēng)險(xiǎn)指標(biāo)和預(yù)測模型的權(quán)重和關(guān)系。

2）折線圖。用于顯示傷病歷史記錄和傷病風(fēng)險(xiǎn)指標(biāo)的變化。

3）散點(diǎn)圖。用于顯示傷病風(fēng)險(xiǎn)指標(biāo)之間的關(guān)系，例如身體狀況和訓(xùn)練強(qiáng)度之間的關(guān)系。

5? 結(jié)? 論

在本文中，我們探討了運(yùn)動(dòng)數(shù)據(jù)可視化在運(yùn)動(dòng)人員個(gè)體表現(xiàn)和傷病預(yù)測管理方面的應(yīng)用。運(yùn)動(dòng)人員個(gè)體表現(xiàn)可視化可以幫助教練和運(yùn)動(dòng)人員更好地理解和評估運(yùn)動(dòng)人員的表現(xiàn)，以及優(yōu)化訓(xùn)練計(jì)劃和戰(zhàn)術(shù)策略。而傷病預(yù)測管理可視化則可以幫助教練和運(yùn)動(dòng)人員更好地識別和預(yù)防運(yùn)動(dòng)中的傷病風(fēng)險(xiǎn)，采取相應(yīng)的預(yù)防措施。通過微信小程序用戶可以更加便捷地享受運(yùn)動(dòng)數(shù)據(jù)可視化服務(wù)。

隨著可視化技術(shù)和機(jī)器學(xué)習(xí)算法的不斷發(fā)展，運(yùn)動(dòng)數(shù)據(jù)可視化在體育訓(xùn)練和管理中的應(yīng)用將會越來越廣泛。隨著基于神經(jīng)網(wǎng)絡(luò)深度學(xué)習(xí)大模型的快速發(fā)展與應(yīng)用，未來可能會出現(xiàn)基于個(gè)體數(shù)據(jù)的個(gè)人神經(jīng)網(wǎng)絡(luò)模型，該模型通過個(gè)人數(shù)據(jù)可以更加準(zhǔn)確地分析出當(dāng)前運(yùn)動(dòng)人員的身體與心理問題，這相當(dāng)于為我們每一個(gè)人提供一個(gè)了解自己的AI教練。

參考文獻(xiàn)：

[1] 辛華.人體三維運(yùn)動(dòng)可視化的研究與實(shí)現(xiàn) [D].成都：電子科技大學(xué)，2023.

[2] 黃麗，韓利峰，劉文倩，等.基于MQTT的epics實(shí)時(shí)數(shù)據(jù)在微信小程序端的可視化監(jiān)控系統(tǒng) [J].儀器儀表用戶，2022，29（1）：10-14.

[3] 邵小青，賈鈺峰，章蓬偉，等.基于K-Means聚類算法的數(shù)據(jù)分析 [J].科學(xué)技術(shù)創(chuàng)新，2021（23）：85-86.

[4] 彭巖，馬鈴，張文靜，等.基于集成學(xué)習(xí)的風(fēng)險(xiǎn)預(yù)測模型研究與應(yīng)用 [J].計(jì)算機(jī)工程與設(shè)計(jì)，2022，43（4）：956-961.

[5] 盧朝霞，李寧寧，于飛.一種基于本體模型和關(guān)聯(lián)規(guī)則的個(gè)性化運(yùn)動(dòng)處方推薦系統(tǒng)研究及設(shè)計(jì) [C]//第十二屆全國體育科學(xué)大會.山東日照：[出版者不詳]，2022：65-67.

作者簡介：李行（2001.12—），男，漢族，湖南郴

州人，本科在讀，主要研究方向：前后端開發(fā)、深度學(xué)習(xí)。