基于大数据网络的运动损伤评估模型研究

现有运动损伤评估方法不能同时进行横纵向损伤风险评估,也不能明确判断损伤部位是单一性损伤还是复合性损伤。为了解决此问题,设计基于大数据网络的运动损伤评估模型。通过网络拓扑结构的搭建、深度神经网络数据的获得、大数据与深度神经网络关系的构建,完成大数据网络环境的搭建。通过运动损伤风险源的确定、损伤风险因素识别、基于损伤风险因素的运动损伤评估,完成基于大数据网络运动损伤评估模型的搭建。设计对比实验结果表明,新型运动损伤评估模型与传统方法相比,能够同时进行横纵向损伤风险评估,也可以在短时间内判断特定部位的运动损伤属性。

大数据中网络节点拓扑不稳定性的评估模型设计

大数据中网络节点拓扑结构复杂且具有明显的不稳定性,当前网络节点拓扑不稳定性评估模型大多依据社会网络分析方法理论,从不同角度表示具有不同拓扑结构特性的网络元件,获取的评估结果不充分、不可靠。为此,提出一种新的大数据中网络节点拓扑不稳定性评估模型,通过节点收缩法对大数据中网络节点重要性进行评估。针对大数据中网络节点拓扑不稳定性的评估,结合风险函数丰富熵的内涵,将事件的风险函数在效用系数空间中的平均值看作网络的效用风险熵,依据得到的效用风险熵对效用风险熵权重进行计算。将节点收缩法和效用风险熵权重结合在一起,重新考虑权重的影响,给出新的大数据中网络凝聚度,得到大数据中网络节点拓扑不稳定性评估模型。实验结果表明,所提方法评估可靠性很高。