1.一种面向儿童的阶段性身高预测方法，其特征在于，包括以下步骤：步骤1：将数据进行归类；

步骤2：对kmeans聚类算法改进，并分类；具体包括：

21)使用肘部法则和轮廓系数相结合的方法确定k值；肘部法则计算公式如下：其中，SSE表示的是所有样本的聚类误差，Ci表示第i个簇，p表示的是Ci中的样本点，mi表示的是Ci的质心，k表示类别数量；

轮廓系数的公式如下表示：

其中，S(j)表示轮廓系数，a(j)表示第j个样本到同一簇内其他点不相似程度的平均值，b(j)表示第j个样本到其他簇的平均不相似程度的最小值；S(j)越接近1，说明样本聚类效果越好；

选择一个变化率急剧下降的点作为最优k值；选择方式以肘部法则为主，肘部法则无法确定，再辅以轮廓系数确定，选择最大时的轮廓系数作为k值；

22)获取检测人的体成分信息，包括当前身高、当前体重、年龄、骨龄，作为其中一个聚类中心；

F＝{H，W，A，BA}                      (3‑3)其中，F表示第一个质心，H表示检测人的当前身高，W表示检测人的当前体重，A表示检测人的年龄，BA表示检测人的骨龄；

在相应的骨龄段，利用马氏距离来计算检测者和该骨龄段所有数据的体成分相似度，距离越小，表示相似度越高；

其中，DM表示马氏距离，S表示协方差矩阵，x为样本集的变量，μ为每种变量的均值；

利用公式(3‑5)选取k‑1个最不相似的数据作为剩下的聚类中心；

Kt＝(1，2，3，…，k‑1)＝argmaxt＝(1，2，3，…，k‑1)DM    (3‑5)其中，Kt表示第t个质心，DM表示马氏距离；

23)根据检测者的骨龄，将该骨龄所属的骨龄段进行分类；

步骤3：计算检测者到每个类聚类中心的相似度距离，找出最相似的那一类；具体包括：

31)使用公式(4‑1)计算检测者到每个类聚类中心的距离；

其中，Similarv表示检测者与第v个数据的相似度距离，BA表示检测人的骨龄，BAv表示数据集中第v条数据的骨龄，H表示检测人的当前身高，Hv数据集中第v条数据的身高，A表示检测人的年龄，Av表示数据集中第v条数据的年龄，W表示检测人的当前体重，Wv表示数据集中第v条数据的体重；

32)选择相似度距离最小的三条数据；

步骤4：计算检测者到该类每个数据的相似度距离，找出最接近的3条数据，取平均值；

具体包括：

41)根据公式(5‑1)将选取到的三条数据取平均值；

(BAny，Hny，Any，Wny)

＝(Y(ba)avg,Y(h)avg,Y(a)avg,Y(w)avg)       (5‑1)其中，BAny表示下一年检测者的骨龄，Hny表示下一年检测者的身高，Any表示下一年检测者的年龄，Wny表示下一年检测者的体重，Y(ba)avg表示三条数据中骨龄的平均值，Y(h)avg表示三条数据身高的平均值，Y(a)avg表示三条数据中年龄的平均值，Y(w)avg表示三条数据中体重的平均值；

42)重复步骤2至步骤41)，直到检测者年龄超过18岁，这时检测者当前年龄到成年的阶段性身高就都能表示出来。

2.根据权利要求1所述的一种面向儿童的阶段性身高预测方法，其特征在于，所述的步骤1具体包括：将数据按照男生和女生分成两个组别，在每个组别中依照骨龄进行归类。