健康一体机的工作效率，将曾经使用过健康一体机并留存有记录的用户进行使用记录识别，判断该用户是否留存有使用记录并将曾经的档案信息进行提取，帮助健康一体机更快掌握该用户的以往身体状况，大大提高了健康一体机的监测效率。其中，健康一体机第一解码信息用于对非初次识别的第一编码档案进行解码并读取，实现了前后不同时间的使用记录无缝衔接，进一步提高了健康一体机的工作效率。
健康一体机将所述第一编码和所述第二编码作为输入数据，输入所述编码档案构建模型；
健康一体机编码档案构建模型通过多组历史数据训练获得，所述历史数据中的每组数据包括第一编码、第二编码和用于标识编码档案的标识信息；获得所述编码档案构建模型的输出信息，所述输出信息包括所述第一用户的第一编码档案。
健康一体机编码档案构建模型为机器学习中的神经网络模型，神经网络（Neural Networks，NN）是由大量的、简单的处理单元（称为神经元）广泛地互相连接而形成的复杂神经网络系统，它反映了人脑功能的许多基本特征，是一个高度复杂的非线性动力学习系统。神经网络模型是以 神经元的数学模型为基础来描述的。人工神经网络（Artificial Neural Networks），是对人类大脑系统的一阶特性的一种描述。简单地讲，它是一个数学模型。通过大量训练数据的训练，将所述第一编码和所述第二编码输入神经网络模型，获得所述编码档案构建模型的输出信息，其中，所述输出信息包括所述第一用户的第一编码档案。
健康一体机编码档案构建模型通过多组训练数据训练获得，所述训练的过程实质为监督学习的过程，每一组监督数据均包括第一编码、第二编码和用于标识编码档案的标识信息，将所述第一编码、所述第二编码和用于标识编码档案的标识信息输入到
