健康一體機的工作效率，將曾經使用過健康一體機并留存有記錄的用戶進行使用記錄識別，判斷該用戶是否留存有使用記錄并將曾經的檔案信息進行提取，幫助健康一體機更快掌握該用戶的以往身體狀況，大大提高了健康一體機的監測效率。其中，健康一體機第一解碼信息用于對非初次識別的第一編碼檔案進行解碼并讀取，實現了前后不同時間的使用記錄無縫銜接，進一步提高了健康一體機的工作效率。
健康一體機將所述第一編碼和所述第二編碼作為輸入數據，輸入所述編碼檔案構建模型；
健康一體機編碼檔案構建模型通過多組歷史數據訓練獲得，所述歷史數據中的每組數據包括第一編碼、第二編碼和用于標識編碼檔案的標識信息；獲得所述編碼檔案構建模型的輸出信息，所述輸出信息包括所述第一用戶的第一編碼檔案。
健康一體機編碼檔案構建模型為機器學習中的神經網絡模型，神經網絡（Neural Networks，NN）是由大量的、簡單的處理單元（稱為神經元）廣泛地互相連接而形成的復雜神經網絡系統，它反映了人腦功能的許多基本特征，是一個高度復雜的非線性動力學習系統。神經網絡模型是以 神經元的數學模型為基礎來描述的。人工神經網絡（Artificial Neural Networks），是對人類大腦系統的一階特性的一種描述。簡單地講，它是一個數學模型。通過大量訓練數據的訓練，將所述第一編碼和所述第二編碼輸入神經網絡模型，獲得所述編碼檔案構建模型的輸出信息，其中，所述輸出信息包括所述第一用戶的第一編碼檔案。
健康一體機編碼檔案構建模型通過多組訓練數據訓練獲得，所述訓練的過程實質為監督學習的過程，每一組監督數據均包括第一編碼、第二編碼和用于標識編碼檔案的標識信息，將所述第一編碼、所述第二編碼和用于標識編碼檔案的標識信息輸入到
