本发明属于运动模式监测技术领域，具体为一种基于可穿戴设备的运动模式识别算法，包括如下步骤步骤1：采用深度神经网络模型实现由可穿戴式传感器数据推算运动模式，模型训练采用数据驱动方式，实现端到端的训练；步骤2：原始数据的分段过程采用更长截取时间，将较长时间段内的加速度等信息带入神经网络进行训练，这样保证数据样本足够长，包含不同运动项目的运动周期特征；步骤3：深度学习模型结构采用改进的循环神经网络加全局池化层的结构，简单而且高效，其结构合理，在算法上有显著优势，可以很好的解决不同受试者在同一运动中由于动作速度、分解动作顺序不一致而带来的分类误差问题。