论文网
关于体育训练类论文范文素材,与数据挖掘技术在体育训练中的应用综述与相关论文提纲
本论文是一篇关于体育训练类论文提纲,关于数据挖掘技术在体育训练中的应用综述与相关毕业论文开题报告范文。免费优秀的关于体育训练及乒乓球及网络技术方面论文范文资料,适合体育训练论文写作的大学硕士及本科毕业论文开题报告范文和学术职称论文参考文献下载。
;支持度和可信度分别大于用户给定的最小支持度和最小可信度的关联规则问题.2数据挖掘在体育领域中的应用
2.1数据挖掘国内外研究情况
1)数据挖掘在体育训练国内研究的情况
查阅中国期刊中文数据库,硕士博士论文中,涉及到体育数据挖掘的体育科研论文内容主要有：体育教学、学生体质调研、运动训练监控、临场比赛优化、体育信息管理等的数据挖掘研究以及优化数据挖掘工具在体育领域的应用研究.
杨双燕、赵水宁比较全面地介绍了数据挖掘技术在学生体质调研、体育产业、竞技体育、体育决策管理中的应用方向[5].高洪歌通过对优秀运动员参加的国际比赛中的各项技战术参数,然后运用关联规则、聚类分析和基于马尔代夫过程的数据挖掘算法,揭示了隐含于数据中的很多信息[6].孟宪明、凌培亮从视野和步长等方面对人工鱼群算法进行改进,并提出基于该算法的乒乓球技战术分类规则数据挖掘模型,分析顶级乒乓球运动员比赛实例,结果表明与乒乓球技战术关联规则数据挖掘相比,该模型在挖掘质量和挖掘效果上有较大优势[7].龚明波,钟平中通过对通过球队进球、射门、射门命中率、角球等11项攻防技术指标进行主成分分析的基础上,确定球队技战术能力聚类的综合指标,形成聚类样本.在此基础上,引入模拟人类视觉系统的尺度空间理论,提出了基于尺度层次空间聚类的球队技战术分类方法[8].陈健、姚颂平以CBA联赛为背景运用关联规则得出核心运动员的得分与球队获胜的关联度,核心运动员的上场时间和关联度等[9].
本文地址 http://www.sxsky.net/benkelunwen/060304436.html
2)数据挖掘在国外体育领域中的应用现状
在新世纪初美国NBA的教练运用IBM公司提供的DM工具AdvancedScout能在比赛中辅助教练员林场决定队员替换方案,取得了很好地效果.此后,NBA球队从各方面广泛使用该系统来优化他们的战术组合.
美国国家曲棍球联盟与IBM建立了一个合资公司,推出了电子实时比赛计分和统计系统NHL-ICE.该软件可以让教练、播音员、记者及球迷共同利用NHL各类数据,使用NHL-ICE挖掘各自所需的信息.
意大利运用数据挖掘技术开发了DataVolley软件系统,实现了排球比赛的技战术统计分析.
2.2决策树算法的应用
决策树是一种典型的分类方法,首先对数据进行处理,利用归纳算法生成可读的规则和决策树,然后使用决策对新数据进行分析.本质上决策树是通过一系列规则对数据进行分类的过程.分类（Classification）任务就是通过学习获得一个目标函数（TargetFunction）,将每个属性集x映射到一个预先定义好的类标号y.分类任务的输入数据是纪录的集合,每条记录也称为实例或者样例.
决策树算法最具影响和最为典型的算法的主要是ID3算法.ID3算法的基本思想：以信息熵为度量,用于决策树节点的属性选择,每次优先选取信息量最多的属性,亦即能使熵值变为最小的属性,以构造一颗熵值下降最快的决策树,到叶子节点处的熵值为0.此时,每个叶子节点对应的实例集中的实例属于同一类[10].
2.3神经元网络的应用
BP算法的基本思想是：学习过程分为两个部分：信号正向传播和误差的反向回传.信号从正向传播时,输入数据从输入层进入,经过各级隐层网络依次逐层处理,传递到输出层,如果输出层输出的结果和期望不相符或者差距很大,那么将误差值当做调整的信号一次各层向着相反的方向传回来,通过作用神经元之间的连接权矩阵,使误差减小.经过不断的学习,最后使得误差减小到可以接受的范围以内.具体的算法步骤如下：
1)从训练数据集中取出某一样本数据,将信息录入到神经网络中的输入端.
2)根据各个节点间的连接情况正向逐层的处理后,可以得到神经网络的输出数据.
3)计算网络输出的数据值与期望输出的数据值的误差.
4)把误差逐层按照相反的方向传回到之前各层网络,并且按照一定的原则将误差信号的值作用到连接的权值上,使整个神经网络的连接权值误差越来越小.
5)将数据集输入—输出样本逐一重复以上步骤,直到整个样本集的误差减小到可以接受的范围.
目前国内有学者将BP神经网络技术应用到研究体育生化指标对竞技的影响[12].他们采用采用BP神经网络,输入的神经元个数为4个,隐含层5个神经元,输出1个神经元.经研究得到的结论是：
1）BP神经网络精确度比较高,预测结果清晰地预测了运动员竞技能力和比较科学的预测了运动员的未来发展趋势.
2）在体育训练中,运用BP神经网络模型对运动员生化指标数据可以预测运动员竞技成绩并且对指导教练员选拔运动员有一定的科学帮助.
2.4关联规则
数据关联是数据库中存在的一类重要的可被发现的知识.若两个或多个变量的取值之间存在某种规律性,就称为关联.关联分析的目的是找出数据库中隐藏的关联网[13].
设I等于{i1,i2,等,im}是项的集合.关联规则：形如A等于>B的蕴涵式,其中AI,BI,并且A∩B等于.支持度：P(AUB),即A和B这两个项集在事务集D中同时出现的概率.置信度：P(BIA),即在出现项集A的事务集D中,项集B也同时出现的概率.如果一条关联规则同时满足最小支持度阈值和最小置信度阈值,那么就认为它是有趣的,并称为强关联规则.给定一个事务集D,挖掘关联规则问题就是产生支持度和可信度分别大于用户给定的最小支持度和最小可信度的关联规则[14].
3分析
3.1各种常用方法的适用范围及不足
基于数据挖掘决策树分类方法即ID3方法,比较简单明了,它构建树的步骤简单,在属性不多的情况下人为就可建立,实用性非常强.
基于数据挖掘关联规则方法的乒乓球技战术分析系统可以根据乒乓球比赛的实战数据结果进行统计分析,应用关联规则中的FP-growth算法,深入挖掘选手A和选手B在各项技术的比拼,切磋过程中的弱项和强项,也就是选手A与选手B进行比赛时哪些技战术会让自己得分,运用哪些技战术会使自己失分.不仅有利于自身选手在体育训练中加强自己的薄弱环节,并且在自己水平有限的情况下和某个个体选手对决时可以充分发挥自己的强项,尽量避免使自己失分的弱项,这样可以把握形势的主动权,取得更好的成绩.所以数据挖掘在体育训练方面的应用可以挖掘众多体育信息中潜在的规律,使体育训练和比赛朝着理性化和精确化的道路发展,故数据挖掘在体育方面产生的影响是举足轻重的.
将乒乓球比赛技战术分析做成一个实用、有效的软件,广泛的被各个乒乓球队使用,作为为教练做出正确的分析和决策提供一个参考,使教练的意见和训练更加的客观,使体育比赛更加的科学精准[11-12].
不过这种方法有一定的不足：
1）比如如果只录入一场比赛,那么数据的说服力和准确度都会下降.并且在这种不完全数据的统计中技术水平往往也和现场情况选手的压力、体能情况和发挥息息相关.
2）就是FP-tree关联规则本身具有一定的误差.源于它是以支持度-置信度为基础的关联规则挖掘方法,在理论上缺乏严格的理论证明和基础.在阈值参数设定缺乏客观标准时就将其直接应用到客户细分中,可能会产生一些误导.
基于关联规则本身的局限,我们有必要开发更好的算法,克服这些不足,在发现规则的同时需要更多的数据,更深层次的联系才行.
3.2对基于决策树ID3算法的思考
决策树ID3算法通过学习建立一棵决策树.在生成决策树的时候,通常采用信息增益方法来确定生成每个节点时所应选择的合适属性,也就是通过
关于体育训练类论文范文素材,与数据挖掘技术在体育训练中的应用综述与相关论文提纲参考文献资料：