海量运动数据中的差异参数优化挖掘方法.pdfVIP

zfDI 卷第6期 计算机仿真 2014 年 6 月 文意编号:1创始 - 9348(2014)06 -0398-04 海量运动数据中的差异参数优化挖掘方法 宁光芳1 ，齐小文2 (1.郑州大学体育学院，河南郑州 45ω44; 2. 中州大学信息管理中心.刘雨郑州 45∞44) 摘要:研究在海放运动数t街小差异参数的准确提取问题。 由于在海价运动数据巾，连续运动帧之间受到采m时间短、运动幅 度变化过小的影响 .运动特征数据之间的差异很小。 传统数锯挖掘方法中对细微差异数据无法完成准确挖掘。 提出利用决 策树~1:法的海盘运动数据中优质参数挖掘方法。计算不同属性运动数据的支持度.获取对应数据的nf汗皮和lfifr 占比率，计 3):t:述运动放组-之间的关联蚀。 采用贪心t):法构造决策树，以自顶I句~i总归的方式构造判定树。 将运动锹据作为决策树中 的树11 1 节点 3 实验结果我明，利用改进1):法进行海位运动数街小优质参数提取，可以有效提高挖掘的效咯有1精度，去除运动 数据中的冗余数据。 关键询:运动数据;优质参敛:曼~~挖掘;决策树 中图分类号:n27 文献标i只码 :B Quality Parameters of Mass Movement Data Mining Method NING Gua吨- fang , QI Xiao - wen 2 ( 1. Physical Education College of Zhengzhou University , Zhengzhou Henan 45。但4. China; 2. lnformation Center of Zhongzhou UniversilY , Zhengzhou Henan 45∞44 ， China ) ABSTRACf : The extraction melhod of differenl parameters in mass movement data was studied in Ihis paper. ln the ma骑 movement data , conlinuous motion frame is affecled by short acquisition time and small motion amplitude change. which makes small di fTerence in motion characteristics of Ihe dal.a. This paper presented a data mining meth- od of high quality parameters in the mass movement data based on decision tree a1gorithm. The support degree of diι ferent atlribute motion data was calculated , confidence coefficient and rate of coπesponding dala were obtained. and relevance of the motion data was calculated. The greedy algorithm was used to construct the decision tree , and to construct the decision tree with top - down way recursive. The motion data were used as leaf node in a decision 1陀e. The experimental results show that the use of modified algorithm to extract qualily paramcters in the mass movement data can eITectively improve the precision and efficiency of mining. and remove the redundant dat8 in the motion da- ta. KEYWORDS : Motion dat8; Quality parameters; D8ta mining ; Oecision lree 1 引言 随后计算机技术的不断发展，该技术在数据管理方面的 应用范围也越来越广泛~ I ; 。 如何在海母的运动数据中，挖掘 优质参数，直接关系着数据管理的效率和性能(2 ) 。 因此，运 ~J数据中优质参数挖掘方法，已经成为数据