基于数据挖掘技术的体育训练模式探究.docxVIP

基于数据挖掘技术的体育训练模式探究 在競技体育中，提高运动员竞技水平的最直接有效的途径就是加强训练。目前采用的训练模式仍主要根据教练员的经验和运动员个人的身体条件制定训练计划，缺乏科学有效的数据信息作为计划制定的依据[1-3]。另外，在目前的训练计划中，训练内容以力量、速度、耐力等体能训练为主，而在有针对性的技战术训练方面存在严重不足，不能够以完善的战术评价体系进行评定。可见，搜集、统计、分析运动员在训练和实战中的数据，制定有针对性的训练方案，提高运动员竞技水平已变得尤为重要。 随着数据库、数据挖掘等现代计算机技术的深入发展，体育领域也已经得以应用。针对运动员的个人成长和选材、日常训练、实战比赛等进行大量的数据收集工作，汇总形成多种数据库，通过整合利用这些数据进行深度挖掘，整理分析后得到潜在规律，从而获得有价值的信息，为体育管理部门、教练员、运动员等各方提供科学有效的参考数据。 1 数据挖掘技术的含义与方法 （1） 数据挖掘技术的含义[3-5] 数据挖掘于1989年8月在第十一届国际联合人工智能学术会议上被首次提出。数据挖掘属于知识发现过程的一个步骤，即从大量的、不完全的、模糊的、未知的、随机的数据中，提取隐藏在其中的、不为人知的、具有潜在价值的信息和知识的过程[6-7]。 数据挖掘的对象主要包括关系数据库、数据仓库、时空数据库、事务数据库、多媒体数据库以及文本数据库。数据挖掘的过程通常按照图1所示过程进行。 （2） 数据挖掘技术的基本方法 数据挖掘技术作为一类跨学科应用的技术，涵盖了统计学、人工智能、模糊分析等多学科内容，形成了根据具体问题经数据分析后获取知识的体系。根据具体问题，数据挖掘技术可分为以下几种方法： 1） 统计分析法 该方法被广泛应用于数据库中，即利用回归分析、相关 分析等数学方法将事物间的潜在关系联系在一起，从而发现其中蕴含的潜在关系。 2） 遗传算法[6，8] 该方法借鉴了生物界的自然遗传机制，是一种模拟生物进化过程的计算模型。该方法是通过模拟进化，产生一系列解，通过一定的筛选原则去掉相关度较低的解，如此往复，最终得到最优解。特别是在工业工程、交通运输、经济等多个领域的优化问题方面有广泛应用。 3） 决策树法 该方法是一类分析预测模型，以树枝状的形态展示已有数据，建立一棵决策树，在此基础上进行下一步的预测。这一方法能帮助决策者更好地理解、分析问题。 4） 可视化技术 这一方法就是将已有数据进行图形化、图表化，以更加生动、直观的方式展示数据间的关系，在数据挖掘中起到至关重要的作用。 5） Bayes网络 该方法主要针对不确定信息问题而提出的，通过图形方式建立各要素节点之间的相互联系，在信息不完全、不确定的情况下进行解决问题，被广泛应用于非固定信息的系统中。 6） 概念树法 该方法属于一种抽象化的数据处理，可进行数据的分类整理，是一种数据预处理方式。 2 训练质量监控和临场战术统计系统的需求分析 训练质量监控和临场战术统计系统是对将教练员积累的比赛数据的文档资料进行统计，并收集运动员在以往进行的训练和比赛数据，为后期进行的数据挖掘积累了大量的数据资料。 （1） 问题分析 在以往的训练过程中，教练员的数据采集过程主要集中在运动员的日常训练和比赛中，且主要依靠现场观察和自身经验，从而确定运动员的训练水平和质量及临场发挥情况。长此以往，教练员手中会积累大量的数据资料，但这些数据的离散性强、统计效果差、缺乏准确性和全面性，分析深度严重不足，同时，数据的存放分散，不易携带，使得大量的第一手资料没有充分发挥作用。 训练质量监控和临场战术统计系统的设计则能够很好地解决上述问题，可以利用移动终端作为信息收集和使用工具，便携方便，数据也能够完整全面的得到保存。同时，通过对所建数据库的数据进行深度挖掘分析，得到准确的统计分析结果，为教练员的训练计划的制定、训练质量的监控和临场战术的调整提供数据支持。 （2） 数据流程分析 数据流程分析则是针对系统内数据的流动情况，以系统的实体划分为依托，主要涵盖外部文档、移动用户端、移动功能端、服务器功能端和数据库等部分，如图2所示。本系统中的主要数据流动方向为：移动用户端和外部文档作为数据的主要