擊劍運動員血液指標優(yōu)化中的數(shù)據(jù)挖掘.pdf

1、為了提高運動成績，必須進行合理的、系統(tǒng)的、科學的運動訓練。近年來，科學的訓練方法已越來越多的應用到競技體育當中來，并且取得了顯著的成效。在眾多的體育項目中，擊劍項目是2004雅典和2008北京奧運會上重要的奪牌項目，為了協(xié)助國家擊劍隊教練更科學的指導運動員訓練，提高比賽成績，與國家擊劍隊合作，研究一套“擊劍訓練負荷計算機分析系統(tǒng)”。該分析系統(tǒng)的一個重要研究內(nèi)容是采用數(shù)據(jù)挖掘和知識發(fā)現(xiàn)的方法對運動員的身體機能和運動負荷量進行科學的評價，幫

2、助教練員更合理的安排訓練計劃。 目前，依據(jù)運動員的血液指標測試記錄，采用神經(jīng)網(wǎng)絡技術已經(jīng)實現(xiàn)了運動員身體機能評價和預測。但是，對于血液指標的選擇隨意性比較強，這勢必會影響到網(wǎng)絡的性能和準確度。因此，利用神經(jīng)網(wǎng)絡訓練之前必須選取合理的血液指標。本文的研究目的在于如何對血液指標進行優(yōu)化。通過運用數(shù)據(jù)挖掘中的重要方法關聯(lián)規(guī)則，我們找出了血液指標之間的相互聯(lián)系，實現(xiàn)了血液指標的優(yōu)化。 關聯(lián)規(guī)則的形式為X→Y，它說明數(shù)據(jù)庫中的某一

3、條記錄如果包含了X，那么也傾向于包含Y。關聯(lián)規(guī)則的發(fā)現(xiàn)可分為兩步。第一步是迭代識別所有的頻繁項目集，要求頻繁項目集的支持率不低于用戶設定的最低值；第二步是從頻繁項目集中構(gòu)造可信度不低于用戶設定的最低值的規(guī)則。識別或發(fā)現(xiàn)所有頻繁項目集是關聯(lián)規(guī)則發(fā)現(xiàn)算法的核心，也是計算量最大的部分。最為著名的關聯(lián)規(guī)則發(fā)現(xiàn)方法是R.Agrawal提出的Apriori算法。算法使用一種稱作逐層搜索的迭代方法，k-項集用于探索(k+1)-項集。Apriori算法