董世彪

摘 要： 采用大數(shù)據(jù)分析方法進(jìn)行少年健康體育行為統(tǒng)計分析，指導(dǎo)少年體育訓(xùn)練管理，提出基于數(shù)據(jù)挖掘技術(shù)的少年健康體育行為建模分析方法。首先采用模糊決策方法構(gòu)建體育行為特征的實體模型，結(jié)合支持向量機(jī)進(jìn)行體育行為大數(shù)據(jù)信息挖掘，構(gòu)建數(shù)據(jù)挖掘的統(tǒng)計決策目標(biāo)函數(shù)；然后采用粒子群方法進(jìn)行挖掘目標(biāo)函數(shù)的參數(shù)尋優(yōu)，實現(xiàn)對少年健康體育行為大數(shù)據(jù)準(zhǔn)確挖掘和特征分析。仿真結(jié)果表明，采用該方法進(jìn)行少年健康體育行為應(yīng)用分析，使體育關(guān)聯(lián)數(shù)據(jù)挖掘準(zhǔn)確度較高，統(tǒng)計分析的可靠性較好。

關(guān)鍵詞： 數(shù)據(jù)挖掘； 少年健康體育行為； 統(tǒng)計； 支持向量機(jī)； 模糊決策

中圖分類號： TN911.1?34； TP391 文獻(xiàn)標(biāo)識碼： A 文章編號： 1004?373X（2017）09?0112?03

Abstract： The big data analysis method is used to perform the statistical analysis of the juvenile healthy sports behavior， and guide the juvenile sports training and management. The data mining technology based modeling analysis method of juvenile healthy sports behavior is proposed. The fuzzy decision method is used to construct the entity model of the sports behavior characteristics. The support vector machine is combined to mine the big data information of the sports behavior， and construct the statistic decision objective function of data mining. The parameter optimization of the mining objective function is performed with particle swarm optimization method to mine the big data of the juvenile healthy sports behavior accurately， and analyze its characteristics. The simulation results show that the method to analyze the juvenile healthy sports behavior has high mining accuracy of sports associated data mining， and high reliability of statistical analysis.

Keywords： data mining； juvenile healthy sports behavior； statistics； support vector machine； fuzzy decision

0 引 言

體育訓(xùn)練關(guān)系到整個國民的身體健康，發(fā)展體育訓(xùn)練必須從少年抓起，通過加強(qiáng)少年的體育訓(xùn)練，增強(qiáng)少年體質(zhì)，促進(jìn)少年的健康成長，少年體育訓(xùn)練管理是關(guān)系到國計民生的大事。

在大數(shù)據(jù)信息技術(shù)發(fā)展的今天，對體育訓(xùn)練管理進(jìn)行大數(shù)據(jù)統(tǒng)計分析，結(jié)合少年健康體育訓(xùn)練的大數(shù)據(jù)庫統(tǒng)計結(jié)果，進(jìn)行少年健康體育行為的預(yù)測和評估，準(zhǔn)確地做出相關(guān)政策的決策判斷，提高體育管理水平。

研究基于數(shù)據(jù)挖掘技術(shù)的少年健康體育行為分析方法，在促進(jìn)少年體育事業(yè)的發(fā)展方面具有較好的理論指導(dǎo)意義。

1 實體模型構(gòu)建

1.1 大數(shù)據(jù)信息擬合模型描述

3 實驗測試分析

對少年健康體育行為特征數(shù)據(jù)庫的大數(shù)據(jù)分析采樣，分析少年健康體育行為統(tǒng)計特征，首先確定決策變量：體育運動季節(jié)的影響因素選定，其相應(yīng)的變量定義為； 少年健康體育行為的教育重視度，定義為；少年健康體育行為的社會投入，定義為慣性權(quán)重為0.78，相關(guān)系數(shù)均方誤差MSE=0.032 1，根據(jù)上述設(shè)定。

以2014—2016年少年健康體育行為數(shù)據(jù)樣本為測試數(shù)集，得到體育行為數(shù)據(jù)的初始樣本分布序列如圖1所示。

以上述數(shù)據(jù)為測試集，進(jìn)行數(shù)據(jù)挖掘和行為預(yù)測，得到原始數(shù)據(jù)的特征分布和預(yù)測分布結(jié)果如圖2所示。

從圖2得知，通過對少年健康體育行為數(shù)據(jù)預(yù)測，數(shù)據(jù)特征分布的收斂性較好，擾動誤差較低。

4 結(jié) 語

本文采用大數(shù)據(jù)分析方法進(jìn)行少年健康體育行為統(tǒng)計分析，指導(dǎo)少年體育訓(xùn)練管理，提出數(shù)據(jù)挖掘技術(shù)的少年健康體育行為建模分析方法。仿真結(jié)果表明，采用該方法進(jìn)行少年健康體育行為應(yīng)用分析，對體育關(guān)聯(lián)數(shù)據(jù)挖掘的準(zhǔn)確度較高，能有效指導(dǎo)少年體育管理和訓(xùn)練。

參考文獻(xiàn)

[1] 曾志， 王晉， 杜震洪，等.一種云格環(huán)境下可計算資源與服務(wù)高效調(diào)配機(jī)制[J].浙江大學(xué)學(xué)報（理學(xué)版），2014，41（3）：353?357.

[2] 徐曉斌，張光衛(wèi)，孫其博，等.一種誤差可控傳輸均衡的WSN 數(shù)據(jù)融合算法[J].電子學(xué)報，2014，42（6）：1205?1209.

[3] 羅亮，吳文峻，張飛.面向云計算數(shù)據(jù)中心的能耗建模方法[J].軟件學(xué)報，2014，25（7）：1371?1387.

[4] 趙志剛，張振文，張福剛.自適應(yīng)擴(kuò)展的簡化粒子群優(yōu)化算法[J].計算機(jī)工程與應(yīng)用，2011，47（18）：45?47.

[5] 劉楊，田學(xué)峰，詹志輝.粒子群優(yōu)化算法慣量權(quán)重控制方法的研究[J].南京大學(xué)學(xué)報（自然科學(xué)版），2011，47（4）：364?371.

[6] 方芳，程效軍.海量散亂點云快速壓縮算法[J].武漢大學(xué)學(xué)報（信息科學(xué)版），2013，38（11）：1353?1357.

[7] MERNIK M， LIU S H， KARABOGA M D， et al. On clarifying misconceptions when comparing variants of the artificial bee colony algorithm by offering a new implementation [J]. Information sciences， 2015， 291（10）： 115?127.

[8] HSIEH T J. A bacterial gene recombination algorithm for solving constrained optimization problems [J]. Applied mathematics and computation， 2014， 231（15）： 187?204.

[9] KHALILI A， SAMI A. SysDetect： a systematic approach to critical state determination for industrial intrusion detection systems using Apriori algorithm [J]. Journal of process control， 2015， 32（11）： 154?160.