數據挖掘技術在少年健康體育行為應用中的研究

董世彪

摘 要： 采用大數據分析方法進行少年健康體育行為統計分析，指導少年體育訓練管理，提出基于數據挖掘技術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建體育行為特征的實體模型，結合支持向量機進行體育行為大數據信息挖掘，構建數據挖掘的統計決策目標函數；然后采用粒子群方法進行挖掘目標函數的參數尋優，實現對少年健康體育行為大數據準確挖掘和特征分析。仿真結果表明，采用該方法進行少年健康體育行為應用分析，使體育關聯數據挖掘準確度較高，統計分析的可靠性較好。

關鍵詞： 數據挖掘； 少年健康體育行為； 統計； 支持向量機； 模糊決策

中圖分類號： TN911.1?34； TP391 文獻標識碼： 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

體育訓練關系到整個國民的身體健康，發展體育訓練必須從少年抓起，通過加強少年的體育訓練，增強少年體質，促進少年的健康成長，少年體育訓練管理是關系到國計民生的大事。

在大數據信息技術發展的今天，對體育訓練管理進行大數據統計分析，結合少年健康體育訓練的大數據庫統計結果，進行少年健康體育行為的預測和評估，準確地做出相關政策的決策判斷，提高體育管理水平。

研究基于數據挖掘技術的少年健康體育行為分析方法，在促進少年體育事業的發展方面具有較好的理論指導意義。

1 實體模型構建

1.1 大數據信息擬合模型描述

3 實驗測試分析

對少年健康體育行為特征數據庫的大數據分析采樣，分析少年健康體育行為統計特征，首先確定決策變量：體育運動季節的影響因素選定，其相應的變量定義為； 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，定義為慣性權重為0.78，相關系數均方誤差MSE=0.032 1，根據上述設定。

以2014—2016年少年健康體育行為數據樣本為測試數集，得到體育行為數據的初始樣本分布序列如圖1所示。

以上述數據為測試集，進行數據挖掘和行為預測，得到原始數據的特征分布和預測分布結果如圖2所示。

從圖2得知，通過對少年健康體育行為數據預測，數據特征分布的收斂性較好，擾動誤差較低。

4 結 語

本文采用大數據分析方法進行少年健康體育行為統計分析，指導少年體育訓練管理，提出數據挖掘技術的少年健康體育行為建模分析方法。仿真結果表明，采用該方法進行少年健康體育行為應用分析，對體育關聯數據挖掘的準確度較高，能有效指導少年體育管理和訓練。

參考文獻

[1] 曾志， 王晉， 杜震洪，等.一種云格環境下可計算資源與服務高效調配機制[J].浙江大學學報（理學版），2014，41（3）：353?357.

[2] 徐曉斌，張光衛，孫其博，等.一種誤差可控傳輸均衡的WSN 數據融合算法[J].電子學報，2014，42（6）：1205?1209.

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

[4] 趙志剛，張振文，張福剛.自適應擴展的簡化粒子群優化算法[J].計算機工程與應用，2011，47（18）：45?47.

[5] 劉楊，田學峰，詹志輝.粒子群優化算法慣量權重控制方法的研究[J].南京大學學報（自然科學版），2011，47（4）：364?371.

[6] 方芳，程效軍.海量散亂點云快速壓縮算法[J].武漢大學學報（信息科學版），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.