知识时代的来临促使当今社会的信息量以前所未有的速度增加,决策者面临更加复杂的环境,因而高效的决策支持系统成为不可或缺的工具。体育界也面临同样的问题,如何在海量的训练、比赛信息中发现问题的规律,做出合理、正确的决策,是教练员密切关注的问题。击剑是一项技巧性很强的奥运比赛项目,要保证运动员具有良好的身体机能和竞技状态,必须充分发掘训练过程与运动员身体指标之间的关系,进而达到科学训练的目的。数据表明,我国击剑运动的训练和比赛中,教练员仍主要凭经验进行安排,科学化水平较低,缺乏有效的辅助决策支持系统。本文“击剑训练决策支持系统”是国家体育总局奥运科研攻关项目子项目之一,用以配合和促进击剑运动训练的科学化进程,协助教练更加科学地指导运动员进行运动训练。数据挖掘技术主要研究如何从大量的数据中智能的、自动的提取有价值的知识,贝叶斯网络是其中最具代表性的智能信息处理模型。贝叶斯网络具有稳固的数学基础,与人工神经网络、规则库、决策树等其他知识表示形式相比,它采用定性表示和定量分析相结合的方式,具有图形化的模型表示形式和直观的推理,适用于为本文所要解决的击剑训练优化问题建模。以往的研究中,通常将运动员的各项生理、生化指标单独进行训练强度和负荷量的分析,没有科学的建立它们与具体训练过程的关系;本文首先提出采用贝叶斯网络的方法,发现运动员的训练过程与各类生理、生化指标之间的因果关系,具有重大的理论意义和实用价值。本文对贝叶斯网络的知识表达、学习方法和推理功能进行了研究,并建立击剑训练方法的优化模型,最终形成一套完整的训练过程管理和分析系统。在模型实现中,结合运动训练科学理论和教练员的经验知识,定义训练相关变量、生理效应变量和其他运动员变量作为网络节点;使用改进的K2算法学习网络的结构;扫描历史数据对根节点的先验概率和叶节点的条件概率进行赋值。在此基础上,利用模型的推理功能,为教练员提供决策支持。以女子重剑队的数据进行实验,并与增加冲量项的BP神经网络方法进行了性能比较。实验表明,该模型能有效的为教练员提供决策支持。