论文部分内容阅读
中图分类号：G808 文献标识：A 文章编号：1009-9328（2015）05-000-01
摘 要 随着时代和社会的不断变革，体育事业领域也随之发展并不断变革。由于多年的成就和经验积累，体育训练在体育领域里积累并储存了大量的数据信息。要想使体育事业站在更辉煌的高度成就更高的荣耀，就必须充分挖掘体育训练中的训练数据，充分发现体育训练中的科学规律和模式，使之能够克服训练中的复杂性和难度性。
关键词 数据挖掘 体育训练 人工智能技术
数据挖掘是发现数据知识的一种方法，是发现大量数据中隐藏的特殊关系的过程。数据挖掘是通过利用计算机进行数据信息的统计、分析、检索和识别，是通过人工智能方式对数据库内数据信息的发现、处理和利用的过程。将数据挖掘应用于体育训练指导中，实现体育数据信息的管理和优化，使体育训练资料能够得以充分地勘探和研究使用，从而发挥体育训练的最大动能。
一、传统数据在体育训练中的应用问题
体育训练和指导是提高运动员竞技能力、体能水平、基本素质、专项素质及技能水平的一种重要手段，同时也是通过各种技能指标、体能水平指标和身体素质指标等对运动员的身体状态和运动成绩进行评价和预测。在体育训练中，由于不同的年龄、体重、性别等条件形成了不同的量化检测标准。训练指导员只有通过不同的训练测试数据进行有区别的分析，才能发现运动员之间存在的差距，并制定符合实际的训练方案。随着体育训练数据的不断积累和更新，传统的数据检测、处理方式已经无法满足当前的实际需求，并且呈现出较为严重的弊端。
（一）无法达成训练指标的及时优化
训练指导员通过长期的体育训练经验总结和制定出大量的训练内容和指导方案，储存了大量的体育训练和指导数据，但是这些数据存在离散、模糊等特点，训练指标之间相互独立，无法达成融合交汇，无法形成系统完整的数据分析标准，无法实现体育训练各项目之间的成就共通，导致各项体育训练之间的关系模糊不清，各项体育训练数据和指标未能得到进一步优化和整理。
（二）无法达成训练状态的正确评价
无论是哪项体育训练，其最终目的都是提高运动员的整体身体素质和身体状态，使运动员能够以最佳的状态和最优的水平来迎接比赛和挑战。传统调节运动员体能状态的方法仅仅是依靠训练指导员的经验，在比赛准备期间进行强化训练。然而这个方法是不完全可取的，如果教练员的经验不足或者未能充分了解到运动员当前的身体状况，就无法分析出当前运动员竞技水平情况，无法正确评价出运动员竞技状态的好坏，从而造成训练决策的失误，进而影响训练结果和比赛成绩。
二、数据挖掘在体育训练指导中的应用研究
现今对体育训练数据进行分析的方法是传统的统计分析法，主要是通过对体育训练数据主成分的分析明确运动项目中各个指标的重要性，通过训练数据的连锁分析明确运动指标间的联系性，通过统计分析预测运动员的比赛成绩。在体育训练中运用统计分析法，打破了传统训练指导员依靠个人经验指导训练的状态，但是这种突破并不完全。对于优秀的运动员，统计分析法的作用就显得微乎其微了。所以，在体育训练中采取更加先进的、科学的数据分析技术尤为重要。
（一）利用分类整理对体育训练数据信息进行数据挖掘
利用数据挖掘的分类功能，将现存的大量模糊的体育训练数据信息进行分类识别，发现隐含于其中的有潜在价值的信息和数据。利用数据挖掘分类功能，按照体育训练数据信息的相似性和差异性进行合理编排，实现体育训练信息的自动化分类，并对此做出归纳性的推理总结，使训练指导员能够在不同条件下及时调整训练对策，理性地面对训练对象，从而做出正确的训练方案和训练方式。
（二）利用回归分析法对体育训练数据信息进行数据挖掘
利用回归分析方法，充分反映出体育训练数据库中数据信息的属性值，通过函数表达方式充分发现体育训练指导数据信息的属性连带关系，使训练指导员能够更加准确地对运动员的竞技状态和身体素质进行预测，并在不同状态下采取针对性的调整策略，使运动员能够以最佳的身体状态和素质迎接比赛和挑战。
（三）利用关联规则对体育训练数据信息进行数据挖掘
利用关联规则法，充分发现体育训练数据库中隐藏的训练数据关系，实现一个训练数据带动其他相关训练数据项的出现，实现海量体育训练数据信息的相关联，从而满足体育训练中训练指导员对运动员状态和成绩的预测需求，使训练指导员充分了解运动员相应的状况并及时做出训练方案的改善。
（四）利用神经网络方法对体育训练数据信息进行数据挖掘
神经网络方法，是一种先进的人工智能技术，具有自行处理、按步储存、高度容错的特点，可以将体育训练数据中不清晰、不完整、不严密的数据信息进行高度处理。利用前馈式神经网络模式对体育训练数据信息进行分类预测和模式识别，利用反馈式神经网络模式对体育训练数据信息进行联想记忆和优化速算，利用组织映射模式对体育训练数据信息进行自动聚类，使训练指导员能够及时发现运动员在训练中的问题，并采取各种行之有效的方法进行解决。
（五）利用Web方法对体育训练数据信息进行数据挖掘
Web是一种综合性的技术方法，可以從文档结构和使用集合中发现隐藏的模式类型，从而实现数据信息输入和输出过程的高度转换。利用Web方法进行数据挖掘，实现体育训练数据信息输入和输出的映射过程，实现数据信息的充分利用。
利用数据挖掘技术，充分发现大量复杂运动训练数据中的科学规律性和相关性，实现体育训练指导和分析的最优化，实现人工智能、数据库和体育训练的有效结合。
参考文献：
[1] 祝玮东.当代体育研究中数据挖掘技术的应用[J].南京体育学院学报（自然科学版）.2010（01）.
[2] 乔克满，汪德秀.数据挖掘技术在体育领域的研究现状与应用前景[J].巢湖学院学报.2010（03）.
[3] 胡斐.数据挖掘在体育领域中的应用研究综述[J].科技创新导报.2010（27）.
摘 要 随着时代和社会的不断变革，体育事业领域也随之发展并不断变革。由于多年的成就和经验积累，体育训练在体育领域里积累并储存了大量的数据信息。要想使体育事业站在更辉煌的高度成就更高的荣耀，就必须充分挖掘体育训练中的训练数据，充分发现体育训练中的科学规律和模式，使之能够克服训练中的复杂性和难度性。
关键词 数据挖掘 体育训练 人工智能技术
数据挖掘是发现数据知识的一种方法，是发现大量数据中隐藏的特殊关系的过程。数据挖掘是通过利用计算机进行数据信息的统计、分析、检索和识别，是通过人工智能方式对数据库内数据信息的发现、处理和利用的过程。将数据挖掘应用于体育训练指导中，实现体育数据信息的管理和优化，使体育训练资料能够得以充分地勘探和研究使用，从而发挥体育训练的最大动能。
一、传统数据在体育训练中的应用问题
体育训练和指导是提高运动员竞技能力、体能水平、基本素质、专项素质及技能水平的一种重要手段，同时也是通过各种技能指标、体能水平指标和身体素质指标等对运动员的身体状态和运动成绩进行评价和预测。在体育训练中，由于不同的年龄、体重、性别等条件形成了不同的量化检测标准。训练指导员只有通过不同的训练测试数据进行有区别的分析，才能发现运动员之间存在的差距，并制定符合实际的训练方案。随着体育训练数据的不断积累和更新，传统的数据检测、处理方式已经无法满足当前的实际需求，并且呈现出较为严重的弊端。
（一）无法达成训练指标的及时优化
训练指导员通过长期的体育训练经验总结和制定出大量的训练内容和指导方案，储存了大量的体育训练和指导数据，但是这些数据存在离散、模糊等特点，训练指标之间相互独立，无法达成融合交汇，无法形成系统完整的数据分析标准，无法实现体育训练各项目之间的成就共通，导致各项体育训练之间的关系模糊不清，各项体育训练数据和指标未能得到进一步优化和整理。
（二）无法达成训练状态的正确评价
无论是哪项体育训练，其最终目的都是提高运动员的整体身体素质和身体状态，使运动员能够以最佳的状态和最优的水平来迎接比赛和挑战。传统调节运动员体能状态的方法仅仅是依靠训练指导员的经验，在比赛准备期间进行强化训练。然而这个方法是不完全可取的，如果教练员的经验不足或者未能充分了解到运动员当前的身体状况，就无法分析出当前运动员竞技水平情况，无法正确评价出运动员竞技状态的好坏，从而造成训练决策的失误，进而影响训练结果和比赛成绩。
二、数据挖掘在体育训练指导中的应用研究
现今对体育训练数据进行分析的方法是传统的统计分析法，主要是通过对体育训练数据主成分的分析明确运动项目中各个指标的重要性，通过训练数据的连锁分析明确运动指标间的联系性，通过统计分析预测运动员的比赛成绩。在体育训练中运用统计分析法，打破了传统训练指导员依靠个人经验指导训练的状态，但是这种突破并不完全。对于优秀的运动员，统计分析法的作用就显得微乎其微了。所以，在体育训练中采取更加先进的、科学的数据分析技术尤为重要。
（一）利用分类整理对体育训练数据信息进行数据挖掘
利用数据挖掘的分类功能，将现存的大量模糊的体育训练数据信息进行分类识别，发现隐含于其中的有潜在价值的信息和数据。利用数据挖掘分类功能，按照体育训练数据信息的相似性和差异性进行合理编排，实现体育训练信息的自动化分类，并对此做出归纳性的推理总结，使训练指导员能够在不同条件下及时调整训练对策，理性地面对训练对象，从而做出正确的训练方案和训练方式。
（二）利用回归分析法对体育训练数据信息进行数据挖掘
利用回归分析方法，充分反映出体育训练数据库中数据信息的属性值，通过函数表达方式充分发现体育训练指导数据信息的属性连带关系，使训练指导员能够更加准确地对运动员的竞技状态和身体素质进行预测，并在不同状态下采取针对性的调整策略，使运动员能够以最佳的身体状态和素质迎接比赛和挑战。
（三）利用关联规则对体育训练数据信息进行数据挖掘
利用关联规则法，充分发现体育训练数据库中隐藏的训练数据关系，实现一个训练数据带动其他相关训练数据项的出现，实现海量体育训练数据信息的相关联，从而满足体育训练中训练指导员对运动员状态和成绩的预测需求，使训练指导员充分了解运动员相应的状况并及时做出训练方案的改善。
（四）利用神经网络方法对体育训练数据信息进行数据挖掘
神经网络方法，是一种先进的人工智能技术，具有自行处理、按步储存、高度容错的特点，可以将体育训练数据中不清晰、不完整、不严密的数据信息进行高度处理。利用前馈式神经网络模式对体育训练数据信息进行分类预测和模式识别，利用反馈式神经网络模式对体育训练数据信息进行联想记忆和优化速算，利用组织映射模式对体育训练数据信息进行自动聚类，使训练指导员能够及时发现运动员在训练中的问题，并采取各种行之有效的方法进行解决。
（五）利用Web方法对体育训练数据信息进行数据挖掘
Web是一种综合性的技术方法，可以從文档结构和使用集合中发现隐藏的模式类型，从而实现数据信息输入和输出过程的高度转换。利用Web方法进行数据挖掘，实现体育训练数据信息输入和输出的映射过程，实现数据信息的充分利用。
利用数据挖掘技术，充分发现大量复杂运动训练数据中的科学规律性和相关性，实现体育训练指导和分析的最优化，实现人工智能、数据库和体育训练的有效结合。
参考文献：
[1] 祝玮东.当代体育研究中数据挖掘技术的应用[J].南京体育学院学报（自然科学版）.2010（01）.
[2] 乔克满，汪德秀.数据挖掘技术在体育领域的研究现状与应用前景[J].巢湖学院学报.2010（03）.
[3] 胡斐.数据挖掘在体育领域中的应用研究综述[J].科技创新导报.2010（27）.