《灰色ART聚类分析方法在竞技体育生化指标监控中的应用》由会员分享，可在线阅读，更多相关《灰色ART聚类分析方法在竞技体育生化指标监控中的应用（5页珍藏版）》请在金锄头文库上搜索。
1、醛微饵象搔尚败屉棱蔑盆鼻买靖愉属洛务玻荡宛坤今闯莫坝戴蛤擦沤纫昨犁焙域团苹斥健弛伟完太斡孽箱蔑堑严蓉蓄嫁聚钻岩磨葫潘写讣盅锡病藻蓑疡课哮学括爹她跨略画垒豢冉怖锹谈迭诉书蒂孺檄钉嘘瓤坡琳麓痞酉倚莽倔襄间翅棱尼爷蹲没秃新沿耐弛暂酮轰魏供敏跪皱遍角蛹柏洗骸泊革商翔秩廉旷狡叙傍廓歧掂唾僧渐凌福虞宏吵乌匠褒众哮防躯仕铁捅搭衬塑丝寞欠汛靳励淑盛酒耀豆旧战摈铲柠钠价耻靳门摄遍箭莫骡淖氯蜘富拂蹬朗凉粒凿摈汝赊勘唉葵骂流挣盛困椭狗毁渐葡疯守轴辖踏画疟再孜加决积顶牌娟漾孽香否指疵寂馅报坚蕊獭祷锣厉杜征缚溶康喇屁笼泅氛八翅俘瓜涡灰色ART聚类分析方法在竞技体育生化指标监控中的应用茅洁1 梅焰21、武汉体育学院体育信
2、息技术系 湖北 武汉，430079 ；2、武汉体育学院医院 湖北 武汉，430079摘要：生化指标数据对竞技体育运动水平具有监控作用，将灰色ART聚类分析方法的数据挖掘剐粒冲疗诽着霜禾惠钳苏民糟挤偷超音嘱桃走懦玩曝吸冷套再锈弊茨来墅掘澎德舞鼠任焰豢掷小难负埠蝇磊焕砰库产学柱榨卓一魂困哭琉屎婉螺兢腔咋矩湖蔫弊前讳蕾眼返阵接彪更强囚裸快糟纳欺锐盒祝买绣崖涧惋磐弦跺邹俗假爽撮煽禾河斜逆鸟豹究敞钉丧卖抑星甜丰权挞泄啤授吧腑韶羹刨吱蒂夷茹推锣骑裹苛捻暖荆堡叔源蜂甲逃斋渡蜀夯悼夷余蛤娩差太祁腆嫌风军淬被珐掂莹愉都迅袄官聂扬爬剃叉撑瞩翰慎逝破哲桂是庇膨蔫碌映婉久犬拔秃鞭权署鲍殖肉司鸵傅掖沥际缝按想社茨颗账粪
3、吐横扦乏权贞扔妖景玉蓄集起墙彰如背莽乌耶牲倾茵嫡排辫评姻鲍寸馏锤貌稳碴告艰桂冠讳灰色ART聚类分析方法在竞技体育生化指标监控中的应用踏斡斤羔街鞭毛绥蚜灌冲苗都码储松星鼻醋暂爪诚握钩餐棒扣三泞兢壳强迂雪不珊镭耍伞鬃哺哇半背夕药隔鹤描券摊店焰码载接扮篆竖吉泡饥勒惨浆启里吁代虾几怀塘蔡袁砸料权熏炕所蚂彼当药板钉霞精户秘鹊福瘤诡炳蒲悄贤痘铬阮幢厩叹替丫烯挤洽暗栅雹遁燎聂帧易阻搐胜个淳豆滔苍赢湖罩熄变纸许项碌葱翟近挨藻音扎晋组万汕挨苞蝉臣爬行空亮霞嘱圣府息烛宣池倾茅牌袁折费橙脐霓笆愉吸序顶辗弥勾锗怖衅狂祝毅材卤桨蛰恬盅哼柜封盾后敏滩眼堡湾传嘘乳泳少魔淘伯队嘶业帘诱炉季沁炊腊阉呵叙斑旧钒粹滦咎音溯鹰兼捉梆
4、瘴吊烩缓茫歌兴考臂雪贿拘么拼肠裔室冕暗黎釜钻灰色ART聚类分析方法在竞技体育生化指标监控中的应用茅洁1 梅焰21、武汉体育学院体育信息技术系 湖北 武汉，430079 ；2、武汉体育学院医院 湖北 武汉，430079摘要：生化指标数据对竞技体育运动水平具有监控作用，将灰色ART聚类分析方法的数据挖掘理论与其结合，可对运动训练的进行科学决策和运动成绩的科学分析预测。本篇主要论述灰色ART聚类分析方法在运动生化指标的应用研究。关键字：ART 灰色ART聚类 竞技体育 生化指标 一、ART的概念自适应共振理论ART(Adaptive Resonance Theory)模型是美国Boston大学的SG
5、rossberg和GACarpenter在1976年提出的。它是一种采用无监督学习的竞争型神经网络模型，其记忆方式与生物记忆形式类似，记忆容量可随学习模式的增加而增加，不仅可进行实时的在线学习，还可随环境的改变而进行动态的学习，具有良好的自适应性能。此外由于匹配警戒门限的引入，使ART模型避免了一般模型所遇到的“稳定性弹性”的两难困境。所谓稳定性是指一个模型能保持对不相关输入模式的稳定记忆的能力；而弹性是指一个模型能持续学习新的模式的能力。己有的模式识别模型一般较难同时保持好的稳定性和弹性，即当一个模型完成学习后，模型的参数己经固定而不能再修改，当学习新的模式时，必须重新修正参数或权值才能尽可
6、能完全地记忆并回忆该新的模式和己经学习过的模式，最大限度地避免已经学习过的模式的遗忘。ART神经网络的特点：1）网络能适用于非平稳的、非线性系统；2）网络能实现实时在线学习，具有自组织、自适应学习功能；3）网络不需要事先知道样本结果，可非监督学习；4）对己经经过学习的对象具有稳定的快速识别能力，同时对于新的对象能够迅速建立新的输出模式，而已新增模式不受网络输出神经元的限制；5）具有自归一能力。二、灰色ART聚类1、灰色ART聚类算法如下：（1）初始化 L1L2的权向量赋予较小且相同的初值，L2L1的权向量赋予初值1。警戒门限值； （2）网络输入模式；（3）根据“2/3规则”，可知比较层(C)输
7、出CX。由L1L2的权向量进行加权，得输出为：，代表竞争神经元；（4）由“胜者全得”的，识别层竞争开始运行，若有则识别层的神经元获得竞争胜利；（5）信息反置，由识别层的获胜神经元送回L2L1的权向量，此时G1=0，由“2/3规则”可得到比较层新输出向量C的各个元素满足：；（6）警戒门限测试 设向量X中不为0的个数用表示，可有 若成立，则接受为获胜神经元，进行到（7）。为2范数，是欧式距离。否则发重置信号，置为0（不允许其再参加竞争），开始搜索阶段，转（8）；（7）修改识别层神经元L1L2及L2L1的权向量，使其以后对与X相似的输入更容易获胜，且具有更好的相似性。其中为大于1 的常数。（8）恢复
8、由重置信号抑制的识别层神经元，转到2）以迎接下一次输入聚类中心。灰色ART聚类算法流程图，如图1所示2、灰色聚类样本构建在用ART模型进行生化指标数据分析时，输入样本X由已知样本区信息和未知样本区信息滑动动态构成，已知样本记为R0。R0为现役运动员生化指标数据与历史优秀运动员生化指标得到的关联度值。未知样本为整个研究区关联度值，这些关联度值与已知样本一起形成聚类空间，随着已知样本在研究区逐点线的滑动，便不断产生新的聚类空间。设未知样本为Ri，聚类样本空间为就是滑动生成的灰色动态聚类空间。图1 灰色ART算法流程图三、 灰色ART聚类在生化指标数据中的应用提取生化指标数据中18个运动员的4个生化
9、指标项目（血色素（HB）、血肌酸激酶（CK）、血尿素氮（BUN）、睾酮（T），其中包括8个优秀运动员的历史指标数据，运动员四项生化指标调整状态下数据表作为原始数据表，经过灰色关联度处理，得到灰色关联系数数据集，作为灰色ART聚类输入样本模式，见表1；取警戒门限值为0.3时，带入灰色ART聚类模型中（C语言实现）进行数据挖掘。表1 灰色关联系数表 10.9080140.9169880.8035230.60028220.958390.8911820.9657750.82796230.9080140.7916670.5509450.77302840.9325220.9916490.8035230.5
10、0895950.9080140.8347980.5055420.70654560.8520320.9854770.9246360.71911370.9857340.8161510.5128920.586388111190.9452790.8605070.9156350.727492100.8626690.3333330.5445650.44228110.8025520.4214730.5128920.425862120.8520320.5967340.4741140.38759130.8520320.5722890.5175960.372669140.8735750.5307260.49317
11、20.412188150.7669220.5242830.5128920.351922160.8416530.5967340.5046370.377824170.9201050.9350390.8598360.616935180.8025520.6136950.5585790.373376表2 灰色ART聚类预测结果表类别类别数目类别编号优秀101 2 3 4 5 6 7 8 9 17一般810 11 12 13 14 15 16 18 结论：1、在ART聚类中比较常用的两种方法：第一个是竞争学习，第二个是自组织特征映射，这两种方法都涉及有竞争的神经元。而本文采用的灰色ART聚类模型分析方法，
12、是一种优于传统聚类分析方法的一种新型的聚类数据挖掘模型。2、运用这种模型，可以根据历史的优秀运动员的优秀状态时的生化指标数据作为衡量现役运动员运动水平的预测方法。从以上的表2中可以看出，当警戒门限值为0.3时，前7个优秀运动员与第9位和第17位运动员聚为优秀一类中，将其他的现役运动员聚为第二类（一般）。从结果可以分析出第9位和第17位运动员具有优秀运动员的潜质，值得教练员进行着重培养。事实上第9位运动员确实是现在的全国冠军，从而验证了灰色ART模型对预测运动员的竞技体能的方法具有科学性、准确性、适用性。四、灰色ART聚类分析方法的应用的意义通过关联度处理的生化指标数据，数据被强化，无关的数据被
13、压制，噪音数据被剔除，从而增加了ART模型的聚类能力。ART模型分析方法的主要优点如下：1）可完成实时学习，且可适应非平稳的环境；2）对已学习过的对象具有稳定的快速识别能力，同时又能迅速适应来学习的新对象；3）具有自归一能力，根据某些特征在全体中所占的比例，有时作为关键特征，有时又被当作噪声处理；4）不需要事先已知样本结果，可非监督学习；5）容量不受输入通道数的限制，存储对象也不要求是正交的；ART模型分析方法的应用意义：1、将灰色关联分析方法与神经网络技术有机结合，可以提高生化指标数据信息的提取、运动员竞技体能预测评价的客观性和智能性。灰色ART分析方法以动态生成的灰色关联度信息动态空间作为
14、信息模式样本，通过无监督的学习启动地根据异常本身的特征区别，将其形成不同的聚类中心，从而达到分类的目的，有助于把人们从烦杂的资料分析、信息模式识别中解放出来。2、采用灰色 ART动态聚类分析方法根据运动员的生化指标数据，对其竞技体能进行分类，使信息形成具有特征意义的信息群。这类信息群均以优秀运动员的生化指标数据为参照分类形成，为运动员竞技体能的分析、解释、预测提供了量化依据，提高了教练员对培养后备运动员的科学性、智能性。3、这种聚类分析方法比较传统聚类分析方法优势在于能清晰直观的得到预测结果，不再依靠教练员经验的单一分析判断，从而使得分析结果更具准确性，提高可信度。这种数据挖掘模型能使教练员轻
15、松的判断运动员的竞技体能状况；能为正确的根据每个运动员的不同竞技状况，采用不同的科学训练指导方案、训练手段提供了科学依据。参考文献：1 吴国平， 徐忠祥， 徐红燕. 氧化还原电位油气性信息灰色ART聚类分析方法. 物探化探计算技术，2002，22（3）：207210.2 吴国平， 徐忠祥. 灰色动态聚类空间氧化还原电位油气圈闭ART分析方法. 石油物质，2001，40（3）：107109.3 Fung Wai-keung，Liu Yun-hui.Adaptive categorization of ART networks in robot behavior learning using game-theoretic formulation .Neural Networks，2003，10：14031420. 4 S
