灰色ART聚类分析方式在竞技体育生化指标监控中的应用

《灰色ART聚类分析方式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聚类分析方式在竞技体育生化指标监控中的应用（5页珍藏版）》请在装配图网上搜索。

1、灰色ART聚类分析方式在竞技体育生化指标监控中的应用茅洁梅焰一、武汉体育学院体育信息技术系湖北武汉，430079；二、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聚类分析方式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聚类分析方式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（AdaptiveResonanceTheory）模型是美国Boston大学的S.Grossberg和G.A.Carpenter在1976年提出的。它是一

2、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。另外由于匹配警戒门限的引入，使ART模型避免了一般模型所碰到的“稳固性一弹性”的两难窘境。所谓稳固性是指一个模型能维持对不相关输入模式的稳固记忆的能力: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维持好的稳固性和弹性，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，必需从头修正参数或权值才能尽可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

3、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）网络不需要事前明白样本结果，可非监督学习：4）对己经通过学习的对象具有稳固的快速识别能力，同时对于新的对象能够迅速成立新的输出模式，算了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聚类一、灰色ART聚类算法如下：（1）初始化L1-L2的权向量W给予较小且相同的初值，L2-L1的权向量W给予初值1。警戒门限值OV0V1：（2）网络输入模式X=玉,，毛:（3）按照“2/3规则”，可知比较层（C）输出C=X0由L1-L2的权向量卬进行加

4、权，得输出为：=。匕3飞12j代表竞争神经元：（4）由“胜者全得”的，识别层竞争开始运行，如有吃.=11小勺,卜1,2/一,?则识别层的神经元取得竞争胜利：（5）信息反置，由识别层的获胜神经元广送回L2L1的权向量现在G1=O,由“2/3规则”可取得比较层新输出向量C的各个元素知足：9=卬：.百：1jl1（6）警戒门限测试设向量X中不为0的个数用|X|表示，可有llcll=SwrA若何/|凶|q成立，则同意同为获胜神经元,进行到（7）,因为2范数，是欧式距离。不然发重置信号，置1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L1-L2及L2-L1的权向量，使其以后对

5、与X相似的输入更易获胜，且具有更好的相似性。叫.#+1）=叫，%,（f+1）=iw；w+叩-1+?峪（。为）其中/为大于1的常数。（8）恢复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所示二、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组成，已知样本记为Ro。Ro为现役运动员生化指标数据与历史优秀运动员生化指标取得的关联度值，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路形成聚类空间，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R聚类样本空间人为U

6、&i=12，/f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个生化指标项目（血色素（HB入血肌酸激时CK）、血尿素氮（BUN）、睾阴（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，通过灰色关联度处置,取得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灰色关联系数表口奴1)取2)奴3)奴4)1234567811119101112131415161718表2灰色ART聚类预测结果

7、表类别类别数目类别编号优秀1012345678917一股81011121314151618结论：一、在ART聚类中比较常常利用的两种方式：第一个是竞争学习，第二个是自组织特征映射，这两种方式都涉及有竞争的神经元。而本文采用的灰色ART聚类模型分析方式，是一种优于传统聚类分析方式的一种新型的聚类数据挖掘模型。二、运用这种模型，能够按照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式。从以上的表2中能够看出，当警戒门限值为时，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）。从结果能够分析出第9位和第17位运动员具有优秀运动

8、员的潜质，值得教练员进行着重培育。事实上第9位运动员确实是此刻的全国冠军，从而验证了灰色ART模型对预测运动员的竞技体能的方式具有科学性、准确性、适用性。四、灰色ART聚类分析方式的应用的意义通过关联度处置的生化指标数据，数据被强化，无关的数据被压制，噪音数据被剔除,从而增加了ART模型的聚类能力。ART模型分析方式的主要长处如下：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固的快速识别能力，同时又能迅速适应来学习的新对象：3）具有自归一能力，按照某些特征在全部中所占的比例，有时作为关键特征，有时又被看成噪声处置：4）不需要事前已知样本结果，可非监督学习；5）容量不受输

9、入通道数的限制，存储对象也不要求是正交的；ART模型分析方式的应用意义：一、将灰色关联分析方式与神经网络技术有机结合，能够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分析方式以动态生成的灰色关联度信息动态空间作为信息模式样本，通过无监督的学习启动地按照异样本身的特征区别，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。二、采用灰色ART动态聚类分析方式按照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。这种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

10、、预测提供了量化依据，提高了教练员对培育后备运动员的科学性、智能性。3、这种聚类分析方式比较传统聚类分析方式优势在于能清楚直观的取得预测结果，再也不依托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松的判断运动员的竞技体能状况;能为正确的按照每一个运动员的不同竞技状况，采用不同的科学训练指导方案、训练手腕提供了科学依据。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聚类分析方式.物探化探计算技术，2002,22(3)：207-210.2 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分析方式.石油物质，2001

11、,40(3)：107-109.3 FungWai-keung,LiucategorizationofARTnetworksinrobotbehaviorlearningusinggame-theoreticformulation.NeuralNetworks,2003,10：14031420.4 Santos,RcginaldoJ.Preconditioningconjugategradientwithsymmetricalgebraicreconstnictiontechnique(ART)incomputerizedtomography.AppliedNumericalMathematics,2003,2：255263.5 闻新.MATLAB神经网络仿真与应用.北京：科学出版社，2003.6 冯连世李开钢.运动员性能评定常常利用生理生化指标测试方式及应用.北京：人民体育出版社，2002