…逼… 堡…皂…一堕 ＵＪｉＡＮ ＣＯＭＰＵＴＥＲ 数据挖掘在竞技体育中的应用综述 秦鹏 （六盘水师范学院贵州六盘水５５３００４） 【摘要】随着信息技术的发展，网络出现了数据风暴，如何在大量数据中寻找有用信息，成为当今时代科学研究的 主要话题。本文针对竞技体育的特点，介绍数据挖掘的概念和常见算法，综述数据挖掘在竞技体育中的核心技术和具体 应用，为数据挖掘在体育领域的进一步研究提供基础。 【关键词】数据挖掘；竞技体育；应用 ０引言 随着网络技术的快速发展，人们已经步入了高速的信息社 会。云计算、大数据作为一个全新的时代的技术产物，必将推动 社会的发展。在大量数据爆炸的今天，如何从中发掘有用价值， 成为人工智能领域研究的主要话题。 竞技体育以其独特的特点，获得很多人的喜爱，对运动员 的技术统计和挖掘成为比赛成功的关键。比赛不再是全靠实力 的比赛，还是一种智慧的比拼。美国的ＮＢＡ教练组使用一种 ＩＢＭ提供的Ａｄｖａｎｃｅｄ Ｓｃｏｕｔｌ数据挖掘软件，辅助决定替换球 员。澳大利亚运用自主开发的ＤＶＣｏａｃｈ系统辅助训练和对比赛 技战术进行统计。ＡＣ米兰队通过分析不同渠道的生理、整形外 科以及心理数据来防止球员受伤。运用数据挖掘技术辅助运动 员训练、提高比赛水平、辅助教练员决策已经成为竞技体育的 研究目标。 我国改革开发以来，充分重视体育的重要性，倡导全民健 身，并且以体育作为推广外交的手段之一。国内各种联赛的开 展，国际各种比赛的参与，充分展示了我国综合国力提升。研究 竞技体育的核心问题，成为振兴我国与体育事业的关键。 １数据挖掘 １．１数据挖掘的概念 所谓数据挖掘，就是从大量的数据中，提取隐含在其中的、 具有潜在信息和知识的过程，它是为了解决社会中数据爆炸和 知识贫乏而发展起来的ｆｌ１。数据挖掘起源于１９８９年ＩＪＣＡＩ会议， 会议提出了数据挖掘的概念。１９９５—１９９８年，每年都会召开 ＫＤＤ国际会议，推动了数据挖掘的发展。今天，每年都会有更多 的国际会议，讨论数据挖掘的相关技术和发展趋势。 数据挖掘的技术主要包括关联分析、系列模式、分类、聚集 和异常检测典型的数据挖掘系统应该包括数据抽取、数据预处 理、知识发现以及知识表示四个部分［２１。其中，数据抽取又可以 分为数据准备与数据选择；知识发现就包括模型的建立与算法 的设计应用，其过程模型图如图１所示。 数据抽取 知识发现 ＼、 ．／ 数据预处理 ＼ ／ 知识表示 ＼ ／ ＼、～／ 图１数据挖掘过程模型图 １．２常见的数据挖掘算法 １．２．１ Ｃ４．５算法 Ｃ４．５算法是一种分类决策树算法，其核心思想是ＩＤ３算 法，并对ＩＤ３做了如下改进［３１： １）通过使用信息增益率来选择属性，克服了偏向选择取值 多的不足； ２）剪枝发生在够造树的过程中； ３）实现对连续属性的离散化处理； １．２．２Ｋ—Ｍｅａｎｓ算法 Ｋ—Ｍｅａｎｓ算法是一种聚类算法，它把Ｎ个对象分为Ｋ个 簇，以使簇内具有较高的相似度，而且簇问的相似度较低。相似 度的计算根据一个簇中对象的平均值来进行。该算法基于对象 属性源于空间向量，并且群组内部的均方误差总和最小的假 设。 此算法首先从Ｎ个数据对象任意选择Ｋ个对象作为初始 聚类中心，对所剩下其它对象，根据它们与这些聚类中心的相 似度，将它们分配给与其最相似的聚类，然后再计算每个新聚 类的聚类中心，不断重复直到标准测度函数开始收敛为止［４１。 １．２．３支持向量机 支持向量机（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ，ＳＶＭ）是Ｃｏｒｔｅｓ和 Ｖａｐｎｉｋ在１９９５年提出的，是一种新型的通用知识发现方法。它 具有扎实的理论基础，训练的本质是解决一个二次规划问题， 得到全局最优解。同时使用核函数将原始的样本空间向高维空 间进行变换，以解决非线性文本的分类问题。 支持向量机是一个线性的学习系统，建立在统计学习理论 和结构风险最小的原理上。它根据有限的样本信息在模型复杂 度和学习能力之间寻求最佳折中，以期达到最好的推广能力。 １．２．４ Ｋ近邻学习算法ＫＮＮ Ｋ最近邻ｆＫ—Ｎｅａｒｅｓｔ Ｎｅｉｇｈｂｏｒ，ＫＮＮ）分类算法，是一个比较 成熟的数据挖掘方法，也是最简单的机器学习算法之一。不同 于其他分类算法，ＫＮＮ算法不需要事先从训练集中学习得到模 型，学习过程仅发生在样例分类时，因此称为惰性学习算法 。 它的实现过程是：假设Ｄ为训练数据集，在分类前，不需要 对训练样本做任何操作。当需要对测试样例ｄ进行分类时，将ｄ 与训练集Ｄ中的训练样例进行比较，计算它们之间的距离或是 相似度，从Ｄ中选出前ｋ个与ｄ最相似的样本。这些样例称为 ｄ的ｋ近邻，ｄ的类别由ｋ近邻中出现最多的类别决定。假设 ｎ１，ｎ２分别为集合中属于类Ｃ１，Ｃ２的个数，则 ＂１ ＂，） Ｐ（ ｌ ）＝ １ Ｐ（ ｌ ）＝竿 （１），ｃ－ 通过比较两个概率值的大小，判断样例ｄ的分类情况。如 果Ｐ（ｃＩＮ）＞Ｐ（ｃ２１￣Ｎ将ｄ划分为Ｃ１类，否则为Ｃ２类。 ２０１５年第７期ｌ福建电脑 ・６１・ ：一逼…堡…一皇…墅 ＪｌＡＮ ｅＯＭＰＵＴ嚣Ｒ ２竞技体育的特点 就必须充分考虑这一点，扬长避短。 对于每一场比赛的成功和失败，虽然存在一定的偶然性， 竞技体育是一种制度化、体系化的竞争性体育活动，具有 如下特点 ： １）竞争性 但是大量数据统计下还是可以分析各种阵型的特点，然后从所 有阵型里选出一种最优解，根据对方的参赛队员情况，安排合 理的搭配，以便在比赛中提升比赛的成功率。 ４．２时间调整 竞争是竞技运动区别于其他体育运动的本质的特点之一。 运动员总是力求最大限度地发挥自己的潜能去战胜对手。竞争 性是竞技体育不断发展的杠杆，它既增加了比赛胜负的不确定 性，也增加了体育运动的观赏性。 ２）规范性 利用数据挖掘，分析出运动员的运动能力和上场时间的关 系。不同的运动员，体能情况不一样，有的运动员爆发力很强， 但是持续时间短，因此该类运动员应该合理安排上场时间，使 得其能力在有效时间内得到发挥。然而有的运动员虽然爆发力 不是很强，但是耐力很好，这类球员适合打满全场，消耗对手体 竞技体育的规范性体现在参赛制度、各项技术统计、训练 规范、项目竞赛规则、竞赛规程等制约机制的规范性和竞技体 育管理的规范性等方面。竞技体育的规范性是公平性的充分保 证。～ ３）集群性 竞技体育不同于一般的体育锻炼，它是由若干运动员组成 的群体行为，只有数量达到一定程度，才可能组织竞赛活动。 ４）公开性 竞技体育通常情况下都是公开的，无论是观众和运动员都 可以观看。在运动训练方面，新的运动技术和训练方法可以为 运动员所共享。当然运动员的天赋特点也被公开，可被对手利 用，成为比赛的弱点。 ５）不可预见性 竞技体育最吸引人的特点就是具有一定的不确定性，比赛 结束之前，很难判定比赛的结果。因此体育给人们带来观赏的 同时，也是一种期待。对比赛的阅读和理解，有助于提高自身的 文化素养，扩展对外文化的认知。 ６）依赖性 在科学技术高度发达的今天，体育竞技已不单单是运动员 体能与技术的比拼，更延伸到了体育科技的较量。尤其是在国 际性赛事上，国家的科技、经济力量早已成为赛事背后的一场 暗战。 从游泳池中的“鲨鱼皮”、跳高场上的碳纤维杆，到短跑赛 场上的黄金跑鞋，高科技帮助运动员不断创造纪录，但高科技 装备的使用也备受争议 。 ３数据挖掘在竞技体育研究的核心技术 １）信息的采集。比赛信息的采集是进行数据分析的基础， 信息采集的粒度与实时性是后续数据分析有效性和准确性的 保证。 ２）图像处理和视频分析。竞技体育的技术动作是在瞬间内 完成的，肉眼难以准确地判断出运动员动作的规范程度。技术 工作者可以图像处理和视频分析技术，采集相关技战术数据， 实现比赛视频绑定、视频检索与视频编辑。 ３）战术分析。运用数据挖掘方法对篮球比赛技战术进行分 析，挖掘运动员的特点和各种团体运动的搭配组合，实现最优 效果，辅助教练员指导训练和决策。 ４数据挖掘在竞技体育中的具体应用 ４．１布阵安排 针对具体的比赛对手，分析对方在场球员的特点，利用关 联度分析，合理安排场上人员和人员之间的对位。每一位运动 员每一场比赛的相关技术统计都会有相关人员进行统计，在人 员对位上彼此的得分比也会有人计算，因此如果一个运动员在 每一场比赛中都能够其对手的某一位得分点，那么布阵上 ・６２・ 福建电脑Ｉ ２０１５年第７期 力。 ４－３营养安排 研究发现，营养的合理搭配有利于运动员的运动发挥。分 析运动员的运动和营养物质之间的关系，可以有利于食物的搭 配，在场上发挥应有的水平。营养过剩和营养不良都是需要避 免的问题。 ４．４训练时间 不同国家和地区的运动员，对运动量的承受能力是不一样 的。通过相关度数据分析，得出不同地区运动员的体能特征，针 对这些特征，可以有效的制定体能训练计划，充分发挥运动潜 质。而不至于造成训练过度，肌肉拉伤等不良训练结果的发生。 ４．５运动员特点分析 分析出运动员最擅长的运动特征，比如是防守还是进攻， 这些通过数据分析是可以实现的，比如得分差分析，如果在防 守对手时，能够充分对手，使得其得分很少，可以通过盖 帽，抢断，但自己进攻端得分却很少，这种球员就属于防守型球 员，因此在安排上主要以防守对方进攻点为主。 比如篮球运动，篮球运动员在不同的位置，其得分能力是 有所不同的，因此在其特别擅长的区域，必须加强对其进行限 制，而对其不是很擅长的区域，可以适当的放开，这样可以节约 更多精力其防守其余队员。 ５小结 本文针对竞技体育的特点，分析国内外研究竞技体育的进 展，介绍了几种常见的数据挖掘算法，综述数据挖掘在竞技体 育中的应用。论文作为竞技体育的研究基础，也可以为高校体 育研究提供参考，综合测量考核学生的综合体能素质，研究不 同区域的体能情况和不同的营养物质对学生的体质影响。 参考文献： ［１］范明，孟小峰译．数据挖掘概念与技术［Ｍ］．机械工业出版社．２００５． ［２］于文爽．数据挖掘技术在篮球技战术分析中的应用研究［Ｄ］．北方工 业大学，２０１０． ［３］方元康．数据挖掘综述［Ｉ］．数据库及信息管理．２００７． ［４ ３－Ｉ＇］、久喜，张静静，阿英嘎．决策树技术在体育教学质量评价中的应用 研究［Ｉ］．南京体育学院学报（自然科学版），２００９，８（４）：７８—８０ ｌ ５ ＪＺｈｏｕ Ｙ，Ｌｉ Ｙ，Ｘｉａ Ｓ．Ａｎ ｉｍｐｒｏｖｅｄ ＫＮＮ ｔｅｘｔ ｃｌａｓｓｉｉｆｃａｔｉｏｎ￣ｇｏｆｉｔｈｍ ｂａｓｅｄ ｏｎ ｃｌｕｓｔｅｒｉｎｇ［Ｊ Ｊ．Ｊｏｕｒｎａｌ ｏｆＣｏｍｐｕｔｅｒｓ，２００９，４（３）：２３０—２３７． ［６］胡胡斐．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）：２１１—２１２ ［７］马佳，胡珉琦数据分析竞技体育的高科技战场［Ｍ］．科学时报，２０１３．
