基于数据挖掘技术的体育训练模式探究

刘锦伟

摘 要：体育行业的信息化产生了海量数据，迫切需要数据挖掘技术推动行业的深度发展。本文基于数据挖掘技术，详细介绍了数据挖掘技术的含义和常用方法，并根据体育训练的需要分别从需求分析、系统设计、需求实现等方面介绍了训练质量监控和临场战术统计系统。在系统的研究上，以某高校羽毛球队的训练情况为研究对象，利用运动训练临场监控与统计模块，根据Apriori算法得到有效的训练结果信息，为教练组制定和调整训练计划起辅助决策作用。该系统的应该将改善传统体育训练模式，对提高体育训练效率和质量、及时调整临场战术提高成绩都将起到积极作用。

关键词： 数据挖掘; 体育; 训练模式; Apriori算法

中图分类号：

文献标志码：

Abstract： The informationization of sports industry has produced a large amount of data， hence it urgently needs data mining technology to promote the in-depth development of the industry. Based on data mining technology， this paper introduces the meaning and common methods of data mining technology in detail， and according to the needs of sports training， it introduces the training quality monitoring and on-the-spot tactical statistics system from the aspects of demand analysis， system design， demand realization， etc. In the system research， taking the training situation of a college badminton team as the research object， using the on-the-spot monitoring and statistics module of sports training， according to the Apriori algorithm， we can get the effective training result information， and play an auxiliary decision-making role for the coach group to make and adjust the training plan. The system can improve the traditional sports training mode， improve the efficiency and quality of sports training， and adjust the on-the-spot tactics in time to improve the performance.

Key words： data mining; sports; training mode; Apriori algorithm

0 引言

在競技体育中，提高运动员竞技水平的最直接有效的途径就是加强训练。目前采用的训练模式仍主要根据教练员的经验和运动员个人的身体条件制定训练计划，缺乏科学有效的数据信息作为计划制定的依据[1-3]。另外，在目前的训练计划中，训练内容以力量、速度、耐力等体能训练为主，而在有针对性的技战术训练方面存在严重不足，不能够以完善的战术评价体系进行评定。可见，搜集、统计、分析运动员在训练和实战中的数据，制定有针对性的训练方案，提高运动员竞技水平已变得尤为重要。

随着数据库、数据挖掘等现代计算机技术的深入发展，体育领域也已经得以应用。针对运动员的个人成长和选材、日常训练、实战比赛等进行大量的数据收集工作，汇总形成多种数据库，通过整合利用这些数据进行深度挖掘，整理分析后得到潜在规律，从而获得有价值的信息，为体育管理部门、教练员、运动员等各方提供科学有效的参考数据。

1 数据挖掘技术的含义与方法

（1） 数据挖掘技术的含义[3-5]

数据挖掘于1989年8月在第十一届国际联合人工智能学术会议上被首次提出。数据挖掘属于知识发现过程的一个步骤，即从大量的、不完全的、模糊的、未知的、随机的数据中，提取隐藏在其中的、不为人知的、具有潜在价值的信息和知识的过程[6-7]。

数据挖掘的对象主要包括关系数据库、数据仓库、时空数据库、事务数据库、多媒体数据库以及文本数据库。数据挖掘的过程通常按照图1所示过程进行。

（2） 数据挖掘技术的基本方法[8]

数据挖掘技术作为一类跨学科应用的技术，涵盖了统计学、人工智能、模糊分析等多学科内容，形成了根据具体问题经数据分析后获取知识的体系。根据具体问题，数据挖掘技术可分为以下几种方法：

1） 统计分析法

该方法被广泛应用于数据库中，即利用回归分析、相关

分析等数学方法将事物间的潜在关系联系在一起，从而发现其中蕴含的潜在关系。

2） 遗传算法[6，8]

该方法借鉴了生物界的自然遗传机制，是一种模拟生物进化过程的计算模型。该方法是通过模拟进化，产生一系列解，通过一定的筛选原则去掉相关度较低的解，如此往复，最终得到最优解。特别是在工业工程、交通运输、经济等多个领域的优化问题方面有广泛应用。

3） 决策树法

该方法是一类分析预测模型，以树枝状的形态展示已有数据，建立一棵决策树，在此基础上进行下一步的预测。这一方法能帮助决策者更好地理解、分析问题。

4） 可视化技术

这一方法就是将已有数据进行图形化、图表化，以更加生动、直观的方式展示数据间的关系，在数据挖掘中起到至关重要的作用。

5） Bayes网络

该方法主要针对不确定信息问题而提出的，通过图形方式建立各要素节点之间的相互联系，在信息不完全、不确定的情况下进行解决问题，被广泛应用于非固定信息的系统中。

6） 概念树法[9]

该方法属于一种抽象化的数据处理，可进行数据的分类整理，是一种数据预处理方式。

2 训练质量监控和临场战术统计系统的需求分析

训练质量监控和临场战术统计系统是对将教练员积累的比赛数据的文档资料进行统计，并收集运动员在以往进行的训练和比赛数据，为后期进行的数据挖掘积累了大量的数据资料。

（1） 问题分析

在以往的训练过程中，教练员的数据采集过程主要集中在运动员的日常训练和比赛中，且主要依靠现场观察和自身经验，从而确定运动员的训练水平和质量及临场发挥情况。长此以往，教练员手中会积累大量的数据资料，但这些数据的离散性强、统计效果差、缺乏准确性和全面性，分析深度严重不足，同时，数据的存放分散，不易携带，使得大量的第一手资料没有充分发挥作用。

训练质量监控和临场战术统计系统的设计则能够很好地解决上述问题，可以利用移动终端作为信息收集和使用工具，便携方便，数据也能够完整全面的得到保存。同时，通过对所建数据库的数据进行深度挖掘分析，得到准确的统计分析结果，为教练员的训练计划的制定、训练质量的监控和临场战术的调整提供数据支持。

（2） 数据流程分析[10]

数据流程分析则是针对系统内数据的流动情况，以系统的实体划分为依托，主要涵盖外部文档、移动用户端、移动功能端、服务器功能端和数据库等部分，如图2所示。本系统中的主要数据流动方向为：移动用户端和外部文档作为数据的主要来源;移动功能端既能作为展示数据结果的数据输出端，也能将流入的数据上传至服务器功能端进行数据深化处理;服务器功能端则可以接收外部文档的数据输入，也可将数据分析结果进行输出，且可将数据存储在数据库中。

（3） 功能需求分析

在数据流程分析的基础上，移动端的功能则是满足运动员在日常训练和比赛时的数据采集的需求，能够很方便的实现教练员在训练时的数据信息输入，包括训练计划、分数统以及战术安排等，然后将搜集得到的数据上传至服务器。服务器的功能则是在获得移动端的数据后进行数据信息分类整理并存储，与以往的数据资料进行整合，进一步上传至综合信息处理平台。可见，该系统所需的具体功能模块主要包括训练质量监控及统计模块、临场战术统计模块、战术展示板模块、训练计划管理模块、综合信息处理模块。

3 训练质量监控和临场战术统计系统的系统设计

以羽毛球训练项目为例，该系统设计的网络拓扑图，如图3所示。

在无线网络环境下，教练组可利用移动终端对运动员的训练情况、比赛情况进行录入，利用网络技术，数据资源可在其他环境下进行提取，实现整个数据资源的的综合利用。这些数据会上传至服务器，里面存在着海量的教练员、运动员的训练计划、训练成果等信息，为确保数据信息的安全性，在服务器前端增设防火墙。根据对羽毛球训练系统的需求，设置的系统框架，如图4所示。

从图4可以看出，系统主要包括移动端和服务器端两个主要部分，均包含五个应用模块。根据运动员的训练情况和临场表现，利用移动端对相关数据信息可直接录入，即刻便能了解运动员的训练水平和比赛时的得分、战术执行情况、接发球得分率等重要指标，对运动员和教练员及时作出调整提供准确的技术数据参考，从而帮助改善训练效果和提高比赛成绩。移动端的详细流程，如图5所示。服务器端则是建立的一个庞大的羽毛球信息综合数据库，接收来自移动端传输的日常训练数据、比赛数据及教练员整理的其他类型数据资料，存储并维护这些信息。在这一平台下，高效快捷的信息化管理系统能够极大地解决数据的深度挖掘的问题，提供更加科学、有效的数据分析结果。

4 训练质量监控和临场战术统计系统的系统实现

（1） 临场监控与统计功能

利用这一功能，教练员可对运动员的日常训练效果进行监控。在移动端，教练员可根据每组训练进行实时打分。选定受训运动员和训练内容，根据每一拍进行训练质量打分，确定结束后，即可得到运动员在总拍数、平均分、失误率等方面的得分情况，如图6所示。

（2） 临场得失分统计功能

利用这一功能，教练员可通过移动端记录运动员在比赛时最后一拍情况进行统计分析。通过填入比赛名称、时间、地点、运动员信息等基本数据，比赛时羽毛球的起、落点分别采用数字1～12和字母A～J表示，输入后，系统会自行判断“记录选手”和“选择区域”，同时，系统还会给出具体的“得分类型”和“技术类型”，方便教练员的点选输入，方便快捷。

（3） 通信功能

通信功能的实现是移动端将数据信息传递至JavaBean对象中，经序列化、包装、压缩等过程后进行数据传输，再经反向操作转换成相应的数据类型，最终传至服务器端数据库中，如图7所示。

针对上述过程，其中移動端主要部分代码如下：

public void onClickView v{

ClockstasService cs=new ClockstasService（getApplicationContext（））;

List〈clockstas〉listclock=cs.upLoad（）;

JSNOArray jsonArray=new JSONArray（）;

try {forclockstas c：listclock{

HashMap〈String，String〉hm=new HashMap〈String，String〉（）;

hm.put（"cid"，c.getClock_id（）.toString（））; hm.put（"score"，c.getScore（）.toString（））;

jsonArray.puthm;}

String strlist=jsonArray.toString（）;

String strlistok=compressstrlisst;

HttpPost httpPost=new HttpPost （http：//222.195.151.13.8080/

Badminton.Server/JsonClockstas）;

HttpParams httpParams=new BasicHttpParams（）;

List〈NameValuePair〉nameValuePair=new Arrylist〈NameValuePair〉（）;

nameValuePair.addnew BasicNameValuePair"json1"，Strlistok;

httpPost.setEntitynew UrlEncodedFormEntitynameValuePair;

httpPost.setParamshttpParams;

HttpThread ht=new Http ThreadhttpPost;

ht.start（）;

} coach Excepetion e{

e.printStackTrace（）;

throw new RuntimeExceptione;}}

服务器端主要部分代码如下：

public ststic String unCompressString str throws IOException{

if（null==str‖str.length（）<=return str;

ByteArrayOutputStream out=new ByteArrayOutputStream（）;

ByteArrayInputStream in=new ByteArrayInputStream（str.getBytes（"ISO-8859-1"））;

GZIPInputStream gzip=new GZIPInputStreamin;

byte[] buffer=new byte[256];

int n=0;

whilen=gzip.readbuffer>=0{//将未压缩数据读入字节数组

out.writebuffer，0，n;}

return out.toString"GBK";}

5 数据挖掘技术的应用

以运动训练临场监控与统计模块为例，根据Apriori算法，对输入的运动员日常训练数据进行分析可得到不同运动员间有相同结果特性的属性集，这即可作为研究训练中出现的问题的出发点，供教练组作为数据参考，便于及时调整训练计划和比赛策略，是较为准确、全面的决策依据。

接下来以某高校羽毛球队的训练情况为研究对象，球队的日常训练内容，如表1所示。

以上24项训练内容的合格标准由教练组自主设定，体现了系统的灵活性。上述24项训练项目数据输入系统中，经整理后进行数据挖掘分析处理，利用临场监控与统计模块得到的数据结果为教练组制定和调整训练计划起辅助决策作用。

从图8可以看出，根据数据库中的训练项目数据，通过Apriori算法，在支持度和置信度均为90时，系统给出了2017-06-15至2017-09-20期间训练项目的结果信息。由此可知，上网步法、后退步法和全场综合步法训练可合并为一项，手上专项训练和搓球技术训练可合并为一项。这是人机交互与数据挖掘综合分析的结果，为教练组的训练计划提供了辅助决策依据。

6 总结

随着行业数据量的迅速增加及对其所蕴含的潜在信息的需求，数据挖掘技术应运而生。借助数据挖掘技术对体育行业数据进行深度研究，不仅具有很高的科研价值，也具有很好的社会意义，能够很大程度上推动体育信息化的发展。本文结合羽毛球训练，通过构建训练质量监控和临场战术统计系统，将训练和比赛数据进行汇总处理分析，利用数据挖掘技术进行深度挖掘潜在有价值信息。根据Apriori算法实现仿真实验，对运动员日常训练数据进行分析，给教练组提供科学有效的数据依据，起到协作制定训练计划、调整临场战术等辅助决策的作用，实现了训练模式的优化。

参考文獻

[1] 蔡晓菲，谢永力.数据挖掘技术在体育训练中的研究与应用[J].黑河学院学报，2018，9（11）：124-126.

[2] 徐建敏，区木华，熊金志.数据挖掘技术在体育训练中的应用综述与分析[J].电脑知识与技术，2012，8（22）：5492-5495.

[3] 黄谦，石勇.数据挖掘在体育训练指导中的应用研究[J].广州体育学院学报，2009，29（6）：106-110.

[4] 迟殿委. 基于数据挖掘的决策支持系统的研究与实现[D].南昌：南昌大学，2008.

[5] 宋香君.基于关联规则的运动训练辅助决策支持系统设计[J].自动化与仪器仪表，2019（7）：91-94.

[6] 许荟蓉.基于数据挖掘的体育成绩管理系统的设计[J].自动化与仪器仪表，2017（11）：240-242.

[7] 尹亚晶.基于数据挖掘的体育评价决策支持系统开发与研究[J].现代电子技术，2017，40（9）：108-111.

[8] 周骏. 大数据时代网络体育新闻数据的分析[D].西安：西安体育学院，2015.

[9] 周凯.数据挖掘技术在体育数据分析中的应用[J].电大理工，2015（1）：32-34.

[10] 谢向阳.数据挖掘在体育数据分析中的研究与应用[J].当代体育科技，2013，3（23）：9-10.

（收稿日期： 2020.02.12）