基于数据挖掘的有氧运动训练辅助决策支持方法

何 凡

(安徽财贸职业学院,安徽 合肥 230601)

随着大数据信息处理技术的发展,采用大数据挖掘方法进行有氧运动训练辅助决策控制,构建有氧运动训练辅助决策支持分析模型,结合模糊信息融合方法能有效提高有氧运动训练辅助决策支持能力,相关的有氧运动训练辅助决策支持方法研究受到人们的极大关注.对有氧运动训练辅助决策支持方法研究是建立在对有氧运动训练辅助决策支持数据挖掘基础上,进行有氧运动训练辅助决策支持模糊信息采样,采用大数据挖掘和模糊信息检测方法,进行有氧运动训练辅助决策支持控制[1],提高有氧运动训练辅助决策支持控制能力,研究有氧运动训练辅助决策支持方法,在提高运动训练的效果方面具有重要意义.本文提出基于数据挖掘的有氧运动训练辅助决策支持方法，构建有氧运动训练辅助决策的大数据分布集,采用模糊相关性融合调度方法进行有氧运动训练辅助决策支持自适应挖掘.根据数据挖掘结果,实现有氧运动训练辅助决策支持控制,最后进行仿真测试分析,展示了本方法在提高有氧运动训练辅助决策支持能力方面的优越性能.

1 有氧运动训练辅助决策支持大数据集和特征提取

1.1 有氧运动训练辅助决策支持大数据

构建有氧运动训练辅助决策的大数据分布集,通过模糊信息融合方法进行有氧运动训练辅助决策支持大数据融合性调度,采用大数据信息融合方法进行有氧运动训练辅助决策支持的运动行为空间肢体特征提取[2],提取有氧运动训练辅助决策支持分布式关联,得到有氧运动训练辅助决策支持的统计分布概率密度特征为：

(1)

其中,在tn+1时刻和tn时刻进行有氧运动训练辅助决策支持数据采集.在不同有氧运动训练辅助决策支持信息采样的行为集中,有氧运动训练辅助决策支持存储运动特征数据的二元人体行为特征分布为：

(2)

(3)

采用子空间训练方法,建立有氧运动训练辅助决策支持的行为动态度量模型,在运动训练集si={xj:d(xj,yi)≤d(xj,yl)}的引导下,得到有氧运动训练辅助决策支持的模糊控制函数：

MinWH=min{w(cc),h(cc)}

(4)

(5)

采用随机邻域分布式表达方法,建立有氧运动训练辅助决策支持的核函数模型,调整有氧运动训练辅助决策支持加权向量,得到Nj*几何邻域NEj*(t),得到有氧运动训练辅助决策支持加权自适应特征分布集为：

U={μik|i=1,2,…,c,k=1,2,…,n}

(6)

在关联规则引导下,利用全局统计信息进行有氧运动训练辅助决策支持的运动行为空间肢体特征提取[3],得到优化目标函数为：

(7)

建立有氧运动训练辅助决策支持的人体运动行为关联挖掘模型[4],得到特征挖掘聚类中心为：

μik=1∑cj=1(dikdjk)2m-1

(8)

(9)

式(8)、(9)中,m为有氧运动训练辅助决策支持的运动行为的嵌入维数,(dik)2为样本xk与特征分布集Vi的测度距离,采用模糊信息融合调度方法,进行有氧运动训练辅助决策控制.

1.2 有氧运动训练辅助决策数据特征提取

建立有氧运动训练辅助决策支持的运动特征数据挖掘模型,结合人体运动行为关联特征提取方法,进行有氧运动训练辅助决策支持和迁移学习控制,建立有氧运动训练辅助特征分布集合Fm(x,y)为：

(10)

(11)

构建有氧运动训练辅助决策支持模糊调度集,为：

(12)

Ti,j(t)表示有氧运动训练辅助决策支持的训练函数,表达为：

(13)

采用多元回归分析方法[5],进行在线调节,得到有氧运动训练辅助决策支持的动态特征挖掘结果为：

Ui,j(t)=exp[-b[zi(t)-zj(t)2]]

(14)

其中：zi(t),zj(t)表示有氧运动训练辅助决策支持的辅助训练函数,根据特征提取结果,进行运动训练辅助和决策支持.

2 有氧运动训练辅助决策支持优化

2.1 有氧运动训练辅助决策大数据挖掘

提取有氧运动训练辅助决策支持大数据模糊关联规则集,采用大数据信息融合方法进行有氧运动训练辅助决策支持的运动行为空间肢体特征提取[6],有氧运动训练辅助决策支持存储运动特征检测统计量：

(15)

对式(15)求最优解,提取有氧运动训练辅助决策支持数据的模糊特征[7],得到有氧运动训练辅助决策支持挖掘的主成分特征分布集为：

(16)

采用线性规划方法,进行有氧运动训练辅助决策训练,得到核函数k(xi,xj),有氧运动训练辅助决策支持的线性规划模型为：

(17)

结合分布式网格区块聚类分析方法进行有氧运动训练辅助决策支持属性决策[8],得到聚类函数为：

wij=β×w(epkq) (β>1)

(18)

其中,β为有氧运动训练辅助决策支持自适应加权系数,w(epkq)表示有氧运动训练辅助决策支持的可靠性系数,计算有氧运动训练辅助决策支持存储运动特征数据大数据的多维分布集,为：

Yk=[yk1,yk2,…,ykj,…,ykJ](k=1,2,…,N)

(19)

其中,ykj表示有氧运动的特稳态特征量,N为数据长度.

2.2 决策支持优化

进行有氧运动训练辅助决策支持的特征提取和优化挖掘,提高有氧运动训练辅助决策支持的挖掘能力,采用大数据信息融合方法进行有氧运动训练辅助决策支持的可信度动态特征分析[9],有氧运动训练辅助决策支持的主成分特征分布为：

(20)

构建有氧运动训练辅助决策支持线性规划模型,得到有氧运动训练辅助决策线性规划函数为：

(dik)2=‖xk-Vi‖2

(21)

且满足：

(22)

结合模糊度检测方法,得到有氧运动训练辅助决策支持的多维规划模型为：

(23)

其中Newi′=(ei′1,ei′2,…,ei′D),采用联合信息调度方法,实现有氧运动训练辅助决策,得到优化的决策函数：

R1(k)=R2(k)exp(-jω0Tp/2),k=0,1,…,(N-3)/2

(24)

R2(k)=Akexp(jφk),k=0,1,…,(N-3)/2

(25)

其中,ω0为有氧运动训练辅助决策支持分布式预测误差,Tp为时间窗口,Ak为有氧运动训练辅助决策支持的统计特征量,φk为有氧运动训练辅助决策支持自适应特征分布函数.综上分析,实现有氧运动训练辅助决策支持.

3 仿真实验与结果分析

为了验证本文方法在实现有氧运动训练辅助决策支持的应用性能,进行仿真实验.对有氧运动训练辅助决策支持大数据挖掘的空间分布维数为4,大数据采样的长度为1024,训练数据集规模为200,根据上述参数设定,进行有氧运动训练辅助决策支持大数据挖掘,得到大数据挖掘结果如图1所示.

以图1的数据为研究对象,进行有氧运动训练辅助决策支持,得到支持度检测结果如图2所示.

图1 有氧运动训练辅助决策支持大数据挖掘

图2 有氧运动训练辅助决策支持度检测结果

分析图2得知,本文方法进行有氧运动训练辅助决策支持的聚类性和抗干扰能力较好,说明有氧运动训练辅助决策支持的寻优能力较好,测试有氧运动训练辅助决策支持的寻优曲线,如图3所示.

图3 有氧运动训练辅助决策支持寻优曲线

分析图3得知,本文方法进行有氧运动训练辅助决策支持的寻优能力较好,收敛性较强.

4 结 语

构建有氧运动训练辅助决策支持分析模型,结合模糊信息融合方法有效提高有氧运动训练辅助决策支持能力.本文提出基于数据挖掘的有氧运动训练辅助决策支持方法.采用大数据信息融合方法进行有氧运动训练辅助决策支持的运动行为空间肢体特征提取,提取有氧运动训练辅助决策支持分布式关联特征量,采用模糊相关性融合调度方法进行有氧运动训练辅助决策支持自适应挖掘,构建有氧运动训练辅助决策支持线性规划模型,结合模糊度检测方法,得到有氧运动训练辅助决策支持的多维规划模型,实现有氧运动训练辅助决策支持.分析得知,本文方法进行有氧运动训练辅助决策支持的可靠性较高.