基于Logistic模型的体育训练动作完成度评估方法

蔡晓菲

(安徽财贸职业学院，安徽 合肥 230601)

随着技术的发展，评估作为一种较为综合的数据研究方式被广泛应用于体育训练动作数据分析中，但对于评估方法的调整需要较高的技术操作能力，为此，不少学者加大了对体育训练动作完成度评估方法的研究力度[1].

传统体育训练动作完成度评估方法能够利用技术性较高的操作手段进行数据评估分析，并结合数据调整方式对模型中的数据进行调整处理，不断完善系统的功能，并加深对系统内部信息的操作力度，分析数据间存在的基本差异，过滤无关数据，操作效果较好.但在实验操作过程中忽视了对数据的基础收集，无法精准掌握数据的信息，对于处理信息的了解程度较低，且操作成本较高，不符合系统发展需求，评估数据更新速度较为缓慢，评估失误率较高[2].为此，本文提出一种基于Logistic模型的体育训练动作完成度评估方法有效解决上述问题[3].

1 体育训练动作完成度数据获取

为增强评估方法的有效率，本方法对体育训练动作数据进行获取操作，并不断整合获取的数据信息，在进行体育训练的同时及时记录动作数据与图像，增强系统内部分析性能[4].并设置数据分析图示如图1.

在图1中，由于数据的处理力度加大，数据的完整性较高，但内部联系较弱，为此，需不断提升数据间的联系程度，并构建联系组合公式如下：

(1)

在式(1)中，T为联系组合数据，A为系统操作中心数据，P为系统操作数据概率，Q为相关性检验参数.在经过以上步骤操作后，将获取的信息数据进行系统整合，将整合的信息进行集中存储操作，同时及时扩展存储空间，对空间内部数据进行放大处理，把握数据的间隔差距，并调整差异数据，按照数据间的匹配度进行数据匹配操作，设置数据匹配公式：

(2)

在式(2)中，G代表匹配结果参数，L表示为相应的操作原则，J为准则参数，M为处理的数据数量，以获取的匹配数据为基础，加强数据标准设定和图像的设置(图2).

图1 数据分析图

图2 数据加强结构图

在完成数据的加强后，分析数据的集约程度面对集约参数进行管理，时刻监控数据的基础流向，并对流向数据进行标定，追踪数据位置及状态，并转变数据操作方式，多模式化管理数据中心系统，增强系统的操作有效性，实现对体育训练动作完成度数据的获取[5].

2 体育训练动作完成度Logistic模型构建

图3 关联程度查找结构图

在完成数据的收集后，转变数据存储模式，对数据进行标准化存储，并设置存储函数：

(3)

在式(3)中，K表示为存储数值，PL为相应的数据管理参数，F代表基础数据信息状况，Z表示为理论数据查找方式参数.不断调整数据的存储信息，利用信息间的关联程度进行Logistic模型构建操作，并设置关联程度查找结构图(图3).

在实现对数据的关联程度查找后，利用普通的线性回归模型对Logistic模型进行基础解析，并设置解析方程式：

(4)

式(4)中，A代表解析参数，f为相关数据内部信息参数，D为基础分析数据，I为数据调整信息，O为基础整合数据参数，在完成以上步骤研究后，对模型状况进行分析，选取与系统状态相符的模型数据，并进行数据过滤操作，设置相应的数据过滤图如图4.

在完成上述数据过滤后，对模型构建数据进行二次过滤操作，保留符合系统操作的数据，并按照回归线方程计算标准进行模型数据计算，设置固定的计算差异值.若差异值大于1，则保留该数据信息，若差异值小于1，则清除该数据信息.不断提升操作的效率，增强数据处理强度，缩减操作所需时间，对内部数据进行研究，达到对体育训练动作完成度Logistic模型构建的目的[6].

图4 数据过滤过程图

图5 初始化处理操作图

3 体育训练动作完成度Logistic模型评估

在实现以上步骤操作后，对体育训练动作完成度进行Logistic模型评估，设算法对n个完成读数据进行标记，并在标记过程中排除干扰因素的影响，保证数据标记的准确性[7].设置数据清理方程式：

(5)

式(5)中R代表数据清理方式参数，r表示为清理数据状态，W为相对的操作数据参数，H表示为主导数据系统操作参数.将经过清理后的数据进行标准化存储，同时标定函数数据标定，对目标的识别率进行检验，提高检验信息查找标准，将标准数据进行初始化处理操作，并设置初始化处理操作图如图5.

图6 数据评判结构图

对数据进行初始化分析，管理数据的存储位置，同时将存储的数据进行位置调换，检验调换数据的关系.为增强系统操作的主动性，将关系密切度较低的数据清除，并对中心信息系统进行目标识别处理，计算处理参数之间的差距，转变差距存在方式，实施数据归一化处理，对评估算法的优劣程度进行评判[8].按照评判的程度进行图像设置如图6.

设置数据评判标准，并加大对标准的处理，结合算法操控方式对处理结果进行审核，分析审核结果间的差异大小，对体育训练动作完成度数据进行排序，对排序后的数据进行功能查找，挑选最为适宜的查找参数，研究基于Logistic模型的评估方法[9].

4 实验研究

4.1 实验目的

为了检测基于Logistic模型的体育训练动作完成度评估方法的评估效果，与传统体育训练动作完成度评估方法的评估效果进行对比，并分析实验结果.

4.2 实验参数设置

针对Logistic模型构建的特殊性以及体育训练动作完成度评估的困难性，需对其进行实验参数的设置，如表1所示.

4.3 实验结果与分析

根据上述体育训练动作完成度评估方法的实验参数进行对比实验，将基于Logistic模型的体育训练动作完成度评估方法的评估效果与传统体育训练动作完成度评估方法的评估效果进行比较，得到的体育训练动作完成度数据收集完整率对比图(图7)与评估准确率对比图(图8)：

(1)体育训练动作完成度数据收集完整率对比图

对比图7可知，本文基于Logistic模型的体育训练动作完成度评估方法的体育训练动作完成度数据收集完整率较高，传统体育训练动作完成度评估方法的体育训练动作完成度数据收集完整率较低.

表1 实验参数

图7 体育训练动作完成度数据收集完整率对比图

造成此差异的主要原因在于新方法对体育训练动作完成度数据进行获取操作，不断掌握数据的基础信息，并对信息进行集中了解，在取得相应信息的同时对数据进行基础分析.在实现对数据的精准分析后，整合数据信息因素，加强评估系统的内部存储能力，对获取的数据进行完整存储，保证数据的存储完整度.控制数据的流向以及基础信息的数据通过速度，确保数据的高效传输与精确流通，并不断管理内部信息状况将属于同一区域的数据进行集合设置，并完善收集的完整度信息，提升体育训练动作完成度数据收集完整率.然而传统体育训练动作完成度评估方法不具备上述操作步骤，所以对于数据的初始收集处理效果较差，体育训练动作完成度数据收集完整率较低.

(2)评估准确率对比图

图8 评估准确率对比图

对比图8可知，在评估时间为100 s时，基于Logistic模型的体育训练动作完成度评估方法的评估准确率为20%，传统体育训练动作完成度评估方法的评估准确率为12%，在评估时间为200 s时，本文基于Logistic模型的体育训练动作完成度评估方法的评估准确率为50%，传统体育训练动作完成度评估方法的评估准确率为20%.

由于本文评估方法在操作过程中对模型进行精准构建，不断查找模型构建的基础参数，并对参数位置进行精确定位，标定构建参数，对参数进行实时追踪操作，提升整体评估方法的合理性与可行性，强化系统操作的科学性，为后续实验研究提供较为可靠的模型参数，并不断综合模型构建算法进行数据调整，转变数据信息模式，对模式进行控制，有效提升系统运行的效率，减少不必要的操作浪费，提高评估准确率.

随着实验时间的不断增加，基于Logistic模型的体育训练动作完成度评估方法的评估准确率不断提升，且一直位于传统评估方法之上.

经过以上对比分析可知，基于Logistic模型的体育训练动作完成度评估方法的体育训练动作完成度数据收集完整率与评估准确率均高于传统体育训练动作完成度评估方法，能够更好地掌控系统收集信息状况，控制数据的基础流向，整合数据处理方法，提升评估的准确率，具备较为广阔的应用前景.

5 总结与展望

在传统体育训练动作完成度评估方法的基础上提出了一种新式基于Logistic模型的体育训练动作完成度评估方法，该评估方法的评估效果明显优于传统评估方法的评估效果.

本方法对体育训练动作完成度评估分为三个步骤进行.首先，对体育训练动作完成度数据进行收集，提高评估操作的数据来源可信度，并对收集的信息进行系统调整，促使数据处于系统允许范围内.其次，以获取的数据为基础进行模型构建，不断整合中心数据信息，对数据信息进行归类划分，提升系统的数据可操作性，最后，利用构建的模型数据进行完成度评估，综合评估算法，结合评估原理，对数据信息矛盾部分进行解析，强化系统内部的自动解析功能，由此完成整体评估方法研究.

相较于传统体育训练动作完成度评估方法，基于Logistic模型的体育训练动作完成度评估方法能够在较高程度上缩减系统操作所需时间，增强数据系统的内部分析性能，提高系统运行效率，为使用者提供优质服务.