數據挖掘的排球訓練方案評價模型

黃云

摘 要： 未能深度挖掘出評價指標之間的關聯性是造成排球訓練方案評價效果不好的主要原因，為此，設計了基于數據挖掘的排球訓練方案評價模型。介紹了數據挖掘進行排球訓練效率值提取的步驟，通過效率值分析排球訓練動作對訓練成果的影響，選出模型評價指標。利用數據挖掘對模型評價指標進行量化和關聯，確定指標權值，為訓練方案打分。使用VFP 6.0軟件對模型進行開發，設計模型功能。最后通過實驗證明所設計的模型具有評價效果好的優勢。

關鍵詞： 數據挖掘； 訓練方案； 評價模型； 關聯規則

中圖分類號： TN98?34； G842 文獻標識碼： A 文章編號： 1004?373X（2017）15?0101?04

Abstract： The relevance among the evaluation indexes can′t be mined deeply is the main reason causing the poor evaluation effect of the volleyball training program， therefore the data mining based evaluation model of volleyball training program scheme was designed. The step using data mining to extract the volleyball training efficiency value is introduced. The influence of volleyball training action on training effect is analyzed according to the efficiency value to choose the model evaluation index. The data mining is used to quantize and associate with the model evaluation index， determine the index weight， and grade the training program. The VFP 6.0 software is adopted to develop the model， and design the model function. The experimental results verify that the model has the good evaluation effect.

Keywords： data mining； training program； evaluation model； association rule

0 引 言

體育競技極具觀賞性，是當代人休閑娛樂的項目之一。在排球比賽中，運動員的競技能力包括攻防方式、傳球技能和團隊合作能力等，在很大程度上會受到訓練方案的影響，訓練方案對排球運動的發展具有導向功能，是排球比賽取得實質性勝利的關鍵點[1]。排球訓練方案對球隊和運動員的適宜程度一般無法通過肉眼觀察出來，需要采用特定方法對其進行評價。

定性評價和定量評價是最傳統的排球訓練方案評價方法，定性評價通過收集教練和專家的排球比賽經驗對運動員訓練方案進行評價，定量評價從多種具有代表性的排球比賽中挖掘運動員行為數據評價訓練方案[2]。兩種設計方法的處理方向均正確，但人為的主觀分析過多，難免出現誤差，不符合當代社會的科學技術發展觀念。文獻[3]采用人工神經網絡設計排球訓練方案評價模型，運用計算機仿真手段結合定性評價和定量評價的優勢，通過人工神經網絡迭代提取訓練方案與實際比賽進程的不相關性得到了杰出的評價效果，其最大缺陷是模型反應出的數據量不多，未能找尋到訓練項目與比賽成績之間的關聯性，評價效果仍存在可提升余地。通過以上分析，采用數據挖掘技術[4]設計排球訓練方案評價模型，明確指出各項模型指標的關聯性，為排球教練提供決策平臺。

1 數據挖掘的排球訓練方案評價指標

數據挖掘起源于計算機科學中的人工智能，其基本處理步驟包括指標設定以及指標數據的管理、挖掘、提取與解析，通過挖掘數據集中指標數據之間的關聯性來歸納指標特征與結構，再對特征與結構進行量化，對比得出指標的優劣性，進而分析、提取并顯示數據關系。

基于數據挖掘的排球訓練方案評價模型使用數據挖掘從大量的、不確定的排球訓練方案數據中查找可以促進排球訓練得分的特征進行評價。在進行評價之前，使用馬爾科夫鏈[5]在模型中建立排球訓練方案數據庫，從中選擇評價指標作為評價排球訓練方案的切入點。排球訓練方案數據庫的數據出處是近8年的各種大型排球比賽視頻以及臨場訓練方案。排球訓練的效率值與勝率成正比，通過數據挖掘從數據庫中提取效率值的步驟如圖1所示。

提取排球訓練方案效率值時，將比賽與臨場訓練方案看成一個擁有多種數據特征的數據集，將數據集轉化為戰術數據表征的過程，滿足馬爾科夫鏈，排球訓練方案的效率值由數據集中各數據特征的轉化效率計算而得[6]。表示數據特征轉化成數據特征的轉化效率，是起點數據特征轉化成終點特征的轉化效率，有：

排球訓練效率值的計算步驟為：首先式（1）的計算結果為一個矩陣，為矩陣中所有數據項加一個增量，然后利用式（1）計算得出一個增量矩陣。排球訓練效率值是兩個矩陣之差，其值越小對應的數據特征對排球比賽勝率的影響就越小。排球訓練得分和失分影響圖如圖2所示。

排球訓練中運動員的每一個動作都會造成得分與失分，并且都有一個穩定的得失步驟。在圖2中，任意一個影響都會導致步驟的停止，停止即表示得分或失分。馬爾科夫鏈指出，某一時間段的狀態會對之后的狀態給出指引，之前的狀態對之后狀態產生的影響可忽略不計[7]。將運動員訓練動作設為時間段狀態，通過分析各狀態的效率值可得，對排球訓練結果有重要影響的排球訓練方案評價模型評價指標包括發球、快攻、強攻、一傳和二傳，如表1所示。

2 數據挖掘的排球訓練方案評價模型

2.1 評價指標權值的確定

使用數據挖掘對排球訓練方案評價指標進行量化的目的是為了尋找評價指標之間的差別和關聯，并進行差異補償[8]，即構造評價指標權值，以反應出排球訓練方案中的戰術水平，加強訓練方案的可用度。為了將理論與實際進行結合，挖掘定量方法中的排球訓練方案實際情況對模型評價指標進行量化，量化結果記錄在表2中，可見模型評價指標的量化結果為得分率、失分率和組合率，結構清晰，理解起來非常方便，能夠正確顯示出排球訓練方案與比賽結果之間的關聯性，以及各評價指標之間的差別。

關聯規則是數據挖掘的關鍵技術點，只有準確提取到數據之間的關聯性才能得到有用的深層信息。對表2中的量化結果進行關聯，設量化結果為模型評價指標用集合表示，指標的可信度與支持度用和表示，估計指標的關聯結果用表示，關聯度集合為對于量化結果中的任意量化值而言，如果同時滿足且那么數據挖掘的關聯規則[9]為表示存在關聯，有：

由排球教練設置訓練方案評價指標臨界值當，表示關聯結果可信，輸出可信的關聯結果進行歸一化，得出模型評價指標權值。如果關聯結果為線性，采用式（3）進行歸一化處理；若為指數，用式（4）進行歸一化處理。

式中MAX和MIN分別代表的最大值和最小值。

表2中數據關聯度的歸一化結果見表3。

基于數據挖掘的排球訓練方案評價模型對各項指標的綜合評價打分公式表示為：

式中代表權重。

2.2 模型的開發

對基于數據挖掘的排球訓練方案評價模型的開發使用VFP 6.0（Visual FoxPro 6.0）軟件，這是一款進行中、小型數據庫管理與開發的工具，是目前的主流開發工具，具有開發周期短、程序代碼編寫簡單、運營方便、調用速度快的特點，并且對計算機硬件的要求不高，可與日常辦公軟件進行數據交互，用戶也可根據自身需要修改初始程序代碼。VFP 6.0軟件的程序代碼接口性能完善，能夠引進不同類型和功能的編輯器（必須是32位的）對主控文件和數據庫進行建立，支持C/S結構數據庫的開發，并提供程序更新入口。圖3描述的是VFP 6.0軟件開發出的模型功能結構圖。

由圖3可得，基于數據挖掘的排球訓練方案評價模型擁有數據錄入、數據處理、數據查詢、報表輸出和系統維護五個功能模塊，囊括了所有的數據挖掘處理流程和排球訓練方案打分流程的錄入、顯示以及維護等功能。

3 實驗與結果討論

在以往的排球訓練方案評價模型開發成果中，定性評價、定量評價和人工神經網絡評價比較常用，三種模型均有著不同的優勢和缺點。本文將基于數據挖掘的排球訓練方案評價模型與上述三項開發成果進行對比，測試本文模型的評價效果。實驗現場如圖4所示，是一個常規仿真實驗室。

理論偏移由排球訓練方案評價模型中的估計差值計算產生，是一種隨機變量。由于排球訓練方案的易變性，理論偏移必然使評價模型產生計算誤差[10]，計算誤差來源于模型指標及其權值與實際訓練情況的偏移，決定了模型的評價效果。模型評價效果的表達式為：

實驗開始之前對我國4個省級排球隊的日常訓練方案進行收集，共計88個訓練樣本，樣本中包括訓練過程中所進行的排球比賽進攻方案和比賽分數，將以上兩項組成實際偏移，對訓練樣本進行評價。表4～表7分別記錄了定性評價、定量評價、人工神經網絡評價和基于數據挖掘的排球訓練方案評價模型的評價效果，其中，比賽分數的評價效果來源于各模型對評價指標的組合率。

分析表4～表7可得，四種設計成果中，定量評價的評價效果最差，其次是定性評價，造成評價效果差的可能原因如下：

（1） 排球進攻方案的數據采集樣本數量過少，引起各種進攻類型之間特性的混淆，評價過程中無法正確區分進攻類型；

（2） 未將比賽分數與進攻方案結合起來進行評價，樣本數據關聯性挖掘不足；

（3） 排球訓練方案中的不可控因素過多，評價之前未能對這些因素進行準確過濾。

人工神經網絡評價和基于數據挖掘的排球訓練方案評價模型的評價效果都很好。人工神經網絡評價對進攻方案的評價效果要高于其對比賽分數的評價效果，間接體現了數據關聯性挖掘不足的缺點，因而評價效果不如本文設計的基于數據挖掘的排球訓練方案評價模型。

4 結 論

為了提高排球訓練方案的實用性，設計基于數據挖掘的排球訓練方案評價模型，改善傳統評價方式的評價效果。通過實驗測試本文模型的可行性，測試方法是將定性評價、定量評價和人工神經網絡評價與本文模型進行對比，以理論偏移與實際偏移的差異量表示評價效果，實驗結果表明，本文模型的評價效果最好。

參考文獻

[1] 唐磊.學校排球隊員的訓練與教學之我見[J].科技資訊，2014，12（11）：166?167.

[2] 劉江，李毅鈞.排球多元組合訓練的生理生化監控及實施研究：以四川省男子排球隊為例[J].廣州體育學院學報，2016，36（1）：102?105.

[3] 林鋒.高校排球運動員體能評價體系的構建[J].福建教育學院學報，2014，15（4）：59?61.

[4] 周程.人工智能推理引擎在微博數據挖掘中的應用[J].現代電子技術，2016，39（15）：99?102.

[5] 趙偉強，黃新波，趙隆，等.輸電線路絕緣子表面鹽密在線監測系統[J].西安工程大學學報，2016，30（1）：86?92.

[6] 鄶淑娥.基于數據挖掘技術的超市顧客忠誠度評價模型的構建[J].中國管理信息化，2015，18（19）：63?65.

[7] 鄧芳.大型物聯網電子設備的海量數據高效挖掘方法研究[J].現代電子技術，2016，39（4）：159?162.

[8] 王學峰，齊曉爽.CUVA排球運動員訓練期自我效能狀況的實驗研究[J].安徽體育科技，2016，37（1）：50?53.

[9] 李菲.基于數據挖掘的商務智能系統的設計與實現[J].現代電子技術，2016，39（11）：152?155.

[10] 季惠芬.“排球”微課程的模型設計建構與實施策略[J].體育教學，2016，36（4）：28?30.