高校傳統體育課程改革效果評估模型分析

王 瑩,張玉強

(安徽農業大學 體育部,安徽 合肥 230036)

隨著高校傳統體育課程改革的深化,需要構建高校傳統體育課程改革的量化分析模型,結合大數據信息分析方法,進行高校傳統體育課程改革評估,分析高校傳統體育課程改革大數據分布關聯集,結合融合性區域特征匹配方法,進行高校傳統體育課程改革效果評估[1],提高高校傳統體育課程改革的針對性和有效性,研究高校傳統體育課程改革效果評估模型,在促進高校傳統體育課程改革的優化升級方面具有重要意義,相關的高校傳統體育課程改革效果評估模型分析方法研究受到人們的極大關注.本文提出基于定量遞歸分析的高校傳統體育課程改革效果評估模型.首先進行高校傳統體育課程改革效果評估的大數據信息采樣模型,根據高校傳統體育課程改革效果評估信息的挖掘結果,然后結合模板匹配和信息聚類分析方法,進行高校傳統體育課程改革效果的評估和預測.最后進行仿真測試分析,得出有效性結論.

1 信息采樣和特征分析

1.1 高校傳統體育課程改革效果評估統計信息采樣

(1)

(2)

上式表示為高校傳統體育課程改革效果評價的約束指標參量集,為一個標準的正態分布函數,ω為高校傳統體育課程改革效果評估的統計特征分布的慣性權重,采用均勻信息融合的方法,進行高校傳統體育課程改革效果評估的量化分析,建立高校傳統體育課程改革效果評估的約束參量集RN與XN的關聯分布關系為：

(3)

結自相關特征匹配方法進行高校傳統體育課程改革的自適應融合調度方法,進行高校傳統體育課程改革效果的優化評價和自動干預.

1.2 高校傳統體育課程改革效果統計特征分析

構建高校傳統體育課程改革效果評估統計信息分析模型,根據高校傳統體育課程改革效果評估信息特征分布式挖掘結果,對高校傳統體育課程改革效果評估數據進行自適應融合聚類,采用定量遞歸分析的方法,進行高校傳統體育課程改革效果評價,得到改革效果統計的模糊計算式為：

(4)

其中Newi`=(ei`,1,ei`2,…,ei`D),表示高校傳統體育課程改革效果評估的分布式調度集,由此構建高校傳統體育課程改革效果評估的模糊關聯規則調度集,采用先驗概率密度分布重組的方法,進行高校傳統體育課程改革效果的分段檢驗,檢驗規則為：

(5)

構建高校傳統體育課程改革效果評估的大數據融合聚類分析模型,建立統計分析函數集,結合回歸分析方法[4],得到高校傳統體育課程改革效果評估的模糊特征序列為{xn},當i∈I,j?I時,得到高校傳統體育課程改革效果評估信息融合輸出為：

(6)

高校傳統體育課程改革效果評估的線性擬合式為：

(7)

其中,Xmax,Xmin分別為最大評估閾值和最小閾值.據相似度對比方法進行高校傳統體育課程改革效果的自適應評估,通過量化回歸分析方法進行高校傳統體育課程改革效果評估過程中的特征編碼,提高評估的有效性[5].

2 效果評估優化

2.1 改革效果特征分布集分析

建立高校傳統體育課程改革效果的特征匹配函數,結合模板匹配和信息聚類分析方法[6],高校傳統體育課程改革效果的描述性統計序列{x(t0+iΔt)},i=0,1,…,N-1,機器學習的尋優軌跡為：

X=[s1,s2,···sK]n=(xn,xn-τ,…,xn-(m-1)τ)

(8)

結合參數分析和面板參數分析的方法,進行高校傳統體育課程改革效果評估的模糊參量識別[7],構建大高校傳統體育課程改革效果評估的統計分析模型的表達式為：

(9)

令f(si)=(f(x1),f(x2),...,f(xn)),構建模糊子空間調度模型為P(ni)={pk|prkj=1,k=1,2,…,m},進行高校傳統體育課程改革效果評估的關聯調度和模糊度特征分析,根據高校傳統體育課程改革效果評估的模糊特征分布集,對高校傳統體育課程改革效果評估數據進行自適應挖掘[7],傳統體育課程改革效果評估的更新規則如下式：

(10)

其中

(11)

(12)

2.2 高校傳統體育課程改革效果評估輸出

建立高校傳統體育課程改革效果的特征匹配函數,結合模板匹配和信息聚類分析方法,進行高校傳統體育課程改革效果的評估,結合多元回歸分析方法得到高校傳統體育課程改革效果評估的模糊性調度函數為：

(13)

(14)

(15)

式(15)中,Xj(t)為第t次迭代后高校傳統體育課程改革效果評估的模糊規則集,構建模糊子空間調度模型進行大高校傳統體育課程改革效果評估與自適應控制[9],給出高校傳統體育課程改革效果評估的模糊聚斂控制函數為：

(16)

式(16)中,高校傳統體育課程改革效果評估的關聯規則分布函數為Mh,采用聯合關聯規則挖掘方法,得到高校傳統體育課程改革效果評估的關聯維分布有限數據集：

X={x1,x2,…,xn}?Rs

(17)

其中,高校傳統體育課程改革效果評估統計大數據集合中含有n個樣本,樣本xi,i=1,2,…,n,結合SVM學習自適應學習方法進行自適應學習,得到關聯特征量pq,高校傳統體育課程改革效果評估的量化關系為：

(18)

建立高校傳統體育課程改革效果的特征匹配函數,結合模板匹配和信息聚類分析方法,進行高校傳統體育課程改革效果的評估和預測[10],得到預測函數為：

(19)

綜上分析,實現高校傳統體育課程改革效果優化.

3 仿真實驗分析

為了驗證本文方法在實現高校傳統體育課程改革效果中的應用性能,進行仿真測試分析,采用SPSS 14.0統計分析軟件進行體育課程改革效果評估,采用Matlab分析方法進行算法設計,得到統計分析結果見表1.

表1 高校傳統體育課程改革效果評估的統計分析值

根據表1的定量分析結果,進行高校傳統體育課程改革效果評估,得到大數據分布如圖1所示.

以圖1的數據為研究對象,對高校傳統體育課程改革效果評估數據進行統計分析,得到特征提取結果如圖2所示.

圖1 高校傳統體育課程改革效果大數據分布

圖2 特征提取結果

分析圖2得知,本文方法進行高校傳統體育課程改革效果評估的特征匹配性較好,測試評估精度,得到對比結果如圖3所示,分析圖3得知,本文方法進行高校傳統體育課程改革效果評估的精度較高.

圖3 評估精度對比測試

4 結 語

本文提出基于定量遞歸分析的高校傳統體育課程改革效果評估模型.高校傳統體育課程改革效果評估的大數據信息采樣模型,根據高校傳統體育課程改革效果評估信息的挖掘結果,對高校傳統體育課程改革效果評估數據進行自適應挖掘和融合聚類處理,提取高校傳統體育課程改革效果特征分布集的相似度信息,根據相似度對比方法進行高校傳統體育課程改革效果的自適應評估,通過量化回歸分析方法進行高校傳統體育課程改革效果評估過程中的特征編碼,建立高校傳統體育課程改革效果的特征匹配函數,結合模板匹配和信息聚類分析方法,進行高校傳統體育課程改革效果的評估和預測.分析得知,采用本文方法進行高校傳統體育課程改革效果評估的自適應性較好,評估預測的精度較高,收斂性較好,具有很好的應用價值.