原创《数据挖掘技术的足球最优飞行轨迹估计》：本文是一篇关于数据挖掘论文范文，可作为相关选题参考,和写作参考文献。
摘 要： 为改善中国足球的竞技能力,提高运动员训练效果,提出基于数据挖掘技术的足球最优飞行轨迹估计方法.首先采用决策树方法对历史足球飞行轨迹数据构造树形架构,并在决策树上进行数据特征分类,提取足球飞行速度的大小、方向等分类结果,然后利用卡尔曼滤波估计足球飞行状态,通过时序解析和碰撞测试挖掘出足球最优飞行轨迹.实验结果表明,该方法估计结果与足球实际飞行轨迹的轨迹相似度高,可以应用于实际中.
关键词： 数据挖掘技术； 最优飞行轨迹； 决策树； 卡尔曼滤波
中图分类号： TN911.1?34； G843 文献标识码： A 文章编号： 1004?373X（2017）19?0123?03
Football optimal flight path estimation based on data mining technology
HUA Zhengchun
（Guangxi Teachers Education University, Nanning 530023, China）
Abstract： In order to improve the competitive ability of Chinese football and training effect of athletes, a football optimal flight path estimation method based on data mining technology is proposed. The decision?making tree method is used to construct the history football flight path data for the tree?form architecture. The data characteristics are classified on decision?making tree to extract the classification results such as the magnitude and direction of football flight speed. The Kalman filtering is adopted to estimate the football flight state, by which the football optimal flight path is mined by means of temporal analysis and intersection test. The experimental results indicate that the estimation result of the proposed method has high path similarity with the practical football flight path, and can be applied to the practical application.
Keywords： data mining technology； optimal flight path； decision?making tree； Kalman filtering
0 引 言
足球是中国体育竞技业中综合实力比较薄弱的一个项目,在历届足球联赛中,中国足球在战术、防守、进攻上都远落后于强队,运动员往往不能对传球、接球、截球等操作做出正确判断,从而错失得分良机.
近年来,数据挖掘技术不断成熟,应用软件、开发工具为这一技术带来了新的知识获取方法,如决策树、遗传算法、MBR（Memory?Based Reasoning,记忆基础推理）和神经网络等[1].随着数据研究领域的不断拓宽,体育竞技业也进行了一些数据研究工作,但有效的科研成果非常少.人为估计足球飞行轨迹不是在短时间内就能拥有的能力,如果能够借助数据挖掘技术分析历届足球联赛球员的个人行为,获取隐含在行为之内的因果联系,就可以缩短这种能力的练就时间,实施智能化球队训练与管理,提高球员个人素质.所以,提出基于数据挖掘技术的足球最优飞行轨迹估计方法.
1 数据挖掘技术
数据挖掘技术是指在庞大且杂乱的数据体系中,使用特殊手段发现深度埋藏在数据体系内部的关键知识[2].数据挖掘技术的基本使命如图1所示,包括分类、聚类解析、关联、时序解析、估计和误差解析,这六项使命可并行使用,也可相互关联使用.
分类作为最根本的数据挖掘使命,其原理是按照事先规划好的特征类别将数据样本训练好,最后完成数据特征的分门别类,以构造特征模型用于数据验证.
聚类解析的鼻祖是分类,是从分类使命中衍生出来的根据数据相似度进行分类的一个分支,但聚类解析的分类类别不需要进行事先规划,而是直接使用现实数据相似度进行解释[3],细化程度低于分类使命,能够构造宏观特征模型,用来表征数据之间的特征关联程度.
关联使命主要对动态数据特征的关联规则进行定义,在零售业、电网故障识别中比较常用,可以衡量现实数据之间的隐含规则.支持度和可信度是关联使命的解析标准,能够增强数据与现实情况的契合程度.
时序解析与估计是数据挖掘技术中的特殊使命,都利用动态的历史数据特征对未来数据特征进行解释.误差解析是对历史数据和标准数据之间差别进行比较的数据挖掘使命,可以提高数据挖掘技术的可靠性.
2 数据挖掘技术的足球最优飞行轨迹估计
2.1 决策树
若想要进行有关足球最优飞行轨迹的估计工作,决策树将通过贪婪方法构造树形架构,在树干上分配分类规律,训练出树杈连接点,令树杈连接点进行子分裂,将足球历史飞行轨迹数据特征沿着树杈依次向下按照时序排列[4].在上述估计过程中,决策树的分裂方法是非常重要的,在搜寻分类结果时,每一个树杈连接点都是一个交叉口,分裂结果与搜寻结果的关联性很强,分裂方法不同,有可能出现不同的搜寻结果,这在进行足球最优飞行轨迹估计时容易出现特征歧义,导致估计结果不合实际[5].在贪婪方法中,ID3是一种概念学习方法,它使用信息熵进行数据特征样本训练,在树杈连接点分裂之前将最大信息增益设成分裂标准,以对每个树杈连接点的分裂问题做出最优解答[6],实现足球历史飞行轨迹数据特征的最优分类.不断更新最大信息增益,直至决策树架构构造完成.
数据挖掘论文参考资料：
结论：数据挖掘技术的足球最优飞行轨迹估计为适合不知如何写数据挖掘方面的相关专业大学硕士和本科毕业论文以及关于数据挖掘论文开题报告范文和相关职称论文写作参考文献资料下载。
