论文部分内容阅读
中图分类号：G819 文献标识：A 文章编号：1009-9328（2013）08-000-02
摘 要 在竞技体育中，运动损伤严重阻碍了运动员技术水平的正常发挥和提高，成为运动员被淘汰的主要原因之一。
关键词 属性约简算法 田径伤病预警
一、研究的目的和意义
本研究的主要目的是探寻一种利用粗糙集理论的各种知识约简算法来挖掘田径运动中运动员损伤主要致伤因子的新方法，通过对山东省田径项目高水平运动员损伤致伤风险指标的分析，提取运动员致伤指标信息，形成信息集合，运用粗糙集属性约简的优势，挖掘出对运动损伤贡献率大的主要致伤指标，并结合MATLAB仿真软件构建预测模型，实现即时的运动员机能状态动态监控，为田径科学化训练提供参考。
二、属性约简算法研究
约简是粗糙集用于数据分析的重要概念之一。目前各种数据库存储中不仅有大量的记录，还有很多字段（如特性、变量等），因此导致数据的复杂度很高。在粗糙集中对于信息系统字段的约简为属性约简，而大量的记录则看作为值约简。大量数据的不断增加，使得属性约简比值约简更加有效。如果要提高人们对信息系统中各种知识的认识程度，就必须在知识获取之前减少大量冗余，简化数据库结构的复杂度。
三、田径损伤预警模型建立
（一）MATLAB神经网络工具箱建立模型的基础
田径损伤预警模型建立基本思想。粗糙集模拟了人类抽象思维过程，通过对数据集约简，发掘蕴涵于事物中的逻辑规律，用于推理或者预测；而MATLAB神经网络工具箱中的人工神经网络则模拟人类的形象思维，通过训练和学习来归纳样本数据的输入和输出的关系。二者相结合充分反映了人类的常规思维方式。对于神经网络来说，训练速度和训练样本一直是困扰其应用的主要问题，神经网络的节点个数越多，训练时间就越长，其应用能力也就越差，而粗糙集理论中的知识约简可以在保持分类能力不变的前提下剔除冗余信息，为降低神经网络的复杂结构提供了理论依据。二者合理结合、优势互补，奠定了粗糙集和神经网络相结合的理论基础。
（二）MATLAB神经网络工具箱网络模型建立
1.BP网络建立
本文主要运用神经网络中应用最为广泛的BP神经网络，来对样本进行训练。根据输入信息区分运动员的运动损伤风险预警等级是高、中或低，也就是将运动员根据运动损伤风险大小分为三类。简单起见，用BP神经网络输出值的1，2，3来代表这三个类别。具体如下：
把60名田径运动员的统计数据随机分为两组，将其中50人的统计数据作为训练样本，其余10人作为测试样本，在MATLAB环境下构造BP网络模型。
2.BP神经网络训练
建立BP神经网络，首先要设置网络结构的相关参数进行网络训练，主要的参数有各层的权值和阈值，隐含层和输出层的传递函数以及训练函数，训练步长，训练次数，训练的目标精度，学习效率等等，本文在MATLAB环境下，设置BP网络结构的主要代码如下：
经过反复试验并对比多次试验的结果，最终得出，当隐含层神经元数目为12，训练误差设为0.001，学习效率设置为0.03，训练步长为500，最大训练次数为10000时，基于互信息的约简结果预测的效果最好，当误差下降到0.001时，曲线逐渐趋于平缓，说明该结构达到稳定，效果良好。而基于依赖度的属性约简结果最大次数达到20000次，网络训练误差降低至0.005时，误差曲线趋近于平缓，都始终无法收敛，即无论BP网络再怎样进行训练，误差也不会有大幅度减少，网络训练失败，训练过程如图2和图3：
下面将主要对基于互信息的属性约简结果进行神经网络训练，验证其在预测方面的有效性。BP神经网络参数设置后，随机选择田径运动员的运动损伤基本信息数据，将包含前文得到的基于互信息的属性约简后的六个属性，作为输入样本。输入样本过程如下：
将信息系统中的条件属性值作为输入样本数据，决策属性值作为目标输出，建立神经网络，在MATLAB环境下，训练BP网络的代码如下语句：
（三）模型的预警结果分析
利用前面已经建立好的基于属性约简的神经网络预警模型，结合山东省田径运动员运动损伤信息，将其数值输入到建立好的模型中，得到的预警结果和实际的结果比较如下：
试验结果表明，利用已经训练成功的神经网络对10个测试样本，进行测试验证，取得了较为理想的结果，其预测的结果误差值基本控制在-0.02～0.04之间，这样的结果，符合本课题中运动员损伤风险等级预警精度要求，运动损伤风险预警准确率达到100%，因此将此算法应用于运动员的运动损伤风险预警是完全可行的。
四、总结与展望
科学技术的进步，各学科交叉综合发展，各种先进的科学技术逐步融入到体育领域中，使得研究如何提高运动成绩，合理预防运动损伤，最大可能降低运动损伤风险，保持运动员的最佳竞技状态已成为可能。为加快田径运动训练科学化，提升我国田径训练水平，本文从多学科角度出发，在系统了解田径项目运动训练特点的基础上，明确引发田径运动员的运动损伤的诸要素对运动损伤的影响，结合粗糙集理论中的属性约简算法，实现一种合理、有效的约简算法，用于对影响田径运动员损伤的致伤指标进行约简，挖掘出对田径运动损伤贡献率高的因素，并应用于建立田径伤病预警模型中，为田径运动员的运动损伤预防提供了一种新方法。最后，通过数据测试证明该方法是有效、可行的。
参考文献：
[1] 任玉衡，田得祥.秀运动员的运动创伤流行病学调查[J].中国运动医学杂志.2000.19（4）：377-386.
[2] 寿伟江，余丁友.对我国优秀田径运动员过早退役原因的调查分析[J].安徽体育科技.2005.26（4）：40-43.
[3] 姬上兵，孙长新.我国优秀男子跳高运动员运动损伤原因调查[J].山西师大体育学院学报.2006.21（4）：126-128.
[4] 王予彬，王惠芳.运动损伤康复治疗学[M].北京：人民军医出版社.2009：47-89.
[5] 曲绵域，于长隆.实用运动医学（第四版）[M].北京：大学医学出版社.2003：78-120.
摘 要 在竞技体育中，运动损伤严重阻碍了运动员技术水平的正常发挥和提高，成为运动员被淘汰的主要原因之一。
关键词 属性约简算法 田径伤病预警
一、研究的目的和意义
本研究的主要目的是探寻一种利用粗糙集理论的各种知识约简算法来挖掘田径运动中运动员损伤主要致伤因子的新方法，通过对山东省田径项目高水平运动员损伤致伤风险指标的分析，提取运动员致伤指标信息，形成信息集合，运用粗糙集属性约简的优势，挖掘出对运动损伤贡献率大的主要致伤指标，并结合MATLAB仿真软件构建预测模型，实现即时的运动员机能状态动态监控，为田径科学化训练提供参考。
二、属性约简算法研究
约简是粗糙集用于数据分析的重要概念之一。目前各种数据库存储中不仅有大量的记录，还有很多字段（如特性、变量等），因此导致数据的复杂度很高。在粗糙集中对于信息系统字段的约简为属性约简，而大量的记录则看作为值约简。大量数据的不断增加，使得属性约简比值约简更加有效。如果要提高人们对信息系统中各种知识的认识程度，就必须在知识获取之前减少大量冗余，简化数据库结构的复杂度。
三、田径损伤预警模型建立
（一）MATLAB神经网络工具箱建立模型的基础
田径损伤预警模型建立基本思想。粗糙集模拟了人类抽象思维过程，通过对数据集约简，发掘蕴涵于事物中的逻辑规律，用于推理或者预测；而MATLAB神经网络工具箱中的人工神经网络则模拟人类的形象思维，通过训练和学习来归纳样本数据的输入和输出的关系。二者相结合充分反映了人类的常规思维方式。对于神经网络来说，训练速度和训练样本一直是困扰其应用的主要问题，神经网络的节点个数越多，训练时间就越长，其应用能力也就越差，而粗糙集理论中的知识约简可以在保持分类能力不变的前提下剔除冗余信息，为降低神经网络的复杂结构提供了理论依据。二者合理结合、优势互补，奠定了粗糙集和神经网络相结合的理论基础。
（二）MATLAB神经网络工具箱网络模型建立
1.BP网络建立
本文主要运用神经网络中应用最为广泛的BP神经网络，来对样本进行训练。根据输入信息区分运动员的运动损伤风险预警等级是高、中或低，也就是将运动员根据运动损伤风险大小分为三类。简单起见，用BP神经网络输出值的1，2，3来代表这三个类别。具体如下：
把60名田径运动员的统计数据随机分为两组，将其中50人的统计数据作为训练样本，其余10人作为测试样本，在MATLAB环境下构造BP网络模型。
2.BP神经网络训练
建立BP神经网络，首先要设置网络结构的相关参数进行网络训练，主要的参数有各层的权值和阈值，隐含层和输出层的传递函数以及训练函数，训练步长，训练次数，训练的目标精度，学习效率等等，本文在MATLAB环境下，设置BP网络结构的主要代码如下：
经过反复试验并对比多次试验的结果，最终得出，当隐含层神经元数目为12，训练误差设为0.001，学习效率设置为0.03，训练步长为500，最大训练次数为10000时，基于互信息的约简结果预测的效果最好，当误差下降到0.001时，曲线逐渐趋于平缓，说明该结构达到稳定，效果良好。而基于依赖度的属性约简结果最大次数达到20000次，网络训练误差降低至0.005时，误差曲线趋近于平缓，都始终无法收敛，即无论BP网络再怎样进行训练，误差也不会有大幅度减少，网络训练失败，训练过程如图2和图3：
下面将主要对基于互信息的属性约简结果进行神经网络训练，验证其在预测方面的有效性。BP神经网络参数设置后，随机选择田径运动员的运动损伤基本信息数据，将包含前文得到的基于互信息的属性约简后的六个属性，作为输入样本。输入样本过程如下：
将信息系统中的条件属性值作为输入样本数据，决策属性值作为目标输出，建立神经网络，在MATLAB环境下，训练BP网络的代码如下语句：
（三）模型的预警结果分析
利用前面已经建立好的基于属性约简的神经网络预警模型，结合山东省田径运动员运动损伤信息，将其数值输入到建立好的模型中，得到的预警结果和实际的结果比较如下：
试验结果表明，利用已经训练成功的神经网络对10个测试样本，进行测试验证，取得了较为理想的结果，其预测的结果误差值基本控制在-0.02～0.04之间，这样的结果，符合本课题中运动员损伤风险等级预警精度要求，运动损伤风险预警准确率达到100%，因此将此算法应用于运动员的运动损伤风险预警是完全可行的。
四、总结与展望
科学技术的进步，各学科交叉综合发展，各种先进的科学技术逐步融入到体育领域中，使得研究如何提高运动成绩，合理预防运动损伤，最大可能降低运动损伤风险，保持运动员的最佳竞技状态已成为可能。为加快田径运动训练科学化，提升我国田径训练水平，本文从多学科角度出发，在系统了解田径项目运动训练特点的基础上，明确引发田径运动员的运动损伤的诸要素对运动损伤的影响，结合粗糙集理论中的属性约简算法，实现一种合理、有效的约简算法，用于对影响田径运动员损伤的致伤指标进行约简，挖掘出对田径运动损伤贡献率高的因素，并应用于建立田径伤病预警模型中，为田径运动员的运动损伤预防提供了一种新方法。最后，通过数据测试证明该方法是有效、可行的。
参考文献：
[1] 任玉衡，田得祥.秀运动员的运动创伤流行病学调查[J].中国运动医学杂志.2000.19（4）：377-386.
[2] 寿伟江，余丁友.对我国优秀田径运动员过早退役原因的调查分析[J].安徽体育科技.2005.26（4）：40-43.
[3] 姬上兵，孙长新.我国优秀男子跳高运动员运动损伤原因调查[J].山西师大体育学院学报.2006.21（4）：126-128.
[4] 王予彬，王惠芳.运动损伤康复治疗学[M].北京：人民军医出版社.2009：47-89.
[5] 曲绵域，于长隆.实用运动医学（第四版）[M].北京：大学医学出版社.2003：78-120.