贝叶斯网络在击剑训练决策支持中的研究与应用
知识时代的来临促使当今社会的信息量以前所未有的速度增加，决策者面临更加复杂的环境，因而高效的决策支持系统成为不可或缺的工具。体育界也面临同样的问题，如何在海量的训练、比赛信息中发现问题的规律，做出合理、正确的决策，是教练员密切关注的问题。击剑是一项技巧性很强的奥运比赛项目，要保证运动员具有良好的身体机能和竞技状态，必须充分发掘训练过程与运动员身体指标之间的关系，进而达到科学训练的目的。数据表明，我国击剑运动的训练和比赛中，教练员仍主要凭经验进行安排，科学化水平较低，缺乏有效的辅助决策支持系统。本文“击剑训练决策支持系统”是国家体育总局奥运科研攻关项目子项目之一，用以配合和促进击剑运动训练的科学化进程，协助教练更加科学地指导运动员进行运动训练。
数据挖掘技术主要研究如何从大量的数据中智能的、自动的提取有价值的知识，贝叶斯网络是其中最具代表性的智能信息处理模型。贝叶斯网络具有稳固的数学基础，与人工神经网络、规则库、决策树等其他知识表示形式相比，它采用定性表示和定量分析相结合的方式，具有图形化的模型表示形式和直观的推理，适用于为本文所要解决的击剑训练优化问题建模。
以往的研究中，通常将运动员的各项生理、生化指标单独进行训练强度和负荷量的分析，没有科学的建立它们与具体训练过程的关系：本文首先提出采用贝叶斯网络的方法，发现运动员的训练过程与各类生理、生化指标之间的因果关系，具有重大的理论意义和实用价值。本文对贝叶斯网络的知识表达、学习方法和推理功能进行了研究，并建立击剑训练方法的优化模型，最终形成一套完整的训练过程管理和分析系统。
在模型实现中，结合运动训练科学理论和教练员的经验知识，定义训练相关变量、生理效应变量和其他运动员变量作为网络节点：使用改进的K2算法学习网络的结构；扫描历史数据对根节点的先验概率和叶节点的条件概率进行赋值。在此基础上，利用模型的推理功能，为教练员提供决策支持。以女子重剑队的数据进行实验，并与增加冲量项的BP神经网络方法进行了性能比较。实验表明，该模型能有效的为教练员提供决策支持。
贝叶斯网络;击剑训练;决策支持
中国海洋大学
硕士
计算机应用技术
魏振钢
2009
中文
TP391.77;G885
55
2009-09-28（万方平台首次上网日期，不代表论文的发表时间）