資源描述：
《灰色art聚類分析方法在競技體育生化指標監(jiān)控中的應用》由會員上傳分享，免費在線閱讀，更多相關內容在應用文檔-天天文庫。
1、灰色ART聚類分析方法在競技體育生化指標監(jiān)控中的應用茅潔1梅焰21、武漢體育學院體育信息技術系湖北武漢，430079；2、武漢體育學院醫(yī)院湖北武漢，430079摘要：生化指標數據對競技體育運動水平具有監(jiān)控作用，將灰色ART聚類分析方法的數據挖掘理論與其結合，可對運動訓練的進行科學決策和運動成績的科學分析預測。本篇主要論述灰色ART聚類分析方法在運動生化指標的應用研究。關鍵字：ART灰色ART聚類競技體育生化指標一、ART的概念自適應共振理論ART(AdaptiveResonanceTheory)模型是美國Boston大學的S．Grossberg和G．A．Carpenter在197
2、6年提出的。它是一種采用無監(jiān)督學習的競爭型神經網絡模型，其記憶方式與生物記憶形式類似，記憶容量可隨學習模式的增加而增加，不僅可進行實時的在線學習，還可隨環(huán)境的改變而進行動態(tài)的學習，具有良好的自適應性能。此外由于匹配警戒門限的引入，使ART模型避免了一般模型所遇到的“穩(wěn)定性－彈性”的兩難困境。所謂穩(wěn)定性是指一個模型能保持對不相關輸入模式的穩(wěn)定記憶的能力；而彈性是指一個模型能持續(xù)學習新的模式的能力。己有的模式識別模型一般較難同時保持好的穩(wěn)定性和彈性，即當一個模型完成學習后，模型的參數己經固定而不能再修改，當學習新的模式時，必須重新修正參數或權值才能盡可能完全地記憶并回憶該新的模式和己
3、經學習過的模式，最大限度地避免已經學習過的模式的遺忘。ART神經網絡的特點：1）網絡能適用于非平穩(wěn)的、非線性系統(tǒng)；2）網絡能實現(xiàn)實時在線學習，具有自組織、自適應學習功能；3）網絡不需要事先知道樣本結果，可非監(jiān)督學習；4）對己經經過學習的對象具有穩(wěn)定的快速識別能力，同時對于新的對象能夠迅速建立新的輸出模式，而已新增模式不受網絡輸出神經元的限制；5）具有自歸一能力。二、灰色ART聚類1、灰色ART聚類算法如下：（1）初始化L1－L2的權向量賦予較小且相同的初值，L2－L1的權向量賦予初值1。警戒門限值；（2）網絡輸入模式；（3）根據“2/3規(guī)則”，可知比較層(C)輸出C＝X。由L1－
4、L2的權向量進行加權，得輸出為：，代表競爭神經元；（4）由“勝者全得”的，識別層競爭開始運行，若有則識別層的神經元獲得競爭勝利；（5）信息反置，由識別層的獲勝神經元送回L2－L1的權向量，此時G1=0，由“2/3規(guī)則”可得到比較層新輸出向量C的各個元素滿足：；（6）警戒門限測試設向量X中不為0的個數用表示，可有若成立，則接受為獲勝神經元，進行到（7）。為2范數，是歐式距離。否則發(fā)重置信號，置為0（不允許其再參加競爭），開始搜索階段，轉（8）；（7）修改識別層神經元L1－L2及L2－L1的權向量，使其以后對與X相似的輸入更容易獲勝，且具有更好的相似性。其中為大于1的常數。（8）恢復
5、由重置信號抑制的識別層神經元，轉到2）以迎接下一次輸入聚類中心?；疑獳RT聚類算法流程圖，如圖1所示2、灰色聚類樣本構建在用ART模型進行生化指標數據分析時，輸入樣本X由已知樣本區(qū)信息和未知樣本區(qū)信息滑動動態(tài)構成，已知樣本記為R0。R0為現(xiàn)役運動員生化指標數據與歷史優(yōu)秀運動員生化指標得到的關聯(lián)度值。未知樣本為整個研究區(qū)關聯(lián)度值，這些關聯(lián)度值與已知樣本一起形成聚類空間，隨著已知樣本在研究區(qū)逐點線的滑動，便不斷產生新的聚類空間。設未知樣本為Ri，聚類樣本空間為就是滑動生成的灰色動態(tài)聚類空間。圖1灰色ART算法流程圖三、灰色ART聚類在生化指標數據中的應用提取生化指標數據中18個運動員
6、的4個生化指標項目（血色素（HB）、血肌酸激酶（CK）、血尿素氮（BUN）、睪酮（T）），其中包括8個優(yōu)秀運動員的歷史指標數據，運動員四項生化指標調整狀態(tài)下數據表作為原始數據表，經過灰色關聯(lián)度處理，得到灰色關聯(lián)系數數據集，作為灰色ART聚類輸入樣本模式，見表1；取警戒門限值為0.3時，帶入灰色ART聚類模型中（C語言實現(xiàn)）進行數據挖掘。表1灰色關聯(lián)系數表10.9080140.9169880.8035230.60028220.958390.8911820.9657750.82796230.9080140.7916670.5509450.77302840.9325220.991649
7、0.8035230.50895950.9080140.8347980.5055420.70654560.8520320.9854770.9246360.71911370.9857340.8161510.5128920.586388111190.9452790.8605070.9156350.727492100.8626690.3333330.5445650.44228110.8025520.4214730.5128920.425862120.8520320.5967340.474
