郝霖霖
(复旦大学体教部 上海 200433)
对大学生体质进行评价并给予针对性的锻炼指导是高校体育工作的一部分,由于人体的运动能力与各影响因素之间是复杂的非线性关系,人为评价学生体质健康具有较大的困难,而利用人工神经网络进行评价能够降低人为因素的影响,能够较好地保证评价结果的客观性和准确性[1,2]。该研究利用K-means 聚类算法和BP神经网络对学生体质类型进行评价,验证BP神经网络评价大学生体质类型的可行性,为指导大学生体育锻炼提供参考,同时促进大数据、机器学习等新兴技术与体育的结合,丰富体育与计算机交叉学科研究领域的理论成果。
通过查阅大学生课外体育锻炼指导、大学生体质健康等方面的相关文献资料,借鉴前人的研究方法和研究成果,在此基础上逐步形成该研究的思路、框架和创新点。研读机器学习、人工神经网络方面的相关书籍著作,了解BP人工神经网络的基本原理和使用方法,为该研究中大学生体质类型评价模型的构建提供参考。
1.2.1 数据收集和预处理
测试和统计1000 余名大学生体质健康数据,计算数据平均值、标准差,并正向化处理以及Z-score 标准化处理。
1.2.2 K-means聚类分析
运用聚类分析,将预处理好的数据作为自变量,将具有较高相似度的数据对象划分至同一类簇,将具有较高相异度的数据对象划分至不同类簇,最终将大学男生和女生分成不同的类型(见图1)。……