灰色ART聚類分析方式在競技體育生化指標監(jiān)控中的應用

1、灰色ART聚類分析方式在競技體育生化指標監(jiān)控中的應用茅潔'梅焰'一、武漢體育學院體育信息技術系湖北武漢，430079；二、武漢體育學院醫(yī)院湖北武漢,430079摘要：生化指標數(shù)據(jù)對競技體育運動水平具有監(jiān)控作用，將灰色ART聚類分析方式的數(shù)據(jù)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聚類分析方式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19

2、76年提出的。它是一種采用無監(jiān)督學習的競爭型神經(jīng)網(wǎng)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。另外由于匹配警戒門限的引入，使ART模型避免了一般模型所碰到的“穩(wěn)固性一彈性”的兩難窘境。所謂穩(wěn)固性是指一個模型能維持對不相關輸入模式的穩(wěn)固記憶的能力: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維持好的穩(wěn)固性和彈性，即當一個模型完成學習后，模型的參數(shù)己經(jīng)固定而不能再修改，當學習新的模式時，必需從頭修正參數(shù)或權值才能盡可能完全地記憶并回憶該新的模式和己經(jīng)學習過的模

3、式，最大限度地避免已經(jīng)學習過的模式的遺忘。ART神經(jīng)網(wǎng)絡的特點：1）網(wǎng)絡能適用于非平穩(wěn)的、非線性系統(tǒng)：2）網(wǎng)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(wǎng)絡不需要事前明白樣本結果，可非監(jiān)督學習：4）對己經(jīng)通過學習的對象具有穩(wěn)固的快速識別能力，同時對于新的對象能夠迅速成立新的輸出模式，算了新增模式不受網(wǎng)絡輸出神經(jīng)元的限制；5）具有自歸一能力。二、灰色ART聚類一、灰色ART聚類算法如下：（1）初始化L1-L2的權向量W給予較小且相同的初值，L2-L1的權向量W'給予初值1。警戒門限值OV0V1：（2）網(wǎng)絡輸入模式X=玉,，毛:（3）按照“2/3規(guī)則”，可知比較層（C）輸出C=X

4、0由L1-L2的權向量卬進行加權，得輸出為：=。匕3飛12j代表競爭神經(jīng)元：（4）由“勝者全得”的，識別層競爭開始運行，如有吃.=11小勺,卜1,2/一,?則識別層的神經(jīng)元取得競爭勝利：（5）信息反置，由識別層的獲勝神經(jīng)元廣送回L2L1的權向量現(xiàn)在G1=O,由“2/3規(guī)則”可取得比較層新輸出向量C的各個元素知足：9=卬：.百：1jl1（6）警戒門限測試設向量X中不為0的個數(shù)用|X|表示，可有l(wèi)lcll=SwrA若何/|兇|>q成立，則同意同為獲勝神經(jīng)元,進行到（7）,因為2范數(shù)，是歐式距離。不然發(fā)重置信號，置1為0（不允許其再參加競爭），開始搜索階段，轉(zhuǎn)（8）；（7）修改識別層神經(jīng)元L1

5、-L2及L2-L1的權向量，使其以后對與X相似的輸入更易獲勝，且具有更好的相似性。叫.#+1）=叫，%,（f+1）=iw；w+叩-1+?峪（。為）其中/為大于1的常數(shù)。（8）恢復由重置信號抑制的識別層神經(jīng)元，轉(zhuǎn)到2）以迎接下一次輸入聚類中心。灰色ART聚類算法流程圖，如圖1所示二、灰色聚類樣本構建在用ART模型進行生化指標數(shù)據(jù)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)組成，已知樣本記為Ro。Ro為現(xiàn)役運動員生化指標數(shù)據(jù)與歷史優(yōu)秀運動員生化指標取得的關聯(lián)度值，未知樣本為整個研究區(qū)關聯(lián)度值，這些關聯(lián)度值與已知樣本一路形成聚類空間，隨著已知樣本在研究區(qū)逐點線的滑動，便不斷產(chǎn)生新的聚類

6、空間。設未知樣本為R"聚類樣本空間人為U&i=12，/f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(shù)據(jù)中的應用提取生化指標數(shù)據(jù)中18個運動員的4個生化指標項目（血色素（HB入血肌酸激時CK）、血尿素氮（BUN）、睪陰（T）,其中包括8個優(yōu)秀運動員的歷史指標數(shù)據(jù)，運動員四項生化指標調(diào)整狀態(tài)下數(shù)據(jù)表作為原始數(shù)據(jù)表，通過灰色關聯(lián)度處置,取得灰色關聯(lián)系數(shù)數(shù)據(jù)集,作為灰色ART聚類輸入樣本模式，見表1；取警戒門限值為時，帶入灰色ART聚類模型中（C語言實現(xiàn)）進行數(shù)據(jù)挖掘。表1灰色關聯(lián)系數(shù)表口奴1)取2)奴3)奴4)123456781111910

7、1112131415161718表2灰色ART聚類預測結果表類別類別數(shù)目類別編號優(yōu)秀1012345678917一股81011121314151618結論：一、在ART聚類中比較常常利用的兩種方式：第一個是競爭學習，第二個是自組織特征映射，這兩種方式都涉及有競爭的神經(jīng)元。而本文采用的灰色ART聚類模型分析方式，是一種優(yōu)于傳統(tǒng)聚類分析方式的一種新型的聚類數(shù)據(jù)挖掘模型。二、運用這種模型，能夠按照歷史的優(yōu)秀運動員的優(yōu)秀狀態(tài)時的生化指標數(shù)據(jù)作為衡量現(xiàn)役運動員運動水平的預測方式。從以上的表2中能夠看出，當警戒門限值為時，前7個優(yōu)秀運動員與第9位和第17位運動員聚為優(yōu)秀一類中，將其他的現(xiàn)役運動員聚為第二類（

8、一般）。從結果能夠分析出第9位和第17位運動員具有優(yōu)秀運動員的潛質(zhì)，值得教練員進行著重培育。事實上第9位運動員確實是此刻的全國冠軍，從而驗證了灰色ART模型對預測運動員的競技體能的方式具有科學性、準確性、適用性。四、灰色ART聚類分析方式的應用的意義通過關聯(lián)度處置的生化指標數(shù)據(jù)，數(shù)據(jù)被強化，無關的數(shù)據(jù)被壓制，噪音數(shù)據(jù)被剔除,從而增加了ART模型的聚類能力。ART模型分析方式的主要長處如下：1）可完成實時學習，且可適應非平穩(wěn)的環(huán)境；2）對已學習過的對象具有穩(wěn)固的快速識別能力，同時又能迅速適應來學習的新對象：3）具有自歸一能力，按照某些特征在全部中所占的比例，有時作為關鍵特征，有時又被看成噪聲處置

9、：4）不需要事前已知樣本結果，可非監(jiān)督學習；5）容量不受輸入通道數(shù)的限制，存儲對象也不要求是正交的；ART模型分析方式的應用意義：一、將灰色關聯(lián)分析方式與神經(jīng)網(wǎng)絡技術有機結合，能夠提高生化指標數(shù)據(jù)信息的提取、運動員競技體能預測評價的客觀性和智能性?；疑獳RT分析方式以動態(tài)生成的灰色關聯(lián)度信息動態(tài)空間作為信息模式樣本，通過無監(jiān)督的學習啟動地按照異樣本身的特征區(qū)別，將其形成不同的聚類中心，從而達到分類的目的，有助于把人們從煩雜的資料分析、信息模式識別中解放出來。二、采用灰色ART動態(tài)聚類分析方式按照運動員的生化指標數(shù)據(jù)，對其競技體能進行分類，使信息形成具有特征意義的信息群。這種信息群均以優(yōu)秀運動員

10、的生化指標數(shù)據(jù)為參照分類形成，為運動員競技體能的分析、解釋、預測提供了量化依據(jù)，提高了教練員對培育后備運動員的科學性、智能性。3、這種聚類分析方式比較傳統(tǒng)聚類分析方式優(yōu)勢在于能清楚直觀的取得預測結果，再也不依托教練員經(jīng)驗的單一分析判斷，從而使得分析結果更具準確性，提高可信度。這種數(shù)據(jù)挖掘模型能使教練員輕松的判斷運動員的競技體能狀況;能為正確的按照每一個運動員的不同競技狀況，采用不同的科學訓練指導方案、訓練手腕提供了科學依據(jù)。參考文獻：1 吳國平，徐忠祥，徐紅燕.氧化還原電位油氣性信息灰色ART聚類分析方式.物探化探計算技術，2002,22(3)：207-210.2 吳國平，徐忠祥.灰色動態(tài)聚類空間氧化還原電位油氣圈閉ART分析方式.石油物質(zhì)，2001,40(3)：107-109.3 FungWai-keung,LiucategorizationofARTnetworksinrobotbehaviorlearningusinggame-theoreticformulation.NeuralNetworks,2003,10：14031420.4 Santos,RcginaldoJ.Preconditioningconjugategradientwithsymmetricalgebraicreconstn