灰色ART聚類分析方式在競(jìng)技體育生化指標(biāo)監(jiān)控中的應(yīng)用

1、灰色ART聚類分析方式在競(jìng)技體育生化指標(biāo)監(jiān)控中的應(yīng)用茅潔'梅焰'一、武漢體育學(xué)院體育信息技術(shù)系湖北武漢，430079；二、武漢體育學(xué)院醫(yī)院湖北武漢,430079摘要：生化指標(biāo)數(shù)據(jù)對(duì)競(jìng)技體育運(yùn)動(dòng)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(jié)合，可對(duì)運(yùn)動(dòng)訓(xùn)練的進(jìn)行科學(xué)決策和運(yùn)動(dòng)成績(jī)的科學(xué)分析預(yù)測(cè)。本篇主要論述灰色ART聚類分析方式在運(yùn)動(dòng)生化指標(biāo)的應(yīng)用研究。關(guān)鍵字：ART灰色ART聚類競(jìng)技體育生化指標(biāo)一、ART的概念自適應(yīng)共振理論ART（AdaptiveResonanceTheory）模型是美國(guó)Boston大學(xué)的S.Grossberg和G.A.Carpenter在19

2、76年提出的。它是一種采用無(wú)監(jiān)督學(xué)習(xí)的競(jìng)爭(zhēng)型神經(jīng)網(wǎng)絡(luò)模型，其記憶方式與生物記憶形式類似，記憶容量可隨學(xué)習(xí)模式的增加而增加，不僅可進(jìn)行實(shí)時(shí)的在線學(xué)習(xí)，還可隨環(huán)境的改變而進(jìn)行動(dòng)態(tài)的學(xué)習(xí)，具有良好的自適應(yīng)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(gè)模型能維持對(duì)不相關(guān)輸入模式的穩(wěn)固記憶的能力:而彈性是指一個(gè)模型能持續(xù)學(xué)習(xí)新的模式的能力。己有的模式識(shí)別模型一般較難同時(shí)維持好的穩(wěn)固性和彈性，即當(dāng)一個(gè)模型完成學(xué)習(xí)后，模型的參數(shù)己經(jīng)固定而不能再修改，當(dāng)學(xué)習(xí)新的模式時(shí)，必需從頭修正參數(shù)或權(quán)值才能盡可能完全地記憶并回憶該新的模式和己經(jīng)學(xué)習(xí)過(guò)的模

3、式，最大限度地避免已經(jīng)學(xué)習(xí)過(guò)的模式的遺忘。ART神經(jīng)網(wǎng)絡(luò)的特點(diǎn)：1）網(wǎng)絡(luò)能適用于非平穩(wěn)的、非線性系統(tǒng)：2）網(wǎng)絡(luò)能實(shí)現(xiàn)實(shí)時(shí)在線學(xué)習(xí)，具有自組織、自適應(yīng)學(xué)習(xí)功能；3）網(wǎng)絡(luò)不需要事前明白樣本結(jié)果，可非監(jiān)督學(xué)習(xí)：4）對(duì)己經(jīng)通過(guò)學(xué)習(xí)的對(duì)象具有穩(wěn)固的快速識(shí)別能力，同時(shí)對(duì)于新的對(duì)象能夠迅速成立新的輸出模式，算了新增模式不受網(wǎng)絡(luò)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(quán)向量W給予較小且相同的初值，L2-L1的權(quán)向量W'給予初值1。警戒門限值OV0V1：（2）網(wǎng)絡(luò)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(quán)向量卬進(jìn)行加權(quán)，得輸出為：=。匕3飛12j代表競(jìng)爭(zhēng)神經(jīng)元：（4）由“勝者全得”的，識(shí)別層競(jìng)爭(zhēng)開始運(yùn)行，如有吃.=11小勺,卜1,2/一,?則識(shí)別層的神經(jīng)元取得競(jìng)爭(zhēng)勝利：（5）信息反置，由識(shí)別層的獲勝神經(jīng)元廣送回L2L1的權(quán)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(gè)元素知足：9=卬：.百：1jl1（6）警戒門限測(cè)試設(shè)向量X中不為0的個(gè)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(jìn)行到（7）,因?yàn)?范數(shù)，是歐式距離。不然發(fā)重置信號(hào)，置1為0（不允許其再參加競(jìng)爭(zhēng)），開始搜索階段，轉(zhuǎn)（8）；（7）修改識(shí)別層神經(jīng)元L1

5、-L2及L2-L1的權(quán)向量，使其以后對(duì)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(fù)由重置信號(hào)抑制的識(shí)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(gòu)建在用ART模型進(jìn)行生化指標(biāo)數(shù)據(jù)分析時(shí)，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(dòng)動(dòng)態(tài)組成，已知樣本記為Ro。Ro為現(xiàn)役運(yùn)動(dòng)員生化指標(biāo)數(shù)據(jù)與歷史優(yōu)秀運(yùn)動(dòng)員生化指標(biāo)取得的關(guān)聯(lián)度值，未知樣本為整個(gè)研究區(qū)關(guān)聯(lián)度值，這些關(guān)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(diǎn)線的滑動(dòng)，便不斷產(chǎn)生新的聚類

6、空間。設(shè)未知樣本為R"聚類樣本空間人為U&i=12，/f就是滑動(dòng)生成的灰色動(dòng)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(biāo)數(shù)據(jù)中的應(yīng)用提取生化指標(biāo)數(shù)據(jù)中18個(gè)運(yùn)動(dòng)員的4個(gè)生化指標(biāo)項(xiàng)目（血色素（HB入血肌酸激時(shí)CK）、血尿素氮（BUN）、睪陰（T）,其中包括8個(gè)優(yōu)秀運(yùn)動(dòng)員的歷史指標(biāo)數(shù)據(jù)，運(yùn)動(dòng)員四項(xiàng)生化指標(biāo)調(diào)整狀態(tài)下數(shù)據(jù)表作為原始數(shù)據(jù)表，通過(guò)灰色關(guān)聯(lián)度處置,取得灰色關(guān)聯(lián)系數(shù)數(shù)據(jù)集,作為灰色ART聚類輸入樣本模式，見(jiàn)表1；取警戒門限值為時(shí)，帶入灰色ART聚類模型中（C語(yǔ)言實(shí)現(xiàn)）進(jìn)行數(shù)據(jù)挖掘。表1灰色關(guān)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(yù)測(cè)結(jié)果表類別類別數(shù)目類別編號(hào)優(yōu)秀1012345678917一股81011121314151618結(jié)論：一、在ART聚類中比較常常利用的兩種方式：第一個(gè)是競(jìng)爭(zhēng)學(xué)習(xí)，第二個(gè)是自組織特征映射，這兩種方式都涉及有競(jìng)爭(zhēng)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(yùn)用這種模型，能夠按照歷史的優(yōu)秀運(yùn)動(dòng)員的優(yōu)秀狀態(tài)時(shí)的生化指標(biāo)數(shù)據(jù)作為衡量現(xiàn)役運(yùn)動(dòng)員運(yùn)動(dòng)水平的預(yù)測(cè)方式。從以上的表2中能夠看出，當(dāng)警戒門限值為時(shí)，前7個(gè)優(yōu)秀運(yùn)動(dòng)員與第9位和第17位運(yùn)動(dòng)員聚為優(yōu)秀一類中，將其他的現(xiàn)役運(yùn)動(dòng)員聚為第二類（

8、一般）。從結(jié)果能夠分析出第9位和第17位運(yùn)動(dòng)員具有優(yōu)秀運(yùn)動(dòng)員的潛質(zhì)，值得教練員進(jìn)行著重培育。事實(shí)上第9位運(yùn)動(dòng)員確實(shí)是此刻的全國(guó)冠軍，從而驗(yàn)證了灰色ART模型對(duì)預(yù)測(cè)運(yùn)動(dòng)員的競(jìng)技體能的方式具有科學(xué)性、準(zhǔn)確性、適用性。四、灰色ART聚類分析方式的應(yīng)用的意義通過(guò)關(guān)聯(lián)度處置的生化指標(biāo)數(shù)據(jù)，數(shù)據(jù)被強(qiáng)化，無(wú)關(guān)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(zhǎng)處如下：1）可完成實(shí)時(shí)學(xué)習(xí)，且可適應(yīng)非平穩(wěn)的環(huán)境；2）對(duì)已學(xué)習(xí)過(guò)的對(duì)象具有穩(wěn)固的快速識(shí)別能力，同時(shí)又能迅速適應(yīng)來(lái)學(xué)習(xí)的新對(duì)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(shí)作為關(guān)鍵特征，有時(shí)又被看成噪聲處置

9、：4）不需要事前已知樣本結(jié)果，可非監(jiān)督學(xué)習(xí)；5）容量不受輸入通道數(shù)的限制，存儲(chǔ)對(duì)象也不要求是正交的；ART模型分析方式的應(yīng)用意義：一、將灰色關(guān)聯(lián)分析方式與神經(jīng)網(wǎng)絡(luò)技術(shù)有機(jī)結(jié)合，能夠提高生化指標(biāo)數(shù)據(jù)信息的提取、運(yùn)動(dòng)員競(jìng)技體能預(yù)測(cè)評(píng)價(jià)的客觀性和智能性。灰色ART分析方式以動(dòng)態(tài)生成的灰色關(guān)聯(lián)度信息動(dòng)態(tài)空間作為信息模式樣本，通過(guò)無(wú)監(jiān)督的學(xué)習(xí)啟動(dòng)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(dá)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(shí)別中解放出來(lái)。二、采用灰色ART動(dòng)態(tài)聚類分析方式按照運(yùn)動(dòng)員的生化指標(biāo)數(shù)據(jù)，對(duì)其競(jìng)技體能進(jìn)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(yùn)動(dòng)員

10、的生化指標(biāo)數(shù)據(jù)為參照分類形成，為運(yùn)動(dòng)員競(jìng)技體能的分析、解釋、預(yù)測(cè)提供了量化依據(jù)，提高了教練員對(duì)培育后備運(yùn)動(dòng)員的科學(xué)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(shì)在于能清楚直觀的取得預(yù)測(cè)結(jié)果，再也不依托教練員經(jīng)驗(yàn)的單一分析判斷，從而使得分析結(jié)果更具準(zhǔn)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(yùn)動(dòng)員的競(jìng)技體能狀況;能為正確的按照每一個(gè)運(yùn)動(dòng)員的不同競(jìng)技狀況，采用不同的科學(xué)訓(xùn)練指導(dǎo)方案、訓(xùn)練手腕提供了科學(xué)依據(jù)。參考文獻(xiàn)：1 吳國(guó)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(jì)算技術(shù)，2002,22(3)：207-210.2 吳國(guó)平，徐忠祥.灰色動(dòng)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