混沌理论和机器学习算法运动员成绩预测模型,此文是一篇混沌理论论文范文,为你的毕业论文写作提供有价值的参考。
混沌理论论文参考文献：
摘 要： 为了准确地对运动员成绩进行预测,结合运动员成绩的具体变化特点,设计了基于混沌理论和机器学习算法的运动员成绩预测模型.首先对当前运动员成绩建模和预测的研究现状进行分析,找到当前运动员成绩预测模型存在的不足,然后采用混沌理论对运动员成绩历史数据进行处理,发现其中隐藏的规律,最后引入机器学习算法——极限学习机设计运动员成绩预测模型.仿真实验结果表明,和当前运动员成绩预测模型相比,所设计模型的运动员成绩预测结果更加可靠,而且运动员成绩预测精度更高,可以应用于体育科学训练计划制定.
关键词： 运动员成绩； 机器学习算法； 混沌理论； 原始数据； 成绩预测模型； 极限学习机
中图分类号： TN911.1?34； TP391 文献标识码： A 文章编号： 1004?373X（2018）07?0152?04
Athletes performance prediction model based on chaos
theory and machine learning algorithm
GAO Suxia
（Henan Institute of Technology, Xinxiang 450044, China）
Abstract： In order to predict the athletes performance accurately, the specific change characteristics of athletes performance is combined to design the athletes performance prediction model based on chaos theory and machine learning algorithm. The current research status of athletes performance modeling and prediction is analyzed to find the shortcomings of the current athletics performance prediction models. The chaos theory is used to process the athletes′ historical data, and find its hidden rules. The machine learning algorithm （extreme learning machine） is introduced to design the athletes performance prediction model. The simulation and experiment results show that, in comparison with the current athletics performance prediction models, the prediction model has more reliable athletes performance prediction result and higher prediction accuracy, and can be applied to the plan formulation of sports scientific training.
Keywords： athletes performance； machine learning algorithm； chaos theory； initial data； performance prediction model； extreme learning machine
0 引 言
随着运动竞技水平的不断提高,运动员的成绩引起了广大研究人员的关注,而运动员成绩和多种因素如训练水平、运动员身体素质、运动器材等密切相关[1].为了保证运动员获得更理想的成绩,需要对运动员成绩的变化特点进行准确、全面跟踪,为此对运动员成绩进行建模和预测研究变得越来越重要,成为体育科学研究中的一个重要课题[2].
研究人员引入了各种各样的方法对运动员成绩展开预测研究[3],相关研究结果表明,运动员成绩之间具有一定的时间相关性,为此有学者采用滑动平均方法建立运动员成绩预测模型[4],其可以对运动员成绩的上升趋势进行描述,但运动员成绩并非是一种明显的上升趋势,也有下降趋势、非平稳性,因此,所建立的运动员成绩预测模型和实际情况不相符,预测精度较低[5].随后,有学者引入非线性理论构建运动员成绩预测模型,如各种神经网络等,该类模型的非线性建模能力相对较优,对运动员成绩变化特点可更好的预测,成为当前运动员成绩建模和预测的主要工具[6?8].然而运动员成绩是一种混沌数据列,其中隐藏的规律难以显示出来,为此需要对原始运动员成绩进行相空间重构,发现运动员成绩的长期變化特点[9?10].极限学习机是一种近年新兴的机器学习算法,比传统神经网络的学习速度要快很多倍,而且其预测性能也得到了相应的提高,为运动员成绩建模提供了有效的研究工具.
为了准确地对运动员成绩进行预测,结合运动员成绩的具体变化特点,设计了混沌理论和机器学习算法的运动员成绩预测模型.首先采用混沌理论对运动员成绩历史数据进行处理,然后引入极限学习机设计运动员成绩预测模型,仿真实验结果表明,本文模型的运动员成绩预测结果更加可靠,而且运动员成绩预测精度更高,验证了本文模型的有效性.
1 混沌理论和极限学习机
1.1 混沌理论
运动员成绩和训练水平、运动员自身素质、运动器材等相关,使得运动员的原始成绩具有一定的时间相关性,而且非平稳性,无法直接通过机器学习算法建立运动员预测模型,需要通过混沌理论分析,将原始运动员成绩重构成为多维的运动员成绩,便于机器学习算法建模.运动员的原始成绩为[x（t）,][t等于1,2,等,n,n]表示运动员成绩的点数.采用嵌入维[m]和延迟时间[τ]对[x（t）]进行处理,得到一个多维运动员成绩,即有：
结论：关于混沌理论方面的论文题目、论文提纲、混沌理论公式论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
聚类稳定性分析方法增强单类学习算法
作者简介：熊玉玲，2003年毕业于湘潭大学信息与计算科学专业；2013～2016，人民大学统计学院；现任职于百度地图大数据团队，专注于交通大数据。
基于机器学习股市收益影响因子实证
[摘 要]本文通过对机器学习中AdaBoost算法的使用，分别对上证指数不同阶段的收益率中的财务数据进行特征学习，进而研究其不同阶段下的财务因子。
基于机器学习的不同属性数据的分类选择
摘 要：机器学习的分类算法广泛的应用于解决与数据分类有关的问题。文章基于理论分析详细地描述了常用的几种机器学习分类算法，并阐述了各种分类算法的优。
机器学习如何扭转工业微笑曲线
如果人工智能仍被视为一种“属于未来的技术”，那么，机器学习则是“早已发生的未来”，只是尚未普及。尤其是最近几年，机器学习已显现出扭转工业“微笑曲。