（青島農(nóng)業(yè)大學(xué)，山東青島， 266109）

數(shù)據(jù)挖掘在籃球技術(shù)動(dòng)作中的應(yīng)用分析

姜 帥

（青島農(nóng)業(yè)大學(xué)，山東青島， 266109）

本文在研究中，通過對籃球技術(shù)動(dòng)作數(shù)據(jù)采集和預(yù)處理的分析應(yīng)用，又研究了基于Apriori算法的關(guān)聯(lián)規(guī)則挖掘，進(jìn)而對籃球技術(shù)動(dòng)作之間的關(guān)聯(lián)性進(jìn)行研究。

數(shù)據(jù)挖掘；籃球；技術(shù)動(dòng)作

1 籃球技術(shù)動(dòng)作與數(shù)據(jù)挖掘

很明顯籃球比賽的最終輸贏是由得分決定的，而從雙方球員的得分中也能夠看出各自籃球技術(shù)動(dòng)作的運(yùn)用情況。通常在籃球比賽中，得分較多的是2分投球、3分投球及罰球等技術(shù)動(dòng)作，但是有關(guān)籃板球、助攻、失誤、犯規(guī)、技術(shù)犯規(guī)、干擾球、故意犯規(guī)、控球、傳球、扣籃、空中接力、快攻技術(shù)動(dòng)作等對得失分的影響并沒有十分明確的研究數(shù)據(jù)，數(shù)據(jù)挖掘?qū)嶋H上就是從復(fù)雜眾多的數(shù)據(jù)資源中找出與實(shí)際相符合的有用信息，即從大量的不完全的、有噪聲的、模糊的、隨機(jī)的數(shù)據(jù)中，提取隱含在其中，具有潛在用途的信息和知識(shí)的過程。通過這些隱藏信息可以幫助教練員和運(yùn)動(dòng)員進(jìn)行科學(xué)的、合理的動(dòng)作技術(shù)學(xué)習(xí)，本文通過預(yù)處理、分類和關(guān)聯(lián)規(guī)則來分析挖掘籃球常用技術(shù)動(dòng)作，為教練員和運(yùn)動(dòng)員提供更多的數(shù)據(jù)資料，幫助他們有針對性的進(jìn)行訓(xùn)練。

2 基于Apriori算法的關(guān)聯(lián)規(guī)則挖掘

關(guān)聯(lián)規(guī)則挖掘就是通過某種方式來找出眾多數(shù)據(jù)之間有意義的聯(lián)系。我們將數(shù)據(jù)之間存在的某種規(guī)律稱之為關(guān)聯(lián)，本次研究使用關(guān)聯(lián)規(guī)則挖掘的目的就是尋找籃球技術(shù)動(dòng)作數(shù)據(jù)庫中隱含的關(guān)聯(lián)。而Apriori算法是關(guān)聯(lián)規(guī)則挖掘應(yīng)用最廣泛的一種方法，它是一種使用侯選項(xiàng)集找頻繁項(xiàng)集的算法。下面就是通過對籃球腳本語言的設(shè)計(jì)方法研究的基礎(chǔ)上，分析了Apriori算法在挖掘籃球技術(shù)動(dòng)作關(guān)聯(lián)規(guī)則中的設(shè)計(jì)與應(yīng)用。

Apriori算法是一個(gè)在事務(wù)數(shù)據(jù)庫中尋找頻繁項(xiàng)集的典型算法，其中的頻繁項(xiàng)集實(shí)際上就是支持度≥最小支持度的項(xiàng)集，要實(shí)現(xiàn)這一目的需要對事物數(shù)據(jù)庫進(jìn)行反腐掃描，因此會(huì)在這一步浪費(fèi)較多的時(shí)間，制約了Apriori算法的運(yùn)行。

Apriori算法可以通過遞推的方式，將事務(wù)數(shù)據(jù)庫中全部頻繁項(xiàng)集尋找出來。具體操作是先將事物數(shù)據(jù)表中的每一項(xiàng)作為候選一項(xiàng)集，用Cm來表示（m取值可以是1,2,3......），接下來對籃球技術(shù)動(dòng)作數(shù)據(jù)庫進(jìn)行掃描，進(jìn)而統(tǒng)計(jì)出每個(gè)項(xiàng)集的支持度，將支持度≥最小支持度的項(xiàng)集設(shè)置為頻繁1-項(xiàng)集的集合，用Lm來表示（m取值可以是1,2,3......），并以此類推，直到L為空，算法停止。

3 籃球技術(shù)動(dòng)作數(shù)據(jù)采集和預(yù)處理的應(yīng)用分析

3.1 數(shù)據(jù)采集

NBA聯(lián)盟規(guī)定，一場球共48分鐘，分為4節(jié)，每節(jié)12分鐘，每一個(gè)回合的進(jìn)攻要在24秒內(nèi)完成，一場球有100~200個(gè)回合。若是超過24秒就會(huì)失去球權(quán)。如果運(yùn)動(dòng)員技術(shù)動(dòng)作掌握得好，球員之間能夠很好的配合，那么就能夠在24秒內(nèi)完成，反之，就會(huì)因?yàn)槌瑫r(shí)而丟失投籃機(jī)會(huì)。所以，在本次統(tǒng)計(jì)分析中，我們以一個(gè)進(jìn)攻回合為時(shí)間段，統(tǒng)計(jì)了一場籃球比賽第5、20、100個(gè)回合的一般技術(shù)動(dòng)作（如表1）。

表1 NBA籃球比賽技術(shù)動(dòng)作統(tǒng)計(jì)表

3.2 數(shù)據(jù)清理與整合

通過上述方式采集到的籃球數(shù)據(jù)中存在不完整、不一致的問題，因此我們還要糾正這些問題，進(jìn)行空缺值的填充。

①填充空缺值。根據(jù)某數(shù)據(jù)項(xiàng)含義，對缺失的這一數(shù)據(jù)項(xiàng)，定義一個(gè)缺省的值來替換缺少的空缺值。如表1中R5進(jìn)攻回合缺少3分進(jìn)球、蓋帽等，我們用“？”來代替。

②糾正不一致數(shù)據(jù)。采集到的數(shù)據(jù)有時(shí)會(huì)出現(xiàn)不一致的現(xiàn)象，如表1中R5的“運(yùn)球”與“帶球”是一樣的技術(shù)動(dòng)作，它們就不一致，但是我們可以通過分析某些數(shù)據(jù)之間的關(guān)聯(lián)性來確定將他們改成哪一種比較合適，將他們分別用A,B來表示，那么二者之間的相關(guān)性可以用下式表示：

當(dāng)r=0,A與B獨(dú)立，不相關(guān)；r<0，A與B負(fù)相關(guān)；r＞0,A與B正相關(guān)。那么，應(yīng)該將R5中“運(yùn)球”與“帶球”修正成一致的“運(yùn)球”（表2為修正后的統(tǒng)計(jì)數(shù)據(jù)），修正方法如下：

If action=“帶球”

then action=“運(yùn)球”

If action=“2分進(jìn)”

then action=“2分進(jìn)”

......

表2 修改后的NBA籃球技術(shù)動(dòng)作統(tǒng)計(jì)表

③清理數(shù)據(jù)噪聲。如動(dòng)作技術(shù)犯規(guī)、干擾球等都屬于無意義的數(shù)據(jù)，因此直接清理掉就可以了，不必進(jìn)行數(shù)據(jù)挖掘。又如，每個(gè)進(jìn)攻回合同時(shí)出現(xiàn)2分進(jìn)球和3分進(jìn)球是不合理的，所以就需要清除一個(gè)，一般會(huì)清除3分進(jìn)球。

3.3 數(shù)據(jù)集成

數(shù)據(jù)集成就是在同一個(gè)技術(shù)動(dòng)作數(shù)據(jù)庫中來存儲(chǔ)很多的相關(guān)數(shù)據(jù)，這樣就避免了各種數(shù)據(jù)的零散分布，不利于研究。比如我們可以將表2中多次重復(fù)出現(xiàn)的數(shù)據(jù)（如擋拆、運(yùn)球等）合并為一個(gè)（如表3）。

3.4 數(shù)據(jù)歸約

數(shù)據(jù)歸約可以在保持原數(shù)據(jù)完整的基礎(chǔ)上，減小數(shù)據(jù)量，從而減少數(shù)據(jù)挖掘時(shí)間，具體操作包括：

①堆歸約。將運(yùn)球、傳球等技術(shù)動(dòng)作刪掉，只保留研究意義較大的技術(shù)動(dòng)作，如本次研究中只保留了搶斷、助攻、罰球、擋拆、蓋帽、籃板、2分進(jìn)、3分進(jìn)球和突破9個(gè)籃球技術(shù)動(dòng)作。

②數(shù)據(jù)壓縮。使用a，b，c，d，e，f，g，h，i這9個(gè)英文字母來代表以上選取得9種技術(shù)動(dòng)作，并一一對應(yīng)進(jìn)行編碼，以便壓縮數(shù)據(jù)集（如表4）。

表4 歸約后籃球技術(shù)動(dòng)作統(tǒng)計(jì)表

在本次研究中我們選用的是weka挖掘軟件，為了更方便于籃球數(shù)據(jù)挖掘，需要進(jìn)行相關(guān)的格式轉(zhuǎn)換，在上一步的基礎(chǔ)上，一一對應(yīng)后如果有動(dòng)作，則用y來表示，如果沒有動(dòng)作，則用n來表示（。

表5 格式轉(zhuǎn)換后籃球技術(shù)動(dòng)作統(tǒng)計(jì)表

4 結(jié)論

綜上所述，本文在分析了籃球技術(shù)動(dòng)作數(shù)據(jù)采集和預(yù)處理的應(yīng)用分析的基礎(chǔ)上，通過基于Apriori算法的關(guān)聯(lián)規(guī)則挖掘方法，研究了數(shù)據(jù)挖掘技術(shù)在籃球技術(shù)動(dòng)作中的應(yīng)用，這是籃球運(yùn)動(dòng)與計(jì)算機(jī)技術(shù)創(chuàng)造性的結(jié)合，為籃球技術(shù)動(dòng)作規(guī)律的研究開辟了道路，指明了方向，同時(shí)為教練員和運(yùn)動(dòng)員提供了更準(zhǔn)確的學(xué)習(xí)資源。

遲殿委,周興斌.數(shù)據(jù)挖掘的體育訓(xùn)練決策支持系統(tǒng)[J].微型計(jì)算機(jī),2009(25):190-192.

Application of data mining in basketball action in

Jiang Shuai
(Qingdao Agricultural University,Qingdao,Shandong，266109,China)

In this study,the application of basketball skills by analyzing motion data acquisition and pre-processing,but also studied based on Apriori algorithm for mining association rules,and then on the correlation between basketball technical action research.

data mining;Basketball Skill