丁亞芝，鄭志高，馬 嶸

1 前言

體質(zhì)數(shù)據(jù)分析的一個重要方面就是為發(fā)展國民體育運動、改善體育教學提供依據(jù)。近年來，國內(nèi)、外在人體體質(zhì)數(shù)據(jù)分析方面，主要是對體質(zhì)數(shù)據(jù)獲取的測試方法以及測試儀器等方面的研究，很少使用數(shù)學的分析方法對數(shù)據(jù)處理方法、數(shù)據(jù)所代表的結(jié)果進行分析和比較。體育科學積累了大量的測試結(jié)果，傳統(tǒng)的研究方法缺乏對數(shù)據(jù)的深層次分析，隱藏在數(shù)據(jù)背后的知識和相關(guān)的有用信息都沒有得到充分挖掘。當前，統(tǒng)計學已經(jīng)在體育科學研究中顯示出前所未有的成果，但是也暴露出自身的一些局限性，使得相關(guān)數(shù)據(jù)分析工作不盡如人意。數(shù)據(jù)挖掘技術(shù)是一門以數(shù)據(jù)為基礎(chǔ)的科學，是一種能夠幫助決策者抽取隱藏在數(shù)據(jù)背后的有用信息和科學的方法［1］。由于目前一些直觀判斷人體體質(zhì)狀況的指標的測試都相對復雜，并且對測試方法有著較高的要求，但是在實際常規(guī)體質(zhì)判斷中我們往往希望根據(jù)一些簡單測試的數(shù)據(jù)即可判斷受試者的體質(zhì)質(zhì)量。因此，如何根據(jù)簡單測量指標判斷體質(zhì)狀況是目前體育數(shù)據(jù)分析中的一個重要課題。決策分析技術(shù)的出現(xiàn)使得這一課題有著重大突破，基于決策分析的方法，可以根據(jù)身高、體重等一些簡單的體質(zhì)指標結(jié)合一些能夠直接確定人體體質(zhì)狀況的指標建立決策分析樹，并利用部分測試數(shù)據(jù)對決策樹的準確性進行校驗。確定一棵準確的決策樹之后即可根據(jù)一些簡單的測量指標快速判斷人體體質(zhì)狀況。

于岱峰等［12］以人體握力肌肉力量測試數(shù)據(jù)研究為例將ID3算法應用于人體肌肉力量數(shù)據(jù)分析中，該項實驗在單機環(huán)境下取得了良好的效果。但是，ID3算法存在以下一些缺點，導致該方法在大量數(shù)據(jù)分析和連續(xù)數(shù)據(jù)分析中的效果還有待提高［17］:1）算法注重特征的選擇，并且在特征選擇時注重特征值數(shù)目較多的特征，但是數(shù)目多的特征并不一定是最優(yōu)特征，因此，該方案還有待進一步優(yōu)化；2）對噪聲較為敏感，訓練集中正例與反例的比例很難控制（圖1）；3）學習邏輯表達的能力較差，并且決策樹隨著訓練集的變化而變化。

圖1 噪音數(shù)據(jù)對決策分析的影響示意圖Figure 1.Influence of Noise Data for Decision Analysis

由于體質(zhì)監(jiān)測數(shù)據(jù)，如握力、血壓、三圍等都是連續(xù)數(shù)據(jù)，并且在進行全國聯(lián)網(wǎng)數(shù)據(jù)分析時涉及的都是海量數(shù)據(jù)分析?；贗D3算法的這樣一些缺陷以及SPRINT算法在處理海量數(shù)據(jù)方面的一些優(yōu)勢，本文采用趨勢選擇的方法對連續(xù)屬性分割的情況進行剪枝提出基于趨勢選擇的SPRINT算法（Trend Selection Based Scalable Parallelizable Induction of Decision Trees，簡稱TESTSPRINT算法），用以解決ID3算法和SPRINT算法在處理連續(xù)數(shù)據(jù)方面的一些缺陷。理論分析和實驗證明，本文提出的TESTSPRINT算法具有以下一些優(yōu)點:1）保留了SPRINT算法支持多CUP的特性，處理海量數(shù)據(jù)時的時間和空間復雜度較低；2）引入了趨勢選擇的概念，對于連續(xù)區(qū)間屬性的處理可以通過趨勢選擇進行預處理剪枝，極大減小了計算復雜度，減小了在線計算開銷；3）算法具有較低的時間和空間開銷，對體育數(shù)據(jù)分析具有較高的準確性。

2 相關(guān)工作

2.1 體質(zhì)數(shù)據(jù)分析

隨著數(shù)據(jù)的積累，采用數(shù)據(jù)挖掘的方法進行數(shù)據(jù)分析工作已經(jīng)成為科學研究的基本的方法，不同的學者采用了不同的數(shù)據(jù)挖掘方法處理體質(zhì)等相關(guān)數(shù)據(jù)。李慧玲等［3］從數(shù)據(jù)倉庫決策支持的角度對數(shù)據(jù)挖掘和數(shù)據(jù)倉庫在高校體育數(shù)據(jù)分析中的可行性進行了論證。桑國強等［8］應用數(shù)據(jù)挖掘及邏輯推理法對體育院校輔導員不同的管理行為及與學生管理效益之間的關(guān)系進行了研究，得出了動態(tài)平衡型管理行為可提高管理工作的效益的結(jié)論。茅潔等［5］將神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘理論與生化指標相結(jié)合，利用神經(jīng)網(wǎng)絡(luò)自學習的特性分析預測運動成績。茅潔等［6］將灰色ART聚類分析方法的理論與生化指標數(shù)據(jù)相結(jié)合，對運動成績進行了分析預測，研究了灰色ART聚類分析方法在運動生化指標的應用及意義，為運動員競技體能的分析、解釋、預測提供了量化依據(jù)，提高了教練員培養(yǎng)后備運動員的科學性、智能性，同時，也為正確跟蹤每個運動員的不同競技狀況，采用不同的科學訓練指導方案、訓練手段提供了科學依據(jù)。趙會群等［13］將馬爾科夫過程模型應用于體育比賽戰(zhàn)術(shù)分析評價，成功預測了比賽制勝的關(guān)鍵。鄭丹青等［14］提出了一個基于決策樹的胃癌臨床醫(yī)療信息分析應用研究模型，運用SPRINT算法，構(gòu)建胃癌術(shù)后復發(fā)的危險因素分析模型。通過對模型分析，尋找疾病的臨床診斷、治療和預后的關(guān)系，證實了胃癌術(shù)后復發(fā)首要危險因素。

2.2 SPRINT算法

為了克服原有SPRINT算法［19］的不足，不同的學者從不同的角度提出了一系列SPRINT算法的變體并取得了較好的效果。劉友軍等［4］對SPRINT算法進行了改進，采用純區(qū)間的方法對數(shù)值型屬性進行規(guī)約，用等寬直方圖的方式對屬性值域進行了劃分，按照純區(qū)間和非純區(qū)間分別進行規(guī)約和精確計算的方式對屬性進行處理，減小了計算量的同時保證了分裂的精度。WU等［21］采用了與文獻［4］類似的方法，將改進的算法應用于畢業(yè)設(shè)計過程管理系統(tǒng)（Graduation Design Process Management System）取得了良好的效果。許向陽等［10］提出一種快速尋找最佳分割點的方法克服SPRINT算法計算量大的缺點，該方法采用區(qū)間評估、篩選和局部逐一搜索等策略，大幅度地縮小了SPRINT算法的搜索空間。彭程等［7］針對SPRINT算法中的尋找連續(xù)屬性最佳分割點計算量大的問題，改進了尋找連續(xù)屬性最佳分割點的方法。改進后的方法可減少候選分割點的數(shù)目，從而減少計算量和計算時間。于蕾等［11］還引入了一種動態(tài)的數(shù)據(jù)結(jié)構(gòu)，將改進的SPRINT算法應用于分布式環(huán)境下，減少了屬性列表占用的存儲空間以及分割節(jié)點操作所需的時間。

3 SPRINT算法

3.1 SPRINT算法基本思想

SPRINT算法中首先采用遞歸的方法構(gòu)造決策樹，與其他決策算法類似，都是采用自頂向下的方式進行的，在決策樹的生成過程中包含生成樹的創(chuàng)建和剪枝兩個階段。生成樹的創(chuàng)建算法如下:

SPRINT算法中的剪枝策略采用了最小描述長度（Minimum Description Length，簡稱 MDL）原則［15］。在生成決策樹的過程中，樣本集T以及分割樣本集T1、T2分別代表樹中的結(jié)點，其中，T1、T2是T的兩個分枝結(jié)點。因此，這種方法形成的決策樹是一棵二叉樹。

3.2 算法實現(xiàn)

為了生成決策結(jié)果，在算法中必須對節(jié)點進行分裂，分裂的優(yōu)良程度是采用分裂指數(shù)來度量的，常用的分裂指數(shù)主要有Gini指數(shù)（Gini index）、信息增益比例等。在SPRINT算法中采用了Gini指數(shù)作為度量指標。一個具有n條記錄的數(shù)據(jù)集S可歸納到c個互不相關(guān)的類中，在對集合S進行決策分類的過程中，集合S的Gini值是:

如果用m表示S中屬于類j的記錄數(shù)，那么pj＝m／n。

將集合S按照規(guī)則cond劃分成S1和S2兩個子集，那么規(guī)則cond的度量值可記為GiniD（S，cond），定義如式（2）:

其中，n1、n2分別為 S1、S2的記錄數(shù)。GiniD（S，cond）越小，表明分裂規(guī)則越好。

由于分裂只會發(fā)生在兩個節(jié)點之間，并且數(shù)值型屬性A的分裂形式為A≤v，因此，可以先對數(shù)值型屬性進行排序得到v1，v2，…，vn，共有n-1種分裂的可能性。為了取得最佳分裂點，傳統(tǒng)的做法是取中點（vi＋vi＋1）／2作為分裂點，最后在不同的分裂點中取Gini值最小的點作為最佳分裂點。

傳統(tǒng)方法雖然能夠找到最佳分裂點，但是在算法實現(xiàn)過程中使用的是遍歷所有結(jié)點的方法，是一種蠻力算法，分裂過程中占用的臨時空間達數(shù)據(jù)規(guī)模的3倍以上，并且時間復雜度相對較高，對于指數(shù)型尤其是超大規(guī)模的數(shù)值屬性效率很低。

4 基于趨勢選擇的SPRINT算法

為了克服SPRINT算法進行精確查找過程中占用空間過大、時間復雜度過高的缺點，本文不加證明地引用文獻［4］中提出的純區(qū)間概念，采用等深度直方圖［18，20］的方法對訓練集連續(xù)的值域進行等值分割成q個區(qū)間，進行分段處理，在計算方法上各個區(qū)間可以進行并行計算，在一定程度上可降低計算的工作量。在對區(qū)間分割處理時，對純區(qū)間進行規(guī)約，對非純區(qū)間則用估計最佳分割點的方法進行，在可能出現(xiàn)最佳分割點的區(qū)間進行查找。

4.1 基本定義與性質(zhì)

定義1:對于某個數(shù)值型屬性，區(qū)間Ci為純區(qū)間當且僅當區(qū)間［vb，vt］中的所有記錄屬于同一個類Ci。

定理1:設(shè)［a，b］上的連續(xù)函數(shù)f（x）在（a，b）內(nèi)具有一階和二階導數(shù)，那么:1）若在（a，b）內(nèi)f″（x）＞0，則f（x）在［a，b］上是凹的；2）若在（a，b）內(nèi)f″（x）＜0，則f（x）在［a，b］上是凸的。

定理2:f（x）在純區(qū)間上是凸函數(shù)。

證明:設(shè)S為待劃分的數(shù)據(jù)集，［vl，vu］為一個區(qū)間，數(shù)據(jù)集S的大小、S中類的個數(shù)分別表示為n、c，根據(jù)式（2）可得GiniD在點vl的值可表示為式（3）。

其中，xi，yi分別表示類i中小于或等于vl、vu的記錄數(shù)；nl＝＝，分別表示小于等于vl、vu的記錄數(shù)；ci表示類i中所有記錄數(shù)。也就是有式（4）成立。

對于Ck的一個純區(qū)間［vb，vt］，在式（3）中，xi（i＝1，2，…，c）中表示該純區(qū)間第k個類的記錄數(shù)為xk，只有xk變化，令xk＝x，ck＝C，則式（3）可以轉(zhuǎn)化為一個關(guān)于x的函數(shù)。

對于式（3），令:若［vb，vt］是對于Ck的純區(qū)間，在式（3）中該純區(qū)間的第k個類的記錄數(shù)為xk，令xk＝x，ck＝C，則式（3）為一個關(guān)于x的函數(shù)。令:nl＝＝A＋x＝B＋x2，（ci-cxi）2＝D＋（C-x）2。其中，A、B、C、D 均為≥0的常數(shù)，則式（3）關(guān)于x的函數(shù)可表示為式（5）。

式（5）的二階導數(shù)為:

因為A、B、C、D 均為大于等于0的常數(shù)，x＞0，n＞nl＝A＋x，（A＋x）3和（n-A-x）3是大于0的數(shù)，所以有f″（x）＜0。根據(jù)定理1可知，f（x）在純區(qū)間［vb，vt］上是凸函數(shù)。

定理3:如果在連續(xù)屬性的屬性表中確定分割點v的兩個元組的類別相同，那么至少存在另一個分割點v′使得v′的Gini參數(shù)值小于分割點v的Gini參數(shù)值［7］。

根據(jù)定理2知式（3）在Ck的一個純區(qū)間［vb，vt］內(nèi)的極小值只可能出現(xiàn)在區(qū)間的邊界點處。數(shù)值型屬性一般都服從高斯分布［16］，在等寬劃分的區(qū)間中存在大量的純區(qū)間。因此，可以直接將純區(qū)間進行剪枝，只要計算各個純區(qū)間的邊界點處的Gini值；對于非純區(qū)間首先判斷分割點v的兩個元組的類別是否相同，只有當兩個元組類別不同時才計算其Gini值。

4.2 趨勢選擇法

由于連續(xù)屬性的GiniD是連續(xù)的，對于非純區(qū)間首先采用趨勢選擇法（Trend Selection Method）估計GiniD的下限值，假設(shè)j在v1取得最小斜率，用yj代替xj，使用公式（3）來計算新的GiniD，如果GiniD（S，a≤vl）＞GiniD（S，a≤vu），那么 GiniD在區(qū)間［vl，vu］上是凸的，區(qū)間［vl，vu］被剪枝。候選分割點的 GiniD值為 min｛GiniD（S，a≤vl），GiniD（S，a≤vu）｝?；谮厔葸x擇的候選分割算法（Trend Selection Based Candidate Segmentation Algorithm，簡稱TESTCASE算法）如下:

最后在候選區(qū)間中搜索最佳分割點，圖2給出了一個示例區(qū)域中區(qū)間分布及Ginilow＞Ginican＿low的情況，其中，陰影覆蓋的柱狀區(qū)間就是候選區(qū)間。

圖2 候選區(qū)間及Gini下限估計值示意圖Figure 2.Candidate Interval and Estimate Gini Lower

4.3 基于趨勢選擇的SPRINT算法

在基于趨勢選擇方法的基礎(chǔ)上，本文提出一種基于趨勢選擇的SPRINT算法。本文提出的算法采用了純區(qū)間歸約的方法和基于趨勢選擇的方法來處理數(shù)值型屬性，首先采用寬度優(yōu)先的方法構(gòu)建生成樹，針對連續(xù)屬性的區(qū)間進行了剪枝，從而減少計算量，快速確定最佳分割點，還使用Gini指標對數(shù)值型屬性進行評估，保證了算法的精確性。TESTSPRINT算法的詳細描述:

算法中，集合T、T1、T2分別代表樹中的結(jié)點。由于每個屬性對應的最佳分割點只有一個，因此，最后生成的決策樹是一棵二叉樹。

4.4 算法分析

由于TESTSPRINT算法中進行了大量的區(qū)間剪枝和候選分割點的剪枝，即TESTSPRINT算法的主要優(yōu)點在于屬性分割和決策樹的構(gòu)建可以并行進行，下面從時間復雜度和空間復雜度兩個方面進行分析。

設(shè)數(shù)據(jù)集S中共有n條記錄包括c個互不相關(guān)的類，在生成決策樹的過程中共劃分為q個區(qū)間，每個區(qū)間的記錄數(shù)為ni；在改進的算法中非純區(qū)間數(shù)為b。在相同條件下對SPRINT算法和本文提出的TESTSPRINT算法在時間復雜度和空間復雜度兩方面進行對比。

首先，在預處理階段中，SPRINT算法構(gòu)建屬性表的時間復雜度為O（n），對屬性預排序的時間復雜度為O（nlogn），因此，SPRINT 算法的時間復雜度為 O（n）＋O（nlogn）＝O（nlogn）。而在本文提出的TESTSPRINT算法中，估算每一個區(qū)間邊界的Gini值的時間代價為O（qc），構(gòu)建屬性表和建立分區(qū)直方圖列表的時間復雜度均為O（n），對每個非純區(qū)間中的精確Gini值的時間代價最壞情況為O），因此，TESTSPRINT算法的時間復雜度為O（qc）＋2 O（n）＋O（）＝O（n）。

TESTSPRINT算法只對非純區(qū)間進行局部排序，有效提高了排序的效率，同時，純區(qū)間規(guī)約、非純區(qū)間和候選結(jié)點的剪枝都減空間少了Gini值的計算量。無論從時間復雜度的角度，還是空間復雜度的角度看，本文提出的TESTSPRINT算法在性能上都有一定的提升。

5 實驗驗證

通過實驗比較來研究本文提出的基于趨勢選擇的SPRINT算法的性能和有效性。實驗中所采用的數(shù)據(jù)包括新疆師范大學225名受試者的體質(zhì)測量數(shù)據(jù)和決策分析常用的STATLOG數(shù)據(jù)集。對新疆師范大學受試者進行體質(zhì)測量項目主要包括身高、體重、握力、臺階指數(shù)和BMR值，其中，訓練集包含150組數(shù)據(jù)，測試集包含75組數(shù)據(jù)。STATLOG中Segement數(shù)據(jù)集包含2310條記錄；Shuttle包含58000條記錄；Satimage數(shù)據(jù)集包含6435條記錄。

本文所有實驗均在相同的軟、硬件條件下完成，實驗的硬件環(huán)境為Intel（R）Core（TM）i5-25200四核64位2.5GHz的CPU和4GB的內(nèi)存，軟件環(huán)境為Windows 7-64 bit（professional）操作系統(tǒng)，所有代碼均用Java（64bit JDK）和Matlab 2012實現(xiàn)。

5.1 算法校驗

為了驗證算法的準確性和穩(wěn)定性，本文首先使用數(shù)據(jù)挖掘中常用的STATLOG數(shù)據(jù)集對算法的準確性進行了驗證，STATLOG 數(shù)據(jù)集包含Segement、Shuttle和Satimage-Sanger數(shù)據(jù)包，其中，Segement共包含2310條記錄，Shuttle中包含58000條記錄，訓練集43500條記錄、測試集14500條記錄；Satimage Sanger共包含6435條記錄，訓練集和測試集分別包含4435條記錄和2000條記錄。計算結(jié)果如表1所示。

由表1可知，TESTSPRINT算法分割結(jié)果與原SPRINT算法基本相同，TESTSPRINT算法的精確度已經(jīng)能夠達到99%以上，其精確度是可接受的。

表1 本研究精確Gini值和不同區(qū)間數(shù)下TESTSPRINT算法得到的Gini值一覽表Table 1 Exact Gini Value and Compute Value under Different Intervals of TESTSPRINT

5.2 數(shù)據(jù)采集

測試中采用HHTC／WL-100型握力測試儀測量受試者握力，測力范圍:5～99.9kgf，測量分辨率0.1kgf，測量誤差:±0.3kgf。受試者兩腳自然分開，成直立姿勢，兩臂自然下垂，掌心向內(nèi)，手臂不得左右擺動，握力計與身體的任何部位都不得有接觸，快速全力發(fā)力。對每位受試者進行2次測試，取2次測試結(jié)果的最大值作為記錄值。

采集臺階指數(shù)使用HHTC／TJ-100型臺階試驗儀，測量范圍:0～300次／min，測量分辨率:1次，測量誤差:±1次。受試者在測試之前可做輕微的準備活動，主要是活動下肢。受試者按照2s上下一次臺階的音樂節(jié)奏上下踏臺，音樂節(jié)奏為120次／min，每次4拍，上下踏臺的持續(xù)時間為3min。臺階高度女生為35cm，男生為40cm。上下臺階的運動停止后，受試者在30s內(nèi)在相應位置靜坐，將手指平放在桌子上，手指盡可能與心臟同高。測試者用指脈測試夾測試受試者脈搏，測試時間為3.5min，記錄測試結(jié)果。

對于BMR值的測試是在基礎(chǔ)狀態(tài)下使用InBody 3.0人體成分分析儀進行的。InBody 3.0每次測試時間不超過2min，測試體重范圍:10～250kg，測試年齡范圍:6～99歲。Inbody 3.0人體成分分析儀檢測項目主要包括:基礎(chǔ)代謝率（BMR）；身體質(zhì)量參數(shù)（BMI）、體重（kg）等。綜合幾項測試結(jié)果可以得出受試者的體質(zhì)質(zhì)量（表2）。

表2 本研究數(shù)據(jù)格式示例一覽表Table 2 Example Data Format

5.3 實驗分析

在常規(guī)體質(zhì)判斷中我們希望根據(jù)一些簡單測試的數(shù)據(jù)即可判斷受試者的體質(zhì)質(zhì)量，由于BMR在臨床上可以快速確定人體體質(zhì)狀況，但是其測試方法復雜，測試成本相對較高，不便于快速測試。因此，本實驗根據(jù)本文提出的TESTSPRINT算法對身高、體重、握力和臺階指數(shù)等基本數(shù)據(jù)快速進行決策分析，即可得出體質(zhì)質(zhì)量標準。在此基礎(chǔ)上利用測試集中BMR值，即可判斷決策分析的準確度。

由于體質(zhì)質(zhì)量有優(yōu)秀、良好、健康、亞健康、不健康5種描述方法，分別用數(shù)字0、1、2、3、4代表體質(zhì)質(zhì)量的5種等級，因此，在實驗中將數(shù)據(jù)集劃分成5個區(qū)間來進行計算。通過示例數(shù)據(jù)根據(jù)原始SPRINT構(gòu)建的決策樹如圖3所示。

圖3 本研究原始SPRINT構(gòu)建的示例數(shù)據(jù)決策樹示意圖Figure 3.Decision Tree Build by the Original SPRINT Algorithm

首先分別對訓練集和測試集的數(shù)據(jù)進行模擬分析（圖4、圖5）。

圖4 本研究訓練集數(shù)據(jù)示意圖Figure 4.Training Set Data Diagram

然后使用訓練集數(shù)據(jù)對決策樹進行建模，在此基礎(chǔ)上對測試集數(shù)據(jù)進行評估，發(fā)現(xiàn)共有3組類別，出現(xiàn)異常數(shù)據(jù)1個，算法準確率為99.56%，原始SPRINT算法準確率為98.2%。其中，原始SPRINT算法與本文提出的TESTSPRINT算法殘差與殘差區(qū)間杠桿圖分別如圖6、圖7所示。

對比圖6與圖7可知，原始SPRINT算法得出的結(jié)論中存在部分噪音數(shù)據(jù)，影響了決策分析結(jié)果的準確性，而本文提出的TESTSPRINT算法決策分析的結(jié)果較原始SPRINT算法在一定程度上有所提高。本文提出的TESTSPRINT算法在人體體質(zhì)數(shù)據(jù)分析中具有較高的準確率，預測能力在可接受的范圍內(nèi)。

圖5 本研究測試集數(shù)據(jù)示意圖Figure 5.Test Set Data Diagram

圖6 本研究原始SPRINT算法殘差與殘差區(qū)間圖Figure 6.Residuals and Residual Interval Graph of Original SPRINT Algorithm

圖7 本研究TESTSPRINT算法殘差與殘差區(qū)間圖Figure 7.Residuals and Residual Interval Graph of TESTSPRINT Algorithm

6 結(jié)語和未來工作展望

6.1 結(jié)語

本文引用了純區(qū)間的概念，提出了趨勢選擇方法，在此基礎(chǔ)上提出TESTSPRINT算法。利用Gini指數(shù)函數(shù)在純區(qū)間上是凸函數(shù)并且數(shù)值型屬性一般服從高斯分布的特點以及Gini指數(shù)函數(shù)一階偏導預測函數(shù)走向的特性，對SPRINT算法在處理數(shù)值型屬性部分進行了優(yōu)化。理論分析和實驗結(jié)果表明，TESTSPRINT算法在一定程度上可以提高算法的效率。在體質(zhì)分析中可以應用該算法進行快速決策，判斷人體體質(zhì)狀況。例如，可以根據(jù)身高、體重、握力等簡單測試數(shù)據(jù)快速建立人體體質(zhì)狀況決策樹，為有效快速的確定人體體質(zhì)健康狀況提供決策依據(jù)，具有較高的準確性，并且時間和空間開銷較原SPRINT算法小。當然，劃分的區(qū)間數(shù)對改進的算法的計算時間代價有一定的影響，如何有效的選取區(qū)間數(shù)，以便更好地減少非純區(qū)間的數(shù)量、降低對非純區(qū)間的排序代價及如何在更大程度上對非純區(qū)間候選分割點進行剪枝，有待進一步的優(yōu)化。

我國體質(zhì)監(jiān)測工作進行多年來，建立了大量體質(zhì)信息數(shù)據(jù)庫。一方面，長期積累的大量數(shù)據(jù)的分析工作一直都是對體育工作研究者的重大考驗，一種簡便有效的分析方法無疑可以減輕體質(zhì)數(shù)據(jù)分析的負擔，并且，TESTSPRINT算法可以實現(xiàn)對體質(zhì)健康狀況快速的給出反饋結(jié)論，便于受試者大致了解自身健康狀況，以及體育相關(guān)工作者及時給出專業(yè)的指導建議。另一方面，現(xiàn)行體質(zhì)測試采集指標繁多，測試和統(tǒng)計工作都要耗費大量人力、財力來支撐，本文提出的TESTSPRINT算法可以運用簡單的體質(zhì)數(shù)據(jù)來評價體質(zhì)健康狀況，在未來的體質(zhì)監(jiān)測程序中也許可以嘗試簡化體質(zhì)測試指標，提高精確性，結(jié)合先進的計算機技術(shù)來達到監(jiān)測國民體質(zhì)的目的。

6.2 未來工作展望

隨著國民體質(zhì)素質(zhì)越來越受到政府和公民的重視，體育監(jiān)測數(shù)據(jù)系統(tǒng)已經(jīng)趨向于不同地區(qū)實現(xiàn)數(shù)據(jù)共享，我國已經(jīng)開始構(gòu)建國家體育地理信息系統(tǒng)［9］和羽毛球運動員戰(zhàn)術(shù)意識測評及其多媒體訓練系統(tǒng)［2］等單項測評系統(tǒng)。展望未來，我國國民體質(zhì)監(jiān)測數(shù)據(jù)呈現(xiàn)出不同地理位置上的數(shù)據(jù)共享，數(shù)據(jù)庫系統(tǒng)的數(shù)據(jù)量的增加將導致未來國民體質(zhì)數(shù)據(jù)分析必須采用分布式海量數(shù)據(jù)計算方法。因此，在對國民體質(zhì)數(shù)據(jù)分析時，不僅要著眼于本地數(shù)據(jù)處理方法的優(yōu)化，更要注重分布式海量數(shù)據(jù)處理方法的研究。另一方面，當前體育數(shù)據(jù)分析主要還是使用簡單的統(tǒng)計分析的方法，需要深層次挖掘體育數(shù)據(jù)的內(nèi)涵，得出更多更精確的結(jié)論還需要更多地致力于數(shù)據(jù)挖掘算法及其在體育數(shù)據(jù)分析中的應用場景研究。

［1］陳小平.力量訓練的發(fā)展動向與趨勢［J］.體育科學，2004，24（9）:36-40.

［2］程勇民，金花，周衛(wèi)星，等.羽毛球運動員戰(zhàn)術(shù)意識測評及其多媒體訓練系統(tǒng)的研制［J］.廣州體育學院學報，2009，29（2）:57-61.

［3］李慧玲，林子.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘在高校體育數(shù)據(jù)分析中的應用［J］.廣州體育學院學報，2005，25（5）:126-128.

［4］劉友軍，汪林林.SPRINT 算法的改進［J］.計算機工程，2006，32（16）:55-57.

［5］茅潔，蔣雄文，梅焰.神經(jīng)網(wǎng)絡(luò)在運動生化指標中的應用［J］.武漢體育學院學報，2004，38（4）:53-55.

［6］茅潔，梅焰.灰色ART聚類分析法在競技體育生化指標監(jiān)控中的應用［J］.武漢體育學院學報，2005，39（10）:50-52.

［7］彭程，羅可.SPRINT算法中尋找連續(xù)屬性分割點方法的改進［J］.計算機工程與應用，2006，42（27）:159-161.

［8］桑國強.體育院校輔導員管理行為效益模糊分析［J］.武漢體育學院學報，2013，47（2）:81-86.

［9］史兵，王宇紅.關(guān)于構(gòu)建國家體育地理信息系統(tǒng)的初步研究［J］.西安體育學院學報，2007，24（2）:1-8.

［10］許向陽，龔永華.SPRINT算法的改進［J］.計算機工程與應用，2003，39（33）:187-189.

［11］于蕾，劉大有，高瀅，等.改進SPRINT算法及其在分布式環(huán)境下的研究［J］.吉林大學學報（理學版），2008，46（6）:1119-1124.

［12］于岱峰，鐘亞平，于亞光.基于數(shù)據(jù)挖掘技術(shù)在人體肌肉力量數(shù)據(jù)分析中的應用——以人體握力肌肉力量測試數(shù)據(jù)研究為例［J］.體育科學，2010，30（2）:70-74.

［13］趙會群，孫晶，花勇民，等.數(shù)據(jù)挖掘技術(shù)在體育比賽技戰(zhàn)術(shù)分析中的應用研究［J］.北京體育大學學報，2008，31（5）:712-715.

［14］鄭丹青.基于SPRINT算法的胃癌臨床醫(yī)療數(shù)據(jù)挖掘研究［J］.吉林師范大學學報（自然科學版），2012，33（2）:121-124.

［15］GERARDO RICHARTE.Four different tricks to bypass Stack Shield and Stack Guard protection［EB／OL］.http:／／www2.corest.com／files／files／11／StackguardPaper.pdf，April-June 2002.

［16］HAN J，KAMBER M.Data Mining:Concepts and Techniques［M］.Beijing:High Edu Press，2001:279-301.

［17］J R QUINLAN.C4.5:Programs for Machine Leaning［M］.Los Altos:Morgan Kaufmann Publishers，Inc 1993.

［18］MEHTA M，AGRAWAL R，RISSANEN J.SLIQ:A fast scalable classifier for data mining［A］.In:Proceedings of 1996International Conference on Extending Databases Technology［C］.Avignon:1996:18-32.

［19］SHAFER J，AGRAWAL R，MEHTA M.SPRINT:A scalable parallel classifier for data mining［A］.In:Proceedings of the 1996Int Conference Very Large Data Bases［C］.Bombay，1996:544-555.

［20］U FAYYAD，K IRANI.Multi-interval discretization of continuous-values attributes for classification learning［A］.In:Proc 13th Intl Joint Conf Artificial Intelligence［C］.Chambery:1993.

［21］YAN-WEN WU，LI LI，SHENG-YI ZHAO，et al.Application of improved SPRINT algorithm in the graduation design process management system［A］.Zhang Jiajie，Workshop on Intelligent Information Technology Application［M］.China，IEEE Computer Soc，2007:252-255.