李健

（1.閩西職業(yè)技術(shù)學(xué)院公共教學(xué)部，福建龍巖 364021；2.蒙古國研究大學(xué)教育學(xué)院，烏蘭巴托 999097)

0 引言

隨著體育數(shù)據(jù)信息化管理技術(shù)的發(fā)展，構(gòu)建智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)，結(jié)合對(duì)智能化體育測(cè)試數(shù)據(jù)特征分布，進(jìn)行智能化體育測(cè)試數(shù)據(jù)特征分析和完整性檢測(cè)[1].在云環(huán)境下構(gòu)建智能化體育測(cè)試數(shù)據(jù)的特征分布模型，通過解釋控制參數(shù)分析，構(gòu)建智能化體育測(cè)試數(shù)據(jù)的回歸檢測(cè)和完整性分析模型，提高智能化體育測(cè)試數(shù)據(jù)的檢測(cè)和識(shí)別能力，相關(guān)的智能化體育測(cè)試數(shù)據(jù)檢測(cè)和完整性分析方法研究受到人們的極大關(guān)注[2-3].

在進(jìn)行智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)中，首先構(gòu)建智能化體育測(cè)試數(shù)據(jù)的特征分布模型，采用多維參數(shù)識(shí)別實(shí)現(xiàn)智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)分析.目前，對(duì)智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的方法主要有深度學(xué)習(xí)方法、雙線性對(duì)方法等.文獻(xiàn)[4]提出基于深度學(xué)習(xí)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法，通過依靠深度學(xué)習(xí)而建立的初級(jí)監(jiān)督層、中級(jí)監(jiān)督層、高級(jí)監(jiān)督層分別進(jìn)行相對(duì)應(yīng)的監(jiān)督，達(dá)到智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)分析判定的目的.但是該方法進(jìn)行體育測(cè)試數(shù)據(jù)完整性檢測(cè)的檢測(cè)精度較低.文獻(xiàn)[5]中提出了基于雙線性對(duì)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法，將穩(wěn)態(tài)網(wǎng)絡(luò)中的各數(shù)據(jù)用一個(gè)閱讀器表示，閱讀器對(duì)其閱讀范圍內(nèi)的數(shù)據(jù)標(biāo)簽進(jìn)行閱讀，并將閱讀到的結(jié)果傳送到中間件；中間件將所得標(biāo)簽保存并構(gòu)成閱讀器-標(biāo)簽函數(shù)，據(jù)此函數(shù)對(duì)相鄰閱讀器覆蓋密度進(jìn)行計(jì)算，以獲取閱讀器權(quán)重；對(duì)權(quán)重值進(jìn)行排列，將具有較小權(quán)重的閱讀器確定為冗余閱讀器，將其清洗掉；將數(shù)據(jù)清洗結(jié)果代入數(shù)據(jù)完整性檢測(cè)中，對(duì)穩(wěn)態(tài)網(wǎng)絡(luò)進(jìn)行劃分，使其變?yōu)閮蓚€(gè)終端數(shù)據(jù)相互傳輸?shù)男问?；將雙線性對(duì)引至數(shù)據(jù)完整性檢測(cè)，并利用對(duì)檢測(cè)等式均衡性的驗(yàn)證判斷終端一傳輸來的數(shù)據(jù)是否具有完整性.但是該方法進(jìn)行智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的時(shí)間較長(zhǎng)，檢測(cè)實(shí)時(shí)性不好.

模糊支持向量機(jī)主要通過引入模糊隸屬度函數(shù)，給每個(gè)樣本賦予不同的值，使不同的樣本點(diǎn)對(duì)分類超平面的構(gòu)建具有不同的影響，以期增大支持向量對(duì)最優(yōu)分類超平面的影響，降低噪聲對(duì)最優(yōu)分類超平面的影響，提高檢測(cè)性能.對(duì)此，本文提出基于模糊支持向量機(jī)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法，并進(jìn)行仿真測(cè)試分析.本文方法在提高智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)能力方面展現(xiàn)了優(yōu)越的性能.

1 體育測(cè)試數(shù)據(jù)完整性參數(shù)分析

1.1 體育測(cè)試數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)和特征聚類

為了實(shí)現(xiàn)智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)，構(gòu)建智能化體育測(cè)試數(shù)據(jù)的約束變量和解釋變量聯(lián)合特征分布結(jié)構(gòu)模型，結(jié)合相關(guān)性的特征分析方法，實(shí)現(xiàn)智能化體育測(cè)試數(shù)據(jù)采集和監(jiān)測(cè)[6].

首先需要構(gòu)建智能化體育測(cè)試數(shù)據(jù)的分布式數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)模型，用一個(gè)四元組L表示智能化體育測(cè)試數(shù)據(jù)的存儲(chǔ)分布結(jié)構(gòu)，即L=(V,E,W,C).假設(shè)d為智能化體育測(cè)試數(shù)據(jù)的檢測(cè)維數(shù)，Nk(k=0,1,…,R)表示第k層智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)分布集的個(gè)數(shù)；表示智能化體育測(cè)試數(shù)據(jù)在數(shù)據(jù)采樣中第k+1 層第i個(gè)節(jié)點(diǎn)的活躍度.采用多維信息調(diào)度[7]，得到智能化體育測(cè)試數(shù)據(jù)的模糊加權(quán)值：

其中，ε(n)為智能化體育測(cè)試數(shù)據(jù)的邊緣分布誤差.用特征映射xn →xn +1表示智能化體育測(cè)試數(shù)據(jù)的分布特征集，得到智能化體育測(cè)試數(shù)據(jù)的聯(lián)合特征分布離散序列{x(t0+iΔt)} (i=0,1,…,N+1)，通過目標(biāo)樣本集相似性特征重組，得到統(tǒng)計(jì)特征量：

其中,K=N+(m+1)τ，表示智能化體育測(cè)試數(shù)據(jù)的特征向量，τ為智能化體育測(cè)試數(shù)據(jù)采樣時(shí)間延遲.設(shè)(sk,ak)和(sl，al)為智能化體育測(cè)試數(shù)據(jù)共享節(jié)點(diǎn)之間的模糊貼近度函數(shù)，基于聯(lián)合自相似性特征解析控制方法對(duì)智能化體育測(cè)試數(shù)據(jù)信息交叉融合，獲取智能化體育測(cè)試數(shù)據(jù)樣本：

式中,cn為智能化體育測(cè)試數(shù)據(jù)的有效補(bǔ)償信息[8].

1.2 智能化體育測(cè)試數(shù)據(jù)完整性特征提取

在上述體育測(cè)試數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)和特征聚類的基礎(chǔ)上，提取智能化體育測(cè)試數(shù)據(jù)完整性特征.通過量化回歸分析方法，實(shí)現(xiàn)對(duì)智能化體育測(cè)試數(shù)據(jù)完整性特征分布融合處理，以智能化體育測(cè)試數(shù)據(jù)的特征聚類性為測(cè)試條件[9]，采用相空間重構(gòu)方法構(gòu)建智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的最大獨(dú)立集P(ni)={pk|prkj=1,k=1,2,…,m+1}，得到智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的遞歸函數(shù)：

其中，表示智能化體育測(cè)試數(shù)據(jù)的完整性檢測(cè)的聚類中心為智能化體育測(cè)試數(shù)據(jù)的先驗(yàn)概率密度.由此構(gòu)建了智能化體育測(cè)試數(shù)據(jù)的特征分布模型，定義智能化體育測(cè)試數(shù)據(jù)的深度融合特征量為di，構(gòu)建K個(gè)智能化體育測(cè)試數(shù)據(jù)樣本數(shù)據(jù)集，｛xi，y｝i(i=1,2,…,k+1)，其中k表示智能化體育測(cè)試數(shù)據(jù)時(shí)間序列的采樣個(gè)數(shù)，根據(jù)智能化體育測(cè)試數(shù)據(jù)的模糊檢測(cè)結(jié)果，得到智能化體育測(cè)試數(shù)據(jù)完整性分布的連通圖結(jié)構(gòu)模型：

式中，ω表示智能化體育測(cè)試數(shù)據(jù)信息完整性分布特征矩，b表示模板系數(shù).選擇智能化體育測(cè)試數(shù)據(jù)的歷史數(shù)據(jù)作為測(cè)試樣本，采用聯(lián)合自相關(guān)映射，得到智能化體育測(cè)試數(shù)據(jù)調(diào)度的采樣時(shí)間間隔為n∈[n1,n2]，智能化體育測(cè)試數(shù)據(jù)的模糊度函數(shù)為：

其中，σ為體育測(cè)試數(shù)據(jù)的歸一化分布誤差，聚類中心的分布間隔，構(gòu)建體育測(cè)試數(shù)據(jù)的模糊聚類的關(guān)聯(lián)規(guī)則分布集合，得到：

其中，an+1表示智能化體育測(cè)試數(shù)據(jù)的線性回歸分布集，有m個(gè)智能化體育測(cè)試數(shù)據(jù)節(jié)點(diǎn)A1,A1A2,A1A2A3,An，在任意分塊blocki內(nèi)，采用量化回歸分析方法，提取智能化體育測(cè)試數(shù)據(jù)完整性特征：

其中，ai為智能化體育測(cè)試數(shù)據(jù)的模糊聚類參數(shù)，bi為特征匹配函數(shù)，Xij為數(shù)據(jù)融合尺度信息[10].

2 體育測(cè)試數(shù)據(jù)完整性檢測(cè)

2.1 基于支持向量機(jī)的智能化體育測(cè)試數(shù)據(jù)分類

以智能化體育測(cè)試數(shù)據(jù)的特征聚類性為測(cè)試條件，構(gòu)建模糊支持向量機(jī)模型實(shí)現(xiàn)對(duì)智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè).假定當(dāng)前智能化體育測(cè)試數(shù)據(jù)分布節(jié)點(diǎn)的數(shù)目為n，N1,…,Nn，重構(gòu)智能化體育測(cè)試數(shù)據(jù)時(shí)間序列的特征聚類空間：

其中，hij(n+1)T為智能化體育測(cè)試數(shù)據(jù)的干擾分量，vi(n+1)為語義分布，sj(n+1)為支持向量機(jī)學(xué)習(xí)的迭代函數(shù)，依據(jù)智能化體育測(cè)試數(shù)據(jù)的融合輸出，得到聯(lián)合特征辨識(shí)函數(shù)為{z1,z2,z3}，得到測(cè)試節(jié)點(diǎn)序列為i(i=1,2,…,Nk+1)，支持庫模型為

其中：h為智能化體育測(cè)試數(shù)據(jù)的檢測(cè)時(shí)間序列，ωn為智能化體育測(cè)試數(shù)據(jù)的迭代步數(shù).引入靜息心率、心室肌收縮力作為控制參量，得到控制函數(shù)：

采用支持向量機(jī)方法，進(jìn)行智能化體育測(cè)試數(shù)據(jù)分類：

2.2 智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)模型

通過智能化體育測(cè)試數(shù)據(jù)支持向量機(jī)分類，構(gòu)建智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)模型[11-12].根據(jù)負(fù)荷參數(shù)分析，得到智能化體育測(cè)試數(shù)據(jù)的映射圖譜關(guān)系為

式中：m+1 為智能化體育測(cè)試數(shù)據(jù)檢測(cè)的嵌入維數(shù)，表示智能化體育測(cè)試數(shù)據(jù)完整性分布的關(guān)聯(lián)權(quán)重指數(shù)；(dik)2為智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的相似度特征集.結(jié)合體能信息測(cè)試，得到智能化體育測(cè)試數(shù)據(jù)檢測(cè)的指標(biāo)分布為si=(xi,xixi + τ,…,xi +(m+1)τ)T+1，建立智能化體育測(cè)試數(shù)據(jù)的主成分信息索引的特征匹配集

采用主成分融合和線性相關(guān)決策的方法，構(gòu)建智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)模型：

其中，τ表示智能化體育測(cè)試數(shù)據(jù)的輸出延遲，表征t和t -τ時(shí)刻智能化體育測(cè)試數(shù)據(jù)的演化特征量.

3 仿真測(cè)試分析

為了驗(yàn)證本文提出的基于模糊支持向量機(jī)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法在實(shí)際應(yīng)用中的有效性，進(jìn)行一次仿真實(shí)驗(yàn)分析.仿真實(shí)驗(yàn)中，給出先驗(yàn)檢測(cè)樣本集（見下頁表1）.

表1 智能化體育測(cè)試數(shù)據(jù)

設(shè)定對(duì)智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的機(jī)器學(xué)習(xí)迭代步數(shù)為2000，測(cè)試集序列大小為140，智能化體育測(cè)試數(shù)據(jù)融合聚類模板系數(shù)為0.128.

根據(jù)上述參數(shù)設(shè)定，實(shí)現(xiàn)智能化體育測(cè)試數(shù)據(jù)檢測(cè)，得到體育測(cè)試數(shù)據(jù)的時(shí)間序列樣本，如圖1所示.

圖1 體育測(cè)試數(shù)據(jù)的時(shí)間序列樣本

根據(jù)上述體育測(cè)試數(shù)據(jù)時(shí)間序列樣本，采用本文提出的基于模糊支持向量機(jī)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法、基于深度學(xué)習(xí)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法和基于雙線性對(duì)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法，對(duì)智能化體育測(cè)試數(shù)據(jù)完整性進(jìn)行檢測(cè)，對(duì)比三種方法的檢測(cè)精度，對(duì)比結(jié)果如圖2 所示.

圖2 三種方法的檢測(cè)精度對(duì)比結(jié)果

分析圖2 得知，本文方法進(jìn)行智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的精度高達(dá)100%，而基于深度學(xué)習(xí)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法和基于雙線性對(duì)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的精度最高分別為94%和92%.這說明本文提出的基于深度學(xué)習(xí)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法的檢測(cè)精度較高.

為了進(jìn)一步驗(yàn)證本文方法的有效性，采用本文提出的基于模糊支持向量機(jī)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法、基于深度學(xué)習(xí)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法和基于雙線性對(duì)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法，對(duì)智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)時(shí)間進(jìn)行對(duì)比分析，對(duì)比結(jié)果如圖3 所示.

圖3 三種方法的檢測(cè)時(shí)間對(duì)比結(jié)果

根據(jù)圖3 可知，本文提出的基于模糊支持向量機(jī)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法的檢測(cè)時(shí)間在7 s內(nèi)，比基于深度學(xué)習(xí)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法和基于雙線性對(duì)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)時(shí)間短，采用本文方法能夠提高智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)效率.

4 結(jié)語

由于傳統(tǒng)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法存在檢測(cè)效果不理想、檢測(cè)時(shí)間長(zhǎng)的問題，本文提出了基于模糊支持向量機(jī)的智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)方法，提取智能化體育測(cè)試數(shù)據(jù)的關(guān)聯(lián)匹配特征量，采用多維信息調(diào)度，構(gòu)建模糊支持向量機(jī)模型實(shí)現(xiàn)對(duì)智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)和模糊聚類模型，以體育成績(jī)、身體機(jī)能數(shù)據(jù)等為研究對(duì)象，實(shí)現(xiàn)對(duì)智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè).分析得知，本文方法進(jìn)行智能化體育測(cè)試數(shù)據(jù)完整性檢測(cè)的精度較高，檢測(cè)時(shí)間較短.