APP下载

SVM在田径100米比赛成绩预测的初步研究

2014-09-24杜大群

体育时空·上半月 2014年9期

杜大群

(衢州职业技术学院公共体育部 浙江·衢州 324000)

中图分类号:G822 文献标识:A 文章编号:1009-9328(2014)09-000-01

摘 要 本文通过对历届夏季奥运会短跑冠军的短跑成绩进行研究,以期达到对今后的短跑成绩进行预测,对运动员的科学训练起到指导性作用。运用支持向量机(SVM)对运动员计时性项目成绩进行分析,用每四次建立模型预测下次。研究表明利用该方法对短跑项目的成绩预测是有效的,因此,此研究方法亦可为今后预测全国乃至世界短跑项目比赛的成绩与名次提供新思路、新方法。

关键词 Support Vector Machine 短跑比赛 成绩预测

一、研究对象及方法

(一)研究对象

以l896—2012年历届奥运会田径比赛男子100米冠军成绩作为研究对象。

(二)研究方法

1.文献资料法。通过校图书馆和电子专业期刊网广泛查阅和搜集相关田径项目发展及SVM相关文献资料,并进行分析整理,为本研究提供坚实的理论基础。

2.支持向量机方法。支持向量机(SVM)是一种新型的分类和函数估计工具,源于统计学习理论的基础之上,近年来它在模式识别、回归和金融时间序列等方面均取得了成功应用。通过查阅相关资料获取比赛数据,利用支持向量机(SVM)对其数据进行分析、预测[4-5]。

二、研究结果及分析

SVM的关键在于核函数。低维空间向量集通常难于划分,解决的方法是将它们映射到高维空间。但这个办法带来的困难就是计算复杂度的增加,而核函数正好巧妙地解决了这个问题。这样,在高维空间中实际上只需进行内积运算,而这种内积运算是可以用原空间的函数来实现的,我们甚至没有必要知道变换的形式。……

登录APP查看全文