李健

（1.闽西职业技术学院公共教学部，福建龙岩 364021；2.蒙古国研究大学教育学院，乌兰巴托 999097)

0 引言

随着体育数据信息化管理技术的发展，构建智能化体育测试数据完整性检测，结合对智能化体育测试数据特征分布，进行智能化体育测试数据特征分析和完整性检测[1].在云环境下构建智能化体育测试数据的特征分布模型，通过解释控制参数分析，构建智能化体育测试数据的回归检测和完整性分析模型，提高智能化体育测试数据的检测和识别能力，相关的智能化体育测试数据检测和完整性分析方法研究受到人们的极大关注[2-3].

在进行智能化体育测试数据完整性检测中，首先构建智能化体育测试数据的特征分布模型，采用多维参数识别实现智能化体育测试数据完整性检测分析.目前，对智能化体育测试数据完整性检测的方法主要有深度学习方法、双线性对方法等.文献[4]提出基于深度学习的智能化体育测试数据完整性检测方法，通过依靠深度学习而建立的初级监督层、中级监督层、高级监督层分别进行相对应的监督，达到智能化体育测试数据完整性检测分析判定的目的.但是该方法进行体育测试数据完整性检测的检测精度较低.文献[5]中提出了基于双线性对的智能化体育测试数据完整性检测方法，将稳态网络中的各数据用一个阅读器表示，阅读器对其阅读范围内的数据标签进行阅读，并将阅读到的结果传送到中间件；中间件将所得标签保存并构成阅读器-标签函数，据此函数对相邻阅读器覆盖密度进行计算，以获取阅读器权重；对权重值进行排列，将具有较小权重的阅读器确定为冗余阅读器，将其清洗掉；将数据清洗结果代入数据完整性检测中，对稳态网络进行划分，使其变为两个终端数据相互传输的形式；将双线性对引至数据完整性检测，并利用对检测等式均衡性的验证判断终端一传输来的数据是否具有完整性.但是该方法进行智能化体育测试数据完整性检测的时间较长，检测实时性不好.

模糊支持向量机主要通过引入模糊隶属度函数，给每个样本赋予不同的值，使不同的样本点对分类超平面的构建具有不同的影响，以期增大支持向量对最优分类超平面的影响，降低噪声对最优分类超平面的影响，提高检测性能.对此，本文提出基于模糊支持向量机的智能化体育测试数据完整性检测方法，并进行仿真测试分析.本文方法在提高智能化体育测试数据完整性检测能力方面展现了优越的性能.

1 体育测试数据完整性参数分析

1.1 体育测试数据存储结构和特征聚类

为了实现智能化体育测试数据完整性检测，构建智能化体育测试数据的约束变量和解释变量联合特征分布结构模型，结合相关性的特征分析方法，实现智能化体育测试数据采集和监测[6].

首先需要构建智能化体育测试数据的分布式数据存储结构模型，用一个四元组L表示智能化体育测试数据的存储分布结构，即L=(V,E,W,C).假设d为智能化体育测试数据的检测维数，Nk(k=0,1,…,R)表示第k层智能化体育测试数据完整性检测分布集的个数；表示智能化体育测试数据在数据采样中第k+1 层第i个节点的活跃度.采用多维信息调度[7]，得到智能化体育测试数据的模糊加权值：

其中，ε(n)为智能化体育测试数据的边缘分布误差.用特征映射xn →xn +1表示智能化体育测试数据的分布特征集，得到智能化体育测试数据的联合特征分布离散序列{x(t0+iΔt)} (i=0,1,…,N+1)，通过目标样本集相似性特征重组，得到统计特征量：

其中,K=N+(m+1)τ，表示智能化体育测试数据的特征向量，τ为智能化体育测试数据采样时间延迟.设(sk,ak)和(sl，al)为智能化体育测试数据共享节点之间的模糊贴近度函数，基于联合自相似性特征解析控制方法对智能化体育测试数据信息交叉融合，获取智能化体育测试数据样本：

式中,cn为智能化体育测试数据的有效补偿信息[8].

1.2 智能化体育测试数据完整性特征提取

在上述体育测试数据存储结构和特征聚类的基础上，提取智能化体育测试数据完整性特征.通过量化回归分析方法，实现对智能化体育测试数据完整性特征分布融合处理，以智能化体育测试数据的特征聚类性为测试条件[9]，采用相空间重构方法构建智能化体育测试数据完整性检测的最大独立集P(ni)={pk|prkj=1,k=1,2,…,m+1}，得到智能化体育测试数据完整性检测的递归函数：

其中，表示智能化体育测试数据的完整性检测的聚类中心为智能化体育测试数据的先验概率密度.由此构建了智能化体育测试数据的特征分布模型，定义智能化体育测试数据的深度融合特征量为di，构建K个智能化体育测试数据样本数据集，｛xi，y｝i(i=1,2,…,k+1)，其中k表示智能化体育测试数据时间序列的采样个数，根据智能化体育测试数据的模糊检测结果，得到智能化体育测试数据完整性分布的连通图结构模型：

式中，ω表示智能化体育测试数据信息完整性分布特征矩，b表示模板系数.选择智能化体育测试数据的历史数据作为测试样本，采用联合自相关映射，得到智能化体育测试数据调度的采样时间间隔为n∈[n1,n2]，智能化体育测试数据的模糊度函数为：

其中，σ为体育测试数据的归一化分布误差，聚类中心的分布间隔，构建体育测试数据的模糊聚类的关联规则分布集合，得到：

其中，an+1表示智能化体育测试数据的线性回归分布集，有m个智能化体育测试数据节点A1,A1A2,A1A2A3,An，在任意分块blocki内，采用量化回归分析方法，提取智能化体育测试数据完整性特征：

其中，ai为智能化体育测试数据的模糊聚类参数，bi为特征匹配函数，Xij为数据融合尺度信息[10].

2 体育测试数据完整性检测

2.1 基于支持向量机的智能化体育测试数据分类

以智能化体育测试数据的特征聚类性为测试条件，构建模糊支持向量机模型实现对智能化体育测试数据完整性检测.假定当前智能化体育测试数据分布节点的数目为n，N1,…,Nn，重构智能化体育测试数据时间序列的特征聚类空间：

其中，hij(n+1)T为智能化体育测试数据的干扰分量，vi(n+1)为语义分布，sj(n+1)为支持向量机学习的迭代函数，依据智能化体育测试数据的融合输出，得到联合特征辨识函数为{z1,z2,z3}，得到测试节点序列为i(i=1,2,…,Nk+1)，支持库模型为

其中：h为智能化体育测试数据的检测时间序列，ωn为智能化体育测试数据的迭代步数.引入静息心率、心室肌收缩力作为控制参量，得到控制函数：

采用支持向量机方法，进行智能化体育测试数据分类：

2.2 智能化体育测试数据完整性检测模型

通过智能化体育测试数据支持向量机分类，构建智能化体育测试数据完整性检测模型[11-12].根据负荷参数分析，得到智能化体育测试数据的映射图谱关系为

式中：m+1 为智能化体育测试数据检测的嵌入维数，表示智能化体育测试数据完整性分布的关联权重指数；(dik)2为智能化体育测试数据完整性检测的相似度特征集.结合体能信息测试，得到智能化体育测试数据检测的指标分布为si=(xi,xixi + τ,…,xi +(m+1)τ)T+1，建立智能化体育测试数据的主成分信息索引的特征匹配集

采用主成分融合和线性相关决策的方法，构建智能化体育测试数据完整性检测模型：

其中，τ表示智能化体育测试数据的输出延迟，表征t和t -τ时刻智能化体育测试数据的演化特征量.

3 仿真测试分析

为了验证本文提出的基于模糊支持向量机的智能化体育测试数据完整性检测方法在实际应用中的有效性，进行一次仿真实验分析.仿真实验中，给出先验检测样本集（见下页表1）.

表1 智能化体育测试数据

设定对智能化体育测试数据完整性检测的机器学习迭代步数为2000，测试集序列大小为140，智能化体育测试数据融合聚类模板系数为0.128.

根据上述参数设定，实现智能化体育测试数据检测，得到体育测试数据的时间序列样本，如图1所示.

图1 体育测试数据的时间序列样本

根据上述体育测试数据时间序列样本，采用本文提出的基于模糊支持向量机的智能化体育测试数据完整性检测方法、基于深度学习的智能化体育测试数据完整性检测方法和基于双线性对的智能化体育测试数据完整性检测方法，对智能化体育测试数据完整性进行检测，对比三种方法的检测精度，对比结果如图2 所示.

图2 三种方法的检测精度对比结果

分析图2 得知，本文方法进行智能化体育测试数据完整性检测的精度高达100%，而基于深度学习的智能化体育测试数据完整性检测方法和基于双线性对的智能化体育测试数据完整性检测方法的智能化体育测试数据完整性检测的精度最高分别为94%和92%.这说明本文提出的基于深度学习的智能化体育测试数据完整性检测方法的检测精度较高.

为了进一步验证本文方法的有效性，采用本文提出的基于模糊支持向量机的智能化体育测试数据完整性检测方法、基于深度学习的智能化体育测试数据完整性检测方法和基于双线性对的智能化体育测试数据完整性检测方法，对智能化体育测试数据完整性检测时间进行对比分析，对比结果如图3 所示.

图3 三种方法的检测时间对比结果

根据图3 可知，本文提出的基于模糊支持向量机的智能化体育测试数据完整性检测方法的检测时间在7 s内，比基于深度学习的智能化体育测试数据完整性检测方法和基于双线性对的智能化体育测试数据完整性检测方法的智能化体育测试数据完整性检测时间短，采用本文方法能够提高智能化体育测试数据完整性检测效率.

4 结语

由于传统的智能化体育测试数据完整性检测方法存在检测效果不理想、检测时间长的问题，本文提出了基于模糊支持向量机的智能化体育测试数据完整性检测方法，提取智能化体育测试数据的关联匹配特征量，采用多维信息调度，构建模糊支持向量机模型实现对智能化体育测试数据完整性检测和模糊聚类模型，以体育成绩、身体机能数据等为研究对象，实现对智能化体育测试数据完整性检测.分析得知，本文方法进行智能化体育测试数据完整性检测的精度较高，检测时间较短.