高校移动终端体育信息云数据挖掘方法.pdf
《高校移动终端体育信息云数据挖掘方法.pdf》由会员分享,可在线阅读,更多相关《高校移动终端体育信息云数据挖掘方法.pdf(5页珍藏版)》请在咨信网上搜索。
1、计算机与通信技术Computer and Communication Technology自动化技术与应用2023 年第 42 卷第 8 期Techniques ofAutomation&Applications高校移动终端体育信息云数据挖掘方法*魏箐河(西安外事学院,陕西 西安 710077)摘要:高校体育信息在云平台存储后,受到运动数据相似性特征较多的影响,如何在海量相似运动信息下,高效挖掘特定运动数据,成为一个难题。结合运动数据的特点,提出高校移动终端体育信息云数据挖掘方法。体育运动相关信息数据由服务端管理模块、移动管理终端模块、移动中控插件选取,并通过K均值聚类算法控制信息访问路径,凭
2、借时间、频率特征明确成聚类进化代数,获得权向量编码下数据特征状态空间表达式,实现信息的分类和检索。以海量体育相关信息为实验样本进行挖掘实验。实验结果表明,所提方法响应时间低,挖掘效率较高。关键词:体育信息;相似特征;海量数据;K均值聚类算法;云数据挖掘中图分类号:TP311.13文献标识码:A文章编号:1003-7241(2023)08-0088-05University Mobile Terminal Sports InformationCloud Data Mining MethodWEI Qing-he(Xian International University,Xian 710077
3、China)Abstract:After college sports information is stored on the cloud platform,it is affected by the similarity characteristics of sports data.Howto efficiently mine specific sports data under the massive similar sports information becomes a difficult problem.Combined withthe characteristics of spo
4、rts data,this paper proposes a sports information cloud data mining method for mobile terminals in col-leges and universities.The sports related information data is selected by the server management module,mobile management ter-minal module and mobile central control plug-in,and the information acce
5、ss path is controlled by K-means clustering algorithm.By virtue of the time and frequency characteristics,the clustering evolution algebra is defined,and the data feature state space ex-pression under the weight vector coding is obtained to realize the classification and retrieval of information.It
6、takes the massivesports related information as the experimental sample to carry out the mining experiment.Experimental results show that the pro-posed method has low response time and high mining efficiency.Keywords:sports information;similar features;massive data;K-means clustering algorithm;cloud
7、data mining*基金项目:陕西省教育厅2020年度科研计划项目(20JK0332)收稿日期:2022-03-09DOI:10.20033/j.1003-7241.(2023)08-0088-05.1引言随着运动信息化技术的发展,一些高校开始迅速搭建独属于学校之间的运动信息查询平台,这在一些专业性的体育院校尤其明显。但是,运动信息与其他教育信息不同,其相关特征具有较强的相似性。这就给运动数据挖掘带来了一定的困难。关于校园管理信息挖掘系统的研究有很多,武善锋等人1在传统校园信息管理系统内添加决策树算法,分析课程信息,高效分类和剔除无效数据,再结合对应科目要求构建系统功能框架,通过ASP.N
8、ET语言完成人机交互功能。但当同时在线人数过多时,任务响应速度慢,效率低;胡春瀛等人结合Fabric构架设计出了一种高校区块链机房管理系统2,采用Fabric架构满足机房的网络环境和管理需求,使用拜占庭算法等完成系统设计,经实验表明该系统的稳定性较差,会出现数据查询失败等问题。Yi W等人提出在网络环境下设计高校体育教学管理系统3,从前期资料收集、需求分析、可行性研究、总体设计、详细设计、系统编码、系统测试等方面对系统进行详细的研究。在系统开发设计中,应用了当前流行的ASP。同时加入了一些JavaScript脚本和JQuery框架技术,最终实现了基于B/S架构的高校体育管理系统。以上校园信息管
9、理系统都无法应用到体育信息管理中,主要还是因为体育信息存在一定的相似性描述,没办法用更为可区分的特征描述。考虑上述方法优缺点,提出一种适合体育运动信息的挖掘方法。2体育信息云数据挖掘方法88自动化技术与应用2023 年第 42 卷第 8 期计算机与通信技术Computer and Communication TechnologyTechniques ofAutomation&Applications由于体育信息大部分都存于云平台上,由服务端管理模块、移动管理终端模块、移动中控插件构成。由于大部分高校的中控系统是通过委托各企业开发的闭源系统,一般情况下开发企业也会提供移动中控插件,因此本文着重给
10、出移动客户端以及服务器端的数据采集方案。2.1服务器端运动信息选取通过对高校体育运动管理需求调研分析,得出相关实时监测学生体质和教学质量数据是挖掘需要的主要目标,因此在服务器功能设计过程中,要统筹相关目标体育信息管理总需求,结合高校的实际情况分步完成挖掘方法设计,确保挖掘具有实用性、一致性以及可扩展性。挖掘的目标数据主要存储结构为金字塔三层体系结构,上层为学生体能监测层,中层为教学实施层,下层为云信息管理层,各层数据选取目标如下:(1)体能监控层体能监控层为一些学生体质信息的存储区域,由多个具有独立功能的子系统构成,子系统通过移动终端智能终端穿戴设备自动化采集学生体质信息,借助无线发射或有线接
11、收实现与计算机的消息传输。收集到的学生个人运动数据,自动储存在相对应的数据库内,作为管理系统的基础数据之一。(2)教学实施层教学实施功能层是移动终端的重要部分,基础监测数据层和管理系统的中间层,又分为多个子功能模块,包括体育项目数据模块、运动成员信息数据模块、田径数据模块以及各个体育比赛成绩数据模块。可以通过云计算分类监测层采集到的数据,并将结果反馈给管理层,同时也可以对上层数据预处理判断,结合管理层需求发出控制指令或完成相关参数的修改。系统也可以通过该功能层向教师、管理人员提供各类数据服务。(3)云信息管理层云信息管理层主要包括系统整合、数据交换、目录管理、运维管理、API接口模块4。系统整
12、合和数据交换模块主要负责完成移动终端各模块之间的数据传输,实现相关部门的信息交换;目录管理模块主要负责对系统目录内容审核、检索、发布等;运维管理模块主要负责管理系统的日常维护;API接口可以完成系统与其他相关应用间的集成,也能够通过云信息管理层进行深层次信息平台开发。2.2挖掘算法设计为实现运动数据的相关检索功能,本文通过K均值聚类算法改进挖掘过程,完成特定体育数据挖掘工作。设任意两个属性簇节点Mi、Mj,二者间的距离为Clusdist(Mi,Mj),通过K均值算法得到信息经云计算后,系统内数据间关系为A=A1,A2,Am,数据二叉分类属性又符合(ij,1q,1jq),其中 q 是不为零的常数
13、。通过控制访问路径获得挖掘的约束向量5,并通过K均值传输算子控制数据的访问路径,获得在云数据库内的高校体育数据的互信息特征,表示为:(1)式中,Dij(tn)表示原始数据特征,f(n)表示数据权重,在K均值聚类的条件下压缩特征空间,执行挖掘的平滑处理,获得平滑算子如下:(2)式中,dfs(i,j)表示平滑算子,df(i,j)为平滑前数据库中的原始数据量,表示控制路径后的压缩数据量。设聚类中心矢量Xi为d维数据,Xi=(xi1,xi2,xid),训练样本为Xk=xk1,xk2,xkm,可根据云计算储存数据库初始查询可得挖掘模型如下:(3)式中,e表示数据的属性权重。随后匹配相邻时间段内的数据流信
14、息,确定系统检索机制的查询条件,设x(n)为单位时间域内的数据长度特征6,则聚类后获得访问云数据库的互信息可以表示为:(4)式中,c(t+)表示数据路径扩展时延,使i=1,2,n实现索引指令的控制。结合权向量编码得出挖掘的属性集合幂指数为:(5)式中,表示数据搜索频率,通过时间、频率特征结合方式,分析云储存数据库中的体育数据信息时域,判定出聚类的进化代数。通过上述处理完成移动终端系统中,体育信息聚类和挖掘,实现高校运动数据分类和检索功能。3实验环境搭建为了测试本文挖掘算法的有效性,搭建高校移动终端云数据存储平台,完成实验。云平台在硬件设计的部分包括数据采集硬件配置和数据接口部分的设置7。其中数
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 高校 移动 终端 体育 信息 数据 挖掘 方法
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。