基于改進(jìn)Apriori算法的運(yùn)動(dòng)員多屬性訓(xùn)練數(shù)據(jù)挖掘模型構(gòu)建及仿真

(寶雞文理學(xué)院 體育學(xué)院，寶雞 721007)

0 引言

在體育競技領(lǐng)域中，各項(xiàng)運(yùn)動(dòng)所涉及的數(shù)據(jù)量十分龐大，但就目前來看，這些海量數(shù)據(jù)的利用率十分低下，難以產(chǎn)生令人滿意的效果。因此，如何提高數(shù)據(jù)的利用率，挖掘出這些海量數(shù)據(jù)中所潛在的運(yùn)動(dòng)員訓(xùn)練規(guī)律等有用信息，已經(jīng)成為了體育競技領(lǐng)域中的研究重點(diǎn)[1]。隨著信息技術(shù)的蓬勃發(fā)展，數(shù)據(jù)挖掘技術(shù)作為一種涉及眾多領(lǐng)域的交叉性學(xué)科，逐漸成為人們整合并挖掘海量數(shù)據(jù)中的有用信息以及規(guī)則關(guān)聯(lián)的有效途徑。有鑒于此，本文針對數(shù)據(jù)挖掘技術(shù)在運(yùn)動(dòng)員多屬性訓(xùn)練方面的應(yīng)用展開研究，以期通過應(yīng)用恰當(dāng)?shù)臄?shù)據(jù)挖掘技術(shù)，有效地挖掘出運(yùn)動(dòng)員訓(xùn)練相關(guān)數(shù)據(jù)中的潛在規(guī)則與關(guān)聯(lián)，篩選出其中具有價(jià)值的信息，從而實(shí)現(xiàn)對運(yùn)動(dòng)員訓(xùn)練的數(shù)據(jù)支持，使訓(xùn)練更加科學(xué)、高效[2]。

1 數(shù)據(jù)挖掘概述

隨著社會(huì)逐步實(shí)現(xiàn)信息化，數(shù)據(jù)量也隨之呈指數(shù)地不斷增長，如何有效利用這些海量數(shù)據(jù)中所包含的大量有用信息，成為了整個(gè)社會(huì)的迫切需求。在此背景下，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生，它能夠從海量模糊而不完全的數(shù)據(jù)集內(nèi)發(fā)現(xiàn)潛在的關(guān)聯(lián)以及有用信息，還能夠根據(jù)數(shù)據(jù)間的關(guān)聯(lián)來實(shí)現(xiàn)預(yù)測[3]。數(shù)據(jù)挖掘的算法即關(guān)聯(lián)規(guī)則，主要是在相同事件當(dāng)中探求出所產(chǎn)生的各個(gè)項(xiàng)之間的關(guān)聯(lián)。以運(yùn)動(dòng)員的訓(xùn)練為例，其中包含了訓(xùn)練強(qiáng)度、身體素質(zhì)、場地情況等等項(xiàng)，關(guān)聯(lián)規(guī)則可以發(fā)現(xiàn)各項(xiàng)之間的相關(guān)性[4]。通常情況下，主要是通過掃描事務(wù)數(shù)據(jù)庫來統(tǒng)計(jì)出各項(xiàng)在其中所出現(xiàn)的概率來實(shí)現(xiàn)，即這些項(xiàng)的支持度。除此之外，還需要對各項(xiàng)以及各項(xiàng)的組合所出現(xiàn)的概率即條件概率進(jìn)行計(jì)算，也可將其稱之為各項(xiàng)以及各項(xiàng)組合的可信度[5]。

目前對關(guān)聯(lián)規(guī)則的分類有眾多方式，比較典型的如根據(jù)關(guān)聯(lián)規(guī)則中所包含數(shù)據(jù)的維數(shù)進(jìn)行分類，從而將其分為單維關(guān)聯(lián)規(guī)則與多屬性關(guān)聯(lián)規(guī)則。針對運(yùn)動(dòng)員訓(xùn)練而言，在實(shí)際情況中存在著諸多的影響因素，所包含的數(shù)據(jù)遠(yuǎn)遠(yuǎn)超過三個(gè)維度，因此在應(yīng)用數(shù)據(jù)挖掘技術(shù)來探求各因素之間的相關(guān)性時(shí)，應(yīng)將其歸為多屬性關(guān)聯(lián)規(guī)則[6]。相對于單維關(guān)聯(lián)規(guī)則而言，多屬性關(guān)聯(lián)規(guī)則所涉及的內(nèi)容較為復(fù)雜，因此實(shí)現(xiàn)起來也更為困難。作為一種精準(zhǔn)而高效的數(shù)據(jù)挖掘技術(shù)，多屬性關(guān)聯(lián)規(guī)則通常包括了數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘以及知識表達(dá)與評估為主的諸多階段，如圖1所示[7]。

在數(shù)據(jù)預(yù)處理階段，主要是對數(shù)據(jù)進(jìn)行采集、篩選、變換、集合以及規(guī)則約束等，是數(shù)據(jù)挖掘過程中最耗時(shí)的階段；在數(shù)據(jù)挖掘階段，主要是通過關(guān)聯(lián)規(guī)則、決策樹、神經(jīng)網(wǎng)絡(luò)等數(shù)據(jù)處理技術(shù)，對經(jīng)過預(yù)處理的數(shù)據(jù)集進(jìn)行分析，以此得到數(shù)據(jù)集中的有用信息以及關(guān)聯(lián)規(guī)則[8]；在知識表達(dá)與評估階段，主要是將數(shù)據(jù)挖掘階段所獲得的有用信息以及關(guān)聯(lián)規(guī)則表達(dá)展示給用戶，或者將其以新知識的形式提供給相關(guān)應(yīng)用程序。

圖1 數(shù)據(jù)挖掘過程

2 運(yùn)動(dòng)員多屬性訓(xùn)練的數(shù)據(jù)挖掘算法

針對運(yùn)動(dòng)員多屬性訓(xùn)練的實(shí)際需要，本文初步選擇了基于關(guān)聯(lián)規(guī)則的Apriori算法來執(zhí)行相關(guān)的數(shù)據(jù)挖掘工作[9]。在關(guān)聯(lián)規(guī)則中具有數(shù)值型與布爾型兩種分類，而該算法屬于布爾型。

2.1 Apriori算法

Apriori算法的流程如下：

步驟1，對事物數(shù)據(jù)庫進(jìn)行掃描，并計(jì)算其中各數(shù)據(jù)項(xiàng)的支持度，以此獲得頻繁項(xiàng)集L1;

步驟2，根據(jù)頻繁項(xiàng)集L1連接得到候選項(xiàng)集C2，并對其執(zhí)行剪切操作;

步驟3，對事物數(shù)據(jù)庫進(jìn)行掃描，并計(jì)算候選項(xiàng)集C2的支持度，以此獲得頻繁項(xiàng)集L2;

步驟4，循環(huán)執(zhí)行步驟1-步驟3，直至得到的頻繁項(xiàng)集Lk為空；

步驟5，將所得出的全部頻繁項(xiàng)集合并為L[10]。

其中，得出頻繁項(xiàng)集的具體過程如圖2所示。

圖2 Apriori算法流程

對圖2所示的Apriori算法獲得頻繁項(xiàng)集的過程進(jìn)行分析，可以發(fā)現(xiàn)其中存在幾點(diǎn)問題：

第一，在對頻繁項(xiàng)集Lk-1進(jìn)行連接從而得到選項(xiàng)集Ck的過程中[11]，需要通過多次對比來最終判定是否滿足生成條件，由此可得其判定的時(shí)間復(fù)雜度為O((k-1)×n2)；

第二，在對候選項(xiàng)集執(zhí)行剪切操作的過程中，若候選項(xiàng)集Ck中存在一個(gè)屬于該集的c，而c中某個(gè)子集不在頻繁項(xiàng)集Lk-1中，此時(shí)將剪切c項(xiàng)集。但在此執(zhí)行過程中，為了判斷c中各子集是否全部在頻繁項(xiàng)集Lk-1中，需要耗費(fèi)較多時(shí)間來多次對事物數(shù)據(jù)庫進(jìn)行掃描；

第三，在獲得頻繁項(xiàng)集Lk的過程中，Lk的生成條件為≥min_suppor，因此需要多次執(zhí)行步驟1，并將每次的計(jì)算結(jié)果與min_suppor進(jìn)行對比[12]。

通過上述問題分析，可以發(fā)現(xiàn)Apriori算法所存在的問題可能導(dǎo)致以下兩種情況的發(fā)生：第一，可能出現(xiàn)多次掃描數(shù)據(jù)的情況；第二，可能出現(xiàn)生成海量候選項(xiàng)集的情況[13]。這兩種情況會(huì)造成支持度的計(jì)算量過于龐大，從而影響性能。對此，本文采用了結(jié)合DC_Apriori算法的方式，在Apriori算法的基礎(chǔ)上對其進(jìn)行改進(jìn)。

2.2 DC_Apriori算法

DC_Apriori算法的執(zhí)行過程如下：

步驟1，對原始數(shù)據(jù)庫D進(jìn)行掃描；

步驟2，對原始數(shù)據(jù)庫D的存儲結(jié)構(gòu)進(jìn)行重組，將事務(wù)Tid與數(shù)據(jù)項(xiàng)Item重組為Item-Tid；

步驟3，對重組后的Item-Tid排序，然后進(jìn)行存儲；

步驟4，掃描數(shù)據(jù)庫，獲得候選項(xiàng)集C1;

步驟5，對比各事務(wù)列表長度，篩選出滿足≥min_support條件的所有項(xiàng)，從而獲得頻繁項(xiàng)集L1；

步驟6，判斷頻繁項(xiàng)集是否滿足生成候選項(xiàng)集的條件，若滿足條件，則進(jìn)入下一步驟；

步驟7，比較候選項(xiàng)集的最后一個(gè)元素m和l1在頻繁項(xiàng)集L1中的索引位置，若m

步驟8，以滿足最小支持度為條件對c進(jìn)行篩選，以此得到頻繁項(xiàng)集Lk[14]。

2.3 改進(jìn)Apriori算法

本文結(jié)合DC_Apriori算法對Apriori算法進(jìn)行改進(jìn)，主要思路為：通過重組事務(wù)數(shù)據(jù)庫結(jié)構(gòu)，減少多余的連接及剪切步驟，以此降低頻繁項(xiàng)集的計(jì)算量。改進(jìn)Apriori算法的流程如下：

步驟1，對原始數(shù)據(jù)庫D進(jìn)行重組，以最小支持度為條件進(jìn)行篩選，以此獲得頻繁項(xiàng)集L1；

步驟2，判斷頻繁項(xiàng)集是否滿足生成候選項(xiàng)集的條件，若滿足條件，則進(jìn)入下一步驟；

步驟3，根據(jù)頻繁項(xiàng)集L1連接得到候選項(xiàng)集C2，執(zhí)行剪切操作后得到頻繁項(xiàng)集L2;

步驟4，重復(fù)執(zhí)行步驟2-步驟4，直至不再生成頻繁項(xiàng)集時(shí)結(jié)束，最終得到L。

改進(jìn)Apriori算法獲得頻繁關(guān)聯(lián)規(guī)則流程圖如圖3所示[15]。

3 仿真實(shí)驗(yàn)分析

為了驗(yàn)證本文所提出的改進(jìn)Apriori算法是否有效，以Apriori算法、DC-Apriori算法以及改進(jìn)Apriori算法進(jìn)行仿真實(shí)驗(yàn)，并對結(jié)果進(jìn)行對比分析。實(shí)驗(yàn)采用Eclipse進(jìn)行開發(fā)，基于Java語言進(jìn)行測試程序的編寫，具體測試環(huán)境為：win7操作系統(tǒng)，4G內(nèi)存，500G機(jī)械硬盤，CUP為酷睿i7[16]。

實(shí)驗(yàn)所用的數(shù)據(jù)樣本為某市羽毛球隊(duì)的相關(guān)屬性數(shù)據(jù)，如表1所示。

圖3 改進(jìn)Apriori算法頻繁關(guān)聯(lián)規(guī)則流程

表1 某市羽毛球隊(duì)的相關(guān)屬性數(shù)據(jù)

表1中，Tid為事務(wù)的數(shù)量，Item為數(shù)據(jù)項(xiàng)數(shù)量，Avg為各事務(wù)平均數(shù)據(jù)項(xiàng)數(shù)量。

在不同最小支持度和最小置信度下，Apriori算法、DC-Apriori算法以及改進(jìn)Apriori算法的執(zhí)行時(shí)間對比結(jié)果如圖4、圖5所示。

圖4 最小支持度下的執(zhí)行時(shí)間對比

圖5 最小置信度下的執(zhí)行時(shí)間對比

從圖4所示的對比結(jié)果可以看到，在事務(wù)數(shù)量Tid以及數(shù)據(jù)項(xiàng)數(shù)量Item較小時(shí)，本文所提出的改進(jìn)Apriori算法在性能上優(yōu)于其他算法。

從圖5所示的對比結(jié)果可以看到，在事務(wù)數(shù)量Tid以及數(shù)據(jù)項(xiàng)數(shù)量Item較小時(shí)，本文所提出的改進(jìn)Apriori算法在性能上優(yōu)于其他算法，這種差距隨著置信度的增大而逐漸縮小，最終趨同。

4 總結(jié)

本文針對數(shù)據(jù)挖掘技術(shù)在運(yùn)動(dòng)員多屬性訓(xùn)練中的應(yīng)用展開研究，主要對Apriori算法所存在的問題進(jìn)行了探討，提出了結(jié)合DC_Apriori算法的算法改進(jìn)方法，以期提高Apriori算法的性能[17]。通過仿真實(shí)驗(yàn)，以Apriori算法、DC-Apriori算法以及改進(jìn)Apriori算法等三種算法的實(shí)驗(yàn)對比結(jié)果，證明了本文所提出的改進(jìn)Apriori算法在性能上具有優(yōu)越性。