基于自组织特征映射网络方法的学生体质健康数据聚类分析

发布时间：2024-06-01 16:25

　　目的:寻找体质健康测试各指标间复杂的、非线性的关系,为体育教学工作提供科学的技术支持。方法:将成都市某高校近3万名在校大学生体质健康数据分为男生组与女生组,运用自组织特征映射网络(Self-organizing feature Map,SOM)方法,对两组数据进行聚类分析。并以各类学生相同变量的均值作为权重,对不同变量值间变化趋势进行可视化表达。结果:分别将男女生测试数据聚为A、B、C、D四类。男生组中各类不同变量变化有迹可循,女生组中各类"各有所长"且变化趋势较为复杂。结论:(1)上肢和腰腹力量素质与柔韧素质间存在"此消彼长"现象。针对此现象,在体育教学中应在端正学生训练态度的同时,加强力量素质与柔韧素质的交叉性训练。(2)男学生群体中,力量素质对身体素质的影响最大。建议在训练中,注重以力量训练为起点,再辅以跑动能力的锻炼。(3)男女学生各项测试指标间变化情况存在较大差异。针对此情况,应注意男女学生之间采取差异化的训练方法。

【文章页数】：4 页

【部分图文】：

图2SOM网络结构简图

相较于统计学聚类方法，神经网络方法能增加对数据的挖掘深度，更有机会发现数据之间存在的复杂的、非线性的关系。相较于其他神经网络方法，SOM有着易于理解、更适用于聚类问题、能可视化的表达特征图的质量以及对象间的相似度、可操作性强等优点。常被用于分类聚类、组合优化、数据分析和预测、模式....

图3男生聚类后各变量值变化趋势图

表1汇总了聚类后A、B、C、D四类男生各单项身体素质的占比情况。如表1及图3所示，A类男生各变量值均为四类男生中最小的；在1000m、50m、立定跳远以及引体向上项目中，均是C类学生表现最好、A类学生表现最差；坐位体前屈测试以肺活量项目中，D类学生表现最好，A类学生表现最差。C类....

图4女生聚类后各变量值变化趋势图

为了获得更加合理的训练结果，选取成都理工大学2012级～2014级本科生于2015年体质健康测试所得26461条数据，测试对象年龄普遍为18岁～22岁，其中男生实测数据14323条，女生实测数据12138条。男生数据集包含身高、体重、肺活量、50m跑、立定跳远、坐位体前屈、1....

图1男女学生数据不同变量值分布情况

本文编号：3986168