基于数据挖掘技术的射箭动作阶段划分

摘要

目的：从持弓（垂直面）和拉弦（水平面）两个维度进行射箭动作运动学分析。完善现有动作阶段划分理论。提出存在两种不同开弓方法的假设，建立分类模型对假设进行验证，并进一步比较不同开弓技术在瞄准过程中的差异，探索不同开弓动作的技术特点。 方法：采用文献资料法、专家访谈法、实验法、数理统计和数据挖掘法，以山西省射箭队10名国家一级射箭运动员为研究对象（4男、6女），使用VICON红外三维动作采集系统、Basler高速摄像机等，采集完整射箭动作的运动学数据。选取3次10环动作，进行射箭动作的横、纵向数据挖掘研究。 结果：（1）运动员自身动作表现出良好的一致性，拉距与身高显著相关（P=.915*），但举弓高度与身高相关性较低（P=.624）。（2）10段等距切分能实现肉眼可识别的射箭动作切分。（3）DBSCAN聚类法对开弓动作的识别较现有方法的普适性更好。（4）将开弓技术分为平稳开弓（SP）和阶段开弓（PP）两种。10折交叉检验的Kappa statistic为0.7826，表明该分类具有较高的一致性。（5）SP与PP法在瞄准过程上差异明显，两名大赛成绩较好的运动员均采用SP法开弓。 结论：（1）低精度的数据采集方案，理论上可满足射箭动作阶段划分要求，其实际应用效果有待验证。（2）SP和PP两种方法在开弓节奏、瞄准过程等方面各有特点。（3）聚类算法较现有开弓阶段的固定算法普适性更好。（4）对开弓动作的分类假设通过了良好的数学模型验证。（5）两种开弓方法的瞄准过程不同，SP法的瞄准稳定性较好，PP法的瞄准调整更快。（6）SP法对运动员的上肢稳定性和耐力要求较高，动作完成时间较短，建议举弓阶段增强水平瞄准能力的提升。PP开弓法对运动员的上肢爆发力和快速瞄准能力要求较高，动作耗时长，建议加快举弓速度并且减小举弓动作幅度，以减小瞄准过程的负担。

目录

声明

1绪论

1.1选题依据及背景

1.2.1研究目的

1.2.2研究意义

1.3问题的提出

1.3.1射箭阶段划分的依据缺失

1.3.2 传统优势射箭技术传承的限制

1.3.3数据分段的利大于弊

1.4研究难点与创新点

1.4.1数据结构的不一致

1.4.2 基于时间序列的成绩预测失败

1.4.3 如何选用合适的数据挖掘技术

1.4.4等宽离散化方法的引入

1.4.5聚类对阶段划分的创新

1.4.6 开弓技术分类的必要性

1.5研究内容及任务

1.6 文献综述

1.6.1射箭运动研究现状

1.6.2数据挖掘研究现状

2研究对象与方法

2.1研究对象

2.2实验设备

2.3研究方法

2.3.1文献资料法

2.3.2专家访谈法

2.3.3实验测试法

2.3.4数理统计与逻辑分析法

2.4.1距离的释义

2.4.2 线与角的释义

2.5.1举弓阶段划分

2.5.2开弓阶段划分

2.6数据处理

2.6.1拉距的等间距切分

2.6.2 开弓动作阶段的划分与验证

2.6.3开弓技术的分类与验证

2.6.4 两种开弓方法下的运动学对比

3研究结果与分析

3.1统计学分析

3.2.1分段数量的估计

3.2.2不同分段量的开弓对比

3.2.2不同分段量的举弓对比

3.3阶段划分与验证

3.3.1聚类算法对分段箭速相似度的提取

3.3.2 聚类结果的人工验证

3.3.3 与现有阶段划分方法的比较

3.4.1开弓量的统计

3.4.2 开弓技术分类

3.4.3基于k-means的聚类验证

3.4.4 SMO分类及验证

3.5.1横向箭偏角

3.5.2纵向箭偏角

4讨论

4.1 等宽离散化的实质

4.2 推弓期的重要性

4.3 DBSCAN聚类的引入

4.4 开弓阶段起止点的确定

4.5开弓技术的分类

4.6瞄准过程差异

5结论与建议

参考文献

攻读博士（硕士）学位期间所取得的研究成果

致谢