文摘
在过去,球迷们用来评估团队的力量根据胜利和失败排名或根据自己的直觉和喜好,但是,团队的力量是难以衡量的分析数据。球队的赢率并不是唯一的因素被认为是决定团队的力量。有许多因素需要考虑:确定团队的力量。根据篮球得分频率的变异系数,本文设计的篮球球员投球目标系统的主要模型。数据捕捉到物联网设备和智能设备。算法集的数量伽柏滤波器的频率变换功能,控制误差积累,提取篮球得分视频的级联特性,构建了视频转换歧视规则,检测到篮球的目标,获得目标轮廓跟踪帧信息。最后,它实现团队的目标跟踪检测使用一个评估算法基于团队的力量。本研究的目的是确定团队的力量在医疗数据的基础上,团队凝聚力,方差系数篮球得分频率。研究篮球得分频率变异系数的团队可以为团队提供一个理论研究方向强度评估和满足实时需求篮球得分频率变异系数的团队。实证结果表明,该算法具有设计最佳的执行时间,更成功的评价目标,效率高,可靠性评估团队的力量。
1。介绍
因为竞技体育的普及和巨大的商业价值,互联网已经进行了数据统计各种篮球比赛,每个团队的表现,排名团队。游戏追随者经常评估小组的力量根据胜利和失败排名或将统一强度根据自己的直觉和偏好(1- - - - - -3]。然而,由于不同的对数强度的团队竞争,分数每个竞争的赢家和输家之间的区别没有被考虑,中标利率不能正确反映团队的力量。在大数据的时代,我们应该科学合理的评估基于现有的竞争历史数据。因此,它具有一定的研究价值和现实意义为团队力量评估(4,5]。
有研究团队实力的评估。文献[6]提出的规模和强度评价培训团队学习的方向。它研究团队人格的异质性如何影响团队学习的规模和实力,灵感来自于变革型领导,行为组合,外向,agreeability。变革型领导可以收集高强度学习取向的工作团队通过促进团队成员之间的合并行为。然而,变革型领导的影响很大程度上取决于团队成员的个性的异质性程度。变革型领导者必须培养球员之间的共享信息和参与决策团队成员之间决定团队的凝聚力。文献[7]建议分析篮球运动员的运动和评估团队的有效性。还研究了背景信息和指标用于先进的篮球来评估团队的力量。基准测试技术以及设计技术是用来评估球队和球员。有许多种技术在文献中提出的研究人员评估团队的力量(8]。
团队特征分析可以用来确定团队组成为未来的预测和衡量的团队力量。它可以帮助他们更好的理解游戏的优缺点,有助于更好地评估的其他团队。性能指标也可以改进,这些迹象可以帮助预测球员行为和团队参与。尽管现有研究的进展,它仍然是不可能确定的分析团队成绩。结果,本研究发展一个团队实力评价方法基于变异系数和有效的结论。收集到的数据从运动员从中国体育学院。基于问卷调查的数据,并使用智能设备记录记录。IoT-based智能设备用于意义上的人的意见以更好的方式,知道这个人是否给一个真正的声明。其次,球员在过去的性能从他们的经验也使用他们的医疗数据记录,如感知压力得分,埃普沃思嗜睡量表,BPM(每分钟跳动),赢得时间、故障时间和改善时间管理。需要收集医药相关数据也有助于团队的成功和失败。 If the players are stressed, then they cannot perform well. If the players do not sleep well, then they cannot perform well. Their overall physical and mental health plays a major role in deciding their success and failure in the games. It also impacts their overall performance.
1.1。论文的贡献
(我)提出了一个团队的力量评估算法基于篮球得分频率的变异系数。(2)根据篮球得分频率的变异系数,本文设计的原理模型篮球球员投球目标系统。(3)数据捕捉到物联网设备和智能设备。算法集的数量伽柏滤波器的频率变换功能,控制误差积累,提取篮球得分视频的级联特性,构建了视频转换歧视规则,检测到篮球的目标,并获得跟踪目标轮廓和帧信息。(iv)最后,它实现团队的目标跟踪检测使用一个评估算法基于团队的力量。(v)评估团队的力量是基于变异系数的篮球得分频率。实证结果表明,设计的算法的最短执行时间,更成功的评价目标,效率高,可靠性评估团队的力量。
1.2。论文的结构
部分1提供论文的介绍和贡献,以及相关工作做一个简要的讨论。部分2展示了本文提出的方法工作。实验结果的分析是在部分完成3。彻底的讨论结果是节中完成的4和引用,紧随其后的是结论部分。
2。篮球得分频率变异系数团队力量评估算法
应用算法,是非常重要的非常仔细地收集数据。因此,healthcare-based复杂数据本研究工作中使用来衡量球员的表现。身心健康的结合使得球员们强。他们能从过去的错误中吸取教训并应用他们的技能在未来的实践。之前确定篮球得分频率和之前确定队员之间的团队力量,重要的是收集医药相关数据的球员。心理健康相关因素更突出我们的研究工作作为一个团队可以执行如果他们有凝聚力和心理素质去面对现实中的所有情况下特征。因此,研究复杂的健康起着重要的作用在应用的算法来确定和评估团队篮球运动员的力量。
2.1。篮球得分方差系数的频率
分数频率被定义为分数除以玩的时间。分数通常是用作主要指数衡量的质量团队的得分能力,即。分子的质量系统。然而,也有一些缺陷在使用这个主索引(8]。例如,一个球员在40分钟得到20分和B球员在20分钟得到20分。虽然A和B球员有相同数量的点,很明显,B球员有更多的点在一个单位时间,和他的得分能力被认为是更好的,然而,得分指数不能反映了球员的优点和缺点。为了避免原始数据的局限性,现有研究通常使用的命中率(点击/尝试,FGA %)来评估得分能力(9]。
从统计数据,发现一些球员得分能力较弱和更少的上场时间依赖于极低数量的试验爆破高命中率。如果球员C只抛出2篮/游戏,点击1篮,然后FGA %是50%。点击率已经超过了NBA的平均命中率核心得分手,但是,它不能被认为这名球员已经超过了核心球员得分能力。因此,命中率的使用不能是一个很好的指标来衡量和评估球员的得分能力10]。进一步衡量和评估球员的得分能力,有必要重构和优化的主要指数得分。认为分数频率指数更科学、准确。上场时间本身可以反映一个球员的能力。一般来说,教练会选择一个能力强的球员玩游戏,这样高的球员上场时间可能有更强的能力。得分越高频率取决于更多的分数,分数是高度相关的数量命中率和射击负载,即。越高,分数要求命中率和镜头的数量在一个更高的水平。更高的命中率和更多的照片意味着玩家的得分能力更强(11,12]。
2.2。原理模型,为篮球运动员的目标系统
的过程中建立篮球运动员的目标系统的原理模型,联合部队的行动点计算扔球时,联合部队的行动点通过人体向外转移的股骨头,股骨的应力分布曲线上的力的作用下股骨头,和篮球运动员的主要目标系统的模型建立(13,14]。描述的具体步骤如下:
假设代表联合部队通过股头在推销的过程中,代表了投手臀部肌群的肌肉力量。代表着髂胫带肌肉的力量。联合部队的作用点传播的股骨头投手是使用以下公式计算:
的公式,是篮球运动员的致密骨的厚度。
假设代表松质骨的厚度代表人类股骨的实际大小,公式(2)用于抵消联合力的作用点通过人工股骨头当扔球获得股骨的应力分布曲线在股骨头的力量。
的公式,代表了矢状轴在冠状平面投球时,代表了绑架髋关节角当投手,会议的条件 , 代表了上层的连续部分股骨投球时,代表的压力值后股骨颈当投手,和代表后内侧股骨的应力值,当投手。
假设代表了最大的绑架髋关节和角代表了后中的应力值的变化和股骨颈后中的地方,人类共同的横截面应力是通过以下公式:
的公式,代表了股骨的摩擦系数,代表了不同边界条件下的最大影响函数的压力值,代表了股骨关节峰值负荷下的应力分布,代表联合部队通过股头,代表云价值在水平方向上的应力是0毫米,5毫米,10毫米,和15毫米,代表人类股骨颈的应力值的综合载荷下弯曲和压缩,和代表了横向压力股骨上端的轴。
假设代表了股骨髁的最大应力在投手,我们使用公式(4)作为主要的篮球球员投球目标系统模型。
的公式,代表平均骨小梁之间的髓腔的宽度,和代表骨表面积与骨体积的比值。
篮球命中率的相关性模型图所示1。
应力和应变变化特征的分析篮球运动员在推销的过程中应采取的基础培训指导。然而,传统的方法完成了培训通过分析篮球运动员的最大影响因素不同边界条件下的目标技能培训(15- - - - - -17),但不能准确的应力和应变变化特征分析篮球运动员在推销的过程中。其结果是,推销技巧的培训不能达到的效果(13,18]。
2.3。团队力量评估算法在特征提取
2.3.1。级联特征提取
随机选择一个篮球进球视频特征提取的目标和确定伽柏滤波器的转换功能。从八个方向被认为是四个频率,价值的方向提出了为
在上述方向值,提取特征值的方向,分别设置篮球得分形象(19方向值处理后) ,和移动图像的复杂特征值给出了以下方程:
在公式(6),代表正弦函数的波长,代表高斯函数的标准偏差,代表空间的长宽比,表示相移。在级联特征提取,当级联上面的复杂特性,实部和虚部的复杂特性过滤。过滤后的复杂特性给出了以下方程:
在公式(7),代表特征参数的方向,其他属性不变的解释。的真实和虚构的部分篮球进球视频图像的复合特性作为级联对象(20.),级联对象表达以下方程:
在公式(8),表明级联的复合特性,和表明级联的维数特征。与级联集由上面的计算公式中,级联过程如图2构造。
在图2,特征提取的过程开始的篮球视频,和RGB颜色的方法是用来描述图像中的色彩元素(21]。在下列方程给出的计算公式是:
在公式(9), , ,和 ,分别代表不同的颜色的过滤器,代表光进入过滤器,表示光的波长。鉴于上述计算公式,一个间隔形成一个区域被发现,整个嵌入式篮球进球视频可以分为三个扇形区域,面积是由以下方程:
在公式(10),代表了区域,代表部门半径,其他参数保持不变的意义。使用复杂的实部和虚部的篮球得分视频图像作为级联对象,篮球进球视频的颜色特征提取完成目标提取的级联功能。上面的级联组成的扇形区域特征作为检测区域构造的篮球得分频率变异系数篮球进球视频。
2.3.2。篮球进球视频目标检测
把上面的检测区域组成的级联特性为主要检测对象,积分图像值定义在该行业的任何像素区域,和计算公式可以表示为
在公式(11),和代表任何点的坐标值的检测区域。简化集成图像值的过程中,上述计算公式得到的像素点是减去使用顶点集成图来控制集成的计算量。减法过程如图3。
根据减法的过程如图3,篮球得分频率变异系数检测面积不断减少,形成一个目标检测区域d .确保准确检测目标检测区域在篮球进球视频播放过程中,加权叠加强分类器是用来构造一个视频转换规则的歧视。正则化的公式可以表示为
在公式(12),代表了分类器的功能,代表转换阈值,是篮球进球视频的帧率。有许多检测因素的变异系数篮球得分频率。强分类器实际使用时,也传递速度快的延迟将导致检测的速度,不能满足目标跟踪的要求。在篮球进球视频图像好子窗口,一个强大的构造分类器级联识别检测的目标。强分类器的级联结构如图4。
控制下的强分类器级联结构如图4、规模的像素比篮球得分视频20∗20,进入强分类器级联结构。分类器确定篮球得分视频区域和拒绝一些图像分类器。拒绝了将图像输入下一个分类器,最后一层一层地分类。完成目标探测的篮球得分频率变异系数和构建团队力量评估算法基于此检测。
2.3.3。构建团队力量评估算法
当构建团队力量评估算法,篮球进球视频目标检测的分类器训练形成一个检测和跟踪过程。训练过程是由下列方程表示:
在公式(13),代表了正则化参数,代表的数量分类器,代表了培训功能,和代表独立和相关的变量的函数,和代表了训练时间。为了防止配件分类器的训练过程中,上述计算公式的最优解(13),和最优解的计算公式可以表达如下方程:
在公式(14),代表换算系数的解决方案,代表了训练样本的核函数映射到高维空间。2确定样本之间的相关性给出以下方程:
在公式(15),和 ,分别代表不同的样本,代表高斯核函数,转换系数的值是根据功能关系推导和计算。计算公式可以表达如下方程:
在公式(16),代表了系数矩阵中的元素,代表单位矩阵,上述计算公式(傅里叶变换16)获得以下方程:
在公式(17),代表了离散傅里叶变换和代表第一个内核矩阵的行向量,将最优系数处理上述计算公式作为目标模板,需要目标模板作为新的输入图像在实际目标跟踪,采用高斯核来计算输入图像之间的相似性和目标模板,并构造篮球得分视频样本集。处理矩阵定义循环位移 ,可以表现在以下方程:
在公式(18),代表的第一行矩阵和代表了系数矩阵的循环运动。上述计算和处理后的跟踪过程转化为一个对角矩阵,对角矩阵的乘积和一维向量转化为点产品操作,实现团队的目标跟踪和检测强度评估算法。根据篮球得分频率变异系数的特殊性,梯度方向直方图的振幅值在篮球得分形象单位算作团队力量的轮廓和形状信息评价目标。通过计算最优解的训练篮球得分视频目标检测分类器,转换系数值推导出根据函数关系。高斯内核用于计算输入图像之间的相似性和目标模板来构建篮球得分视频样本集,和篮球得分的结果序列视频。基于上述计算和处理,团队的建设强度评价算法基于篮球得分频率变异系数终于完成。
3所示。实验结果分析
验证团队力量的效果和可行性评估算法基于篮球得分频率的变异系数,进行了实验分析。实验使用MATLAB设计算法。的分辨率采样的篮球得分频率变异系数是600×800像素,和模板匹配系数是0.3。根据上述模拟环境和参数设置,团队力量基于篮球得分频率变异系数的评估算法是模拟。
真正的游戏数据提供的2017 - 2018赛季NBA中国网络数据库作为本文的实验数据集,和具体数据内容如表所示1。
综合数据集被写入HBase数据库,使计算更加方便。HDFS读写文件时,程序执行速度更快。HBase数据库操作需要一个HDFS文件系统的底层支持,和HBase数据库是最基本的存储单元的HDFS文件系统操作。同时,MapReduce运行HBase数据库的编程模式在实现算法。因此,HBase数据库是一个HDFS文件系统之间的桥梁,MapReduce,这是一个三个的完美结合。在HBase数据库中创建表可以被视为一个无限的表。此表的字段可以根据需求动态添加和删除。表的列族和行键时必须声明表定义。这灵活和快速HBase数据库中的表的特性非常适合存储和研究NBA球队比赛数据。摘要地图在MapReduce函数操作过程数据键/值的形式存在,而表HBase数据库的列族是一个值和行键是关键。
根据实验的实际需要,将设立30个数据表,NBA30团队的游戏信息。游戏数据存储在这些30表将在MapReduce编程模块实现数据参与sportrank算法和网页排名算法。团队的设计内容信息表如表所示2。
表2团队信息表包含一行键和三列的家庭。Id代表团队Id,表的行键和独特的价值。你可以通过查询获取信息唯一的ID值。字段名称的列族门店团队的胜利或失败的结果。结果:1代表赢率和结果:0代表着失败。差异的差异,具有竞争力。Sr sportrank值,这是力量的价值评估。
据NBA球队之间的关系,从图形的角度来看,它可以比作一个有向图G(U,R)。的节点集u代表团队节点集,R代表游戏团队之间的关系,如图5。(1)你:所有团队组成的节点集,如图5U = {Aa、Bb、Cc, Dd}。(2)R:通过团队之间的竞争,形成一组指导双方R = {Aa⟶Bb, Aa⟶Cc, Aa⟶Dd, Bb⟶Aa、Bb⟶Dd, Dd⟶Bb, Dd⟶Cc}(3)Aa⟶Bb:它表明团队Aa失去Bb, Bb的用户Aa选票,并调用Aa Bb的追随者,Aa和Bb的领袖。(4)团队的学位:出度的定义是球队输给了其他球队的数量。例如,团队Aa的输出是3,和用户Bb的输出是2,这意味着Aa输了3场,Bb失去了两场。
根据游戏的团队之间的关系,数据模型只需要表达团队的比赛情况来确定一个完整的关系图或邻接矩阵表,如表所示3。
实验数据集表所示3用于实验。算法在文献[5),文献[6),而本文是用来比较三种算法的性能。基于上述实验准备,以团队力量评估算法为时间记录时间点和计算机评价框统计分界点和测量运行时间的方法。图6显示结果。
评估三种方法的执行时间随着数据集的数量上升,根据实验结果图6。在文献[评价算法的执行时间58年代数据集达到7,评价方法的执行时间在文献[611 s,本文评价算法的执行时间是4年代数据集达到7。因此,可以看出,在文献[评价算法的执行时间6)是最长的,在文献[评价算法的执行时间5)是第二,评价本文算法的执行时间最短的两个算法相比,具有高时效性。
保持实验环境不变,在实验数据的帧数设置为实验对象,并设置篮球进球视频。在回放过程中,团队的力量评估目标一直在评估范围内,规定评价目标评价后仍然可以锁定目标被作为一个成功的评估过程。总结和计算标记的数量目标,可以评估的三种算法。标签的数量目标成功评估表所示4。
根据实验结果见表2和图7三个算法显示,不同的团队实力评估影响篮球得分视频数据集实验准备。以显著目标实验准备阶段为实验对象,成功的平均数显著目标的评估算法在文献[5大约是14,成功的数量评估的目标是最小的。的平均数量标记目标成功的评估算法在文献[6]是23,这比在文献[5]。然而,区别标记的数量目标,本文算法在小,可以准确地评估标记目标的篮球视频,和评估效果是最好的。总结,团队力量评价算法研究了最短执行时间和更成功的评价目标,这是更适合团队力量评估基于篮球得分频率变异系数。
4所示。讨论
4.1。总结
一个表是在数据库中创建的团队力量评估算法基于分数频率变异系数。表可以看作是无限表的字段可以根据需要动态地添加或删除。表的列族和行键时必须指定表的定义。表在数据库的灵活和快速自然是理想的存储数据在NBA球队。功能操作数据的键/值,与数据库的列表的家庭价值和行键的键。研究团队实力评估算法基于篮球得分频率的变异系数可以改善的问题当前团队的执行时间长强度评价算法和少量的成功评价标记目标,提供一个理论研究方向的研究团队实力评估算法,并满足实时需求变异系数的篮球得分频率在团队力量的评估。
4.2。前景
它有一定参考价值的竞争团队实力评价方法和具体的算法实现,然而,由于时间和能力的限制,仍存在一些不足,在今后的研究中需要改进和完善。其缺陷主要如下:(1)只有一场比赛结束后可以评估当前集团的力量。如果组织的强度大大降低,因为球员的受伤或缺乏或事务在组内,但该算法不能及时被发现,就需要更多的比赛来评估集团的实力在下降。(2)评估一个团队的力量是不可能在任何竞争,当没有数据团队,团队的力量评估将的实力。只有当比赛的数量达到一定程度后,可以准确的评估。
4.3。成功的目标成就
目标成就的团队是一个重要的参数,和七种不同的数据集是用来检查该方法的可行性。目标成功是用百分比来检查的准确性医药相关球员和数据收集的数据值描述的成功率的变化团队在设计我们的算法。根据数据集1,精度86%,实现目标的成功率是97%。根据数据集2,精度为87%,和目标成就率是97.5%。根据数据集3,精度达到89%,成功率达到94.8%。每集4结果的准确性为91%,和目标成功率达到94.6%。数据的准确性5 93%,目标成功率达到94.5%。数据集6的准确性为96%,和目标成功率达到99.9%。数据的准确性7 96%,目标成功率达到98%。
5。结论
团队的胜利或击败率并不是唯一标准来判断这个团队的力量。有许多因素在决定团队的力量。因此,本文设计了一个团队的力量评估算法基于篮球得分频率的变异系数。物联网和智能设备用于收集数据。消除错误积累的方法,从篮球视频,收集级联特性创建视频转换歧视规则,认识到篮球的目标,并得到跟踪目标形状和帧信息。最后,它实现团队的目标跟踪检测使用一个评估算法基于团队的力量。评估团队的力量是基于变异系数的篮球得分频率。实证结果提出了本文表明,设计的算法的最短执行时间,更成功的评价目标在94%和97.6%之间,效率高的准确性达97%,更多的可靠性评估团队的力量。
数据可用性
数据将从作者的请求。
的利益冲突
作者宣称没有利益冲突。