张楠平衡木木端踺子直体后空翻依次落木运动学分析

通过运动学分析揭示了我国优秀运动员张楠完成的平衡木木端踺子直体后空翻依次落木运动学规律和技术特点,对我国运动员改进和发展此类型动作提供理论依据和技术参考.     

试析自由体操直体后空翻转体1440°

创新是体操的生命线,本文从个案跟踪、录像分析、技术特点分析,以自由体操创新项目直体后空翻转体1440°的高难度动作为依据,试述了该动作创新的基本轨迹.旨在为进一步提高安徽省自由体操项目的训练提供可借鉴的参考依据.     

探析新规则导向下世界男子单杠的发展特点

采用文献资料法、录像观察法、统计分析法对第39届和40届世界体操锦标赛男子单杠决赛运动员的比赛成套动作进行研究,分析实施新规则以来世界男子单杠的发展特点.结果表明:主流难度动作明显增加."直体后空翻两周转体720°下"仍然是当前世界男子单杠的流行性下法动作;成套动作中D组难度动作使用最多,成套难度价值的提高更多在E组和C组;飞行动作的数量增加,难度价值的提高主要在D组;发展具有0.2分连接价值的"二连接"是今后的趋势:运动员成套动作的A分普遍提高,但成套动作的完成质量却整体有所降低.     

一种基于反区分矩阵的多维关联规则挖掘方法

针对多维数据集的关联规则挖掘,提出了一种基于反区分矩阵的方法.首先由数据集同步得出区分矩阵和反区分矩阵,然后根据区分矩阵进行属性约简,再根据反区分矩阵找出约简后的频繁项集,最后给出关联规则.通过区分矩阵和反区分矩阵将属性约简和关联规则挖掘联系起来,减少了计算步骤,且算法只需扫描数据集一次,避免了繁琐的连接操作.应用实例表明该算法是一种合理有效的关联规则挖掘方法.     

女子少年体操运动员平衡木的基本难度训练

新版体操规则促使人们将追求高起评分以赢取“起跑线”上的优势作为参赛的新策略,高起评分的条件是大力发展高难度动作,尤其要抓好少儿体操运动员的基本难度训练。以女子少年体操运动员平衡木的基本难度训练为例,对其进行了理论探讨与实线总结。     

关于平衡木稳定性的研究——从动作类型看平衡木的稳定性

本文以第一届全国青少年运动会女子体操平衡木比赛的现场统计为依据,通过完成各种动作类型稳定性的比较,试分析问题所在,探讨提高平衡木稳定性的基本途径,为各级教练员、运动员的训练和比赛提供专门信息     

当前世界女子自由体操发展特点研究

本文依据2006年版竞技体操评分规则,以参加第39届和第40届世界体操锦标赛女子自由体操决赛16名运动员完成的成套动作为研究对象.对各种类型动作的难度、连接方式和使用特点进行了全面的统计,并与前几次世界体操大赛优秀运动员使用的动作进行了比较,分析了当前世界女子自由体操动作的发展特点.结果表明:D以上高难动作及连接串的使用明显增加;难度发展及连接仍然以后空翻类动作为主;前空翻类动作有明显的增加.     

伦敦奥运会女子平衡木决赛成套编排的研究与分析

采用文献资料法、专家访谈法、录像观察法及数理统计法等研究方法,以2012年伦敦奥运会女子平衡木单项决赛前8名运动员成套编排为研究对象,对成套动作的编排情况进行比较和研究,探讨我国选手在成套动作编排方面的特点及不足,并提出有针对性的训练与对策,为我国女子体操平衡木的编排提供一定的参考。     

单跳运动员团身后空翻三周结束动作运动生物力学分析

本文使用文献资料法、专家访谈法、运动解析法对第十二届全国运动会蹦床比赛男子团体决赛中单跳项目中福建队运动员杨松在完成第一套动作过程中的结束动作团身后空翻三周结束动作进行运动学分析,来探讨单跳运动员团身后空翻三周结束动作的技术动作结构以及优秀运动员的技术风格特点,为单跳项目教练员和运动员在攻克团身后空翻三周动作提供理论和实践的参考。     

平衡木旋下研究与训练

平衡木是我国竞技体操传统优势项目,在奥运会、体操世锦赛、体操世界杯以及其他洲际大赛上屡创佳绩。在当今世界高水平平衡木的竞争中,完美、高难度的下法在一定程度上起着决定性作用。近年来,由于规则的改变,成套动作由老规则的10个减为8个动作,相对的提高结束动作所占比例;另一方面,运动员在木上的动作难度的发展由于受到木宽的限制,几乎没有更多的发展空间。下法的落地是在落地垫上结束,因此发展的空间相对较大。     

无线传感器网络多目标关联覆盖

针对多目标网络覆盖中传感器节点和目标的关联关系,依据数据挖掘中的关联规则挖掘技术,设计了多目标关联覆盖算法MTACA．考虑到能量的有效性,利用关联规则挖掘方法动态地确定目标集合和传感器节点集合,通过节点集合工作状态的转换完成目标的完全覆盖,延长了网络使用寿命．同时,改进了适应区域覆盖的PEAS算法,使其适应多目标覆盖的应用．通过仿真对MTACA和改进的PEAS算法进行了性能分析．结果表明：MTACA算法和改进的PEAS算法在目标完全覆盖能力和网络使用寿命上明显优于随机部署网络;MTACA算法在目标完全覆盖能力、网络使用寿命、网络剩余能量以及节点间能量消耗均匀性上明显优于改进PEAS算法．     

基于向量矩阵优化频繁项的改进Apriori算法

针对经典Apriori算法存在多次扫描数据库及生成冗余候选项的弊端, 提出一种改进的VM_Apriori算法. 该算法采用事务数据向量矩阵与行候选向量相结合的表示方法, 运用快速排序的思想对频繁项集的项按各单项的出现频度升序重排,  以提高算法的执行效率. 实验结果表明, 改进的VM_Apriori算法能在正确挖掘关联规则的同时极大提高执行效率.     

基于关联规则与相似度的数据挖掘算法研究

针对使用传统关联规则算法挖掘大数据集时,挖掘过程中效率不高,挖掘出大量冗余规则的问题,提出了基于关联规则和相似度的数据挖掘算法(U-APR):首先,一次性读入数据并构建矩阵,并利用关联规则支持度度量的特性来增加判断属性,以加快结束迭代过程,从而改进了Apriori算法频繁扫描数据库问题;然后,使用相似度算法去除冗余的关联规则;最后,结合置信度、支持度和用户目标匹配度对挖掘结果进行排序输出,从而得到用户感兴趣的关联规则. 同时,应用该算法与目前常用的2种关联规则算法对广东某高校学生财务数据进行数据挖掘. 实验结果表明:与2种常用的关联规则算法相比,U-APR算法缩短了运算时间和提高了存储空间利用率,对用户分析挖掘结果有较好的优化效果.     

一种基于SMC和RD的隐私保护挖掘算法

针对当前的隐私保护关联规则挖掘算法在应用中存在的一些不足,如：在算法效率与计算精确度之间顾此失彼,提出了基于安全多方计算方法与随机干扰方法相结合的PPARMSR挖掘算法.该方法结合了安全多方计算方法的精确性和随机干扰方法的高效率,使用项集随机干扰矩阵同时干扰多属性,且兼顾它们的相关性,提前对候选频繁项集的剪枝,减少安全多方计算的处理量.通过试验验证了PPARMSR算法在保持隐私度的同时,还能够在计算精确度与运行效率之间实现较好的折中效果.     

挖掘关联规则Apriori算法的一种改进

本研究在对Apriori算法分析的基础上,提出了改进的Apriori算法。改进后的算法采用矩阵表示数据库,减少了扫描事物数据库的次数;利用向量运算来实现频繁项集的计数,同时及时地去掉不必要的数据,减少了数据运算,从而提高了算法的运行效率。     

一种基于关联规则的缺省规则挖掘算法

传统的基于Rough集的缺省规则挖掘算法须计算差别矩阵并生成大量的条件属性类，挖掘效率低．为此，本文引入相容关联规则和决策关联规则的概念，提出基于关联规则的缺省规则挖掘算法——DRMBAR，该算法借助FP-tree存储结构挖掘出决策关联规则，并用相容关联规则性质对决策关联规则进行有效修剪后生成相应的缺省规则,DRMBAR可有效地过滤噪声、提高缺省规则挖掘效率，且克服了传统算法依赖于主存的限制，为缺省规则的挖掘提供了一种新的框架。实验结果表明该算法是有效且可行的。     

一种基于前缀广义表的快速间接关联挖掘算法

间接关联是数据挖掘领域中一种数据项之间的关联关系,可有效地应用于市场营销及Web日志分析等领域.现有的间接关联挖掘算法采用Apriori算法框架,需挖掘出所有的频繁项目集,因而存在挖掘效率低的缺陷.为此,提出了一种基于前缀广义表的快速间接关联挖掘算法,该算法无须生成所有的频繁项目集且仅须扫描数据库2遍,可有效提高间接关联的挖掘效率.     

基于最长频繁序列挖掘的恶意代码检测

基于动态API序列挖掘的恶意代码检测方法未考虑不同类别恶意代码之间的行为差别,导致代表恶意行为的恶意序列挖掘效果不佳,其恶意代码检测效率较低.本文引入面向目标的关联挖掘技术,提出一种最长频繁序列挖掘算法,挖掘最长频繁序列作为特征用于恶意代码检测.首先,该方法提取样本文件的动态API序列并进行预处理;然后,使用最长频繁序列挖掘算法挖掘多个类别的最长频繁序列集合;最后,使用挖掘的最长频繁序列集合构造词袋模型,根据该词袋模型将样本文件的动态API序列转化为向量,使用随机森林算法构造分类器检测恶意代码.本文采用阿里云提供的数据集进行实验,恶意代码检测的准确率和AUC(Area Under Curve)值分别达到了95.6%和0.99,结果表明,本文所提出的方法能有效地检测恶意代码.     

新空翻动作的仿真与分析

本文应用多体系统动力学理论采用试验的方法,对一组高速摄影图片中的"起跳转体90°,分腿团身空翻一周"动作进行仿真研究,将运动员人体结构简化为一悬空树形结构系统的模型,它由11个环节组成的.通过仿真研究,已经揭示了实现该动作所需要的初始运动条件及运动全过程的运动生物力学特性.并对侧空翻转体运动的稳定性进行了论证,为教练、运动员实现这一新动作提供了理论依据.     

基于模糊关联迭代分区的挖掘优化方法研究

由于数据库存在数据量大、多维性的特点,传统挖掘方法在对数据进行处理时,无法构建精准的数学模型,容易出现部分信息丢失、分区过硬的问题。提出一种基于模糊关联迭代分区的挖掘优化方法,通过模糊C均值聚类算法对原始数据集进行预处理,过滤冗余数据,获取原始数据集的模糊分区;利用模糊关联挖掘算法获取感兴趣规则,实现数据的优化挖掘。实验结果表明,针对不同的数据集,改进的方法均具有很好的分区性能,且时间复杂性低,挖掘精度高。