[发明专利]一种篮球运动员的团队价值量评估方法在审

专利信息
申请号: 201810592944.0 申请日: 2018-06-08
公开(公告)号: CN108846433A 公开(公告)日: 2018-11-20
发明(设计)人: 蔡伟鸿;杜鑫 申请(专利权)人: 汕头大学
主分类号: G06K9/62 分类号: G06K9/62;G06Q10/06
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 张泽思
地址: 515000 *** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 团队 评估 基本数据 可视化 状态转移概率矩阵 隐马尔可夫模型 初始状态概率 准确度 篮球 抽象概念 概率矩阵 观察状态 评估结果 准确率 表现 直观 门槛 配合
【说明书】:

发明公开了一种篮球运动员的团队价值量评估方法,该方法包括:获取团队中每个球员的基本数据,然后根据每个球员的基本数据,结合隐马尔可夫模型训练,分别获得每个球员对应的状态转移概率矩阵、观察状态概率矩阵和初始状态概率分布的训练值,再以此建立可视化的价值量评估结果,以评估每个球员的团队价值量。本发明技术方案能提高球员价值量评估的效率和准确率。此外,本发明技术方案提出了将表现球员价值量的参数进行可视化,更直观的表现出球员与团队的配合情况,场上选择和每回合球队进攻等抽象概念,准确度更高,操作门槛更低。

技术领域

本发明涉及计算机技术领域,尤其涉及一种篮球运动员的团队价值量评估方法。

背景技术

分析篮球运动员的行为,衡量他们的价值,对于打造一支优秀的篮球队至关重要。如果没有对一名篮球运动员进行详细评估的方法,团队经理就无法根据不同类型和价值量的运动员,制定不同的策略。对球员价值量的评估方法不仅可以为团队提供建议,并且对管理者制定策略也起着重要的作用。另外,准确全面的评估方法也能为安排战术的教练和自我训练的球员提供参考。

传统的评估方法经常使用具体的统计数据,从球员在比赛中的得分、篮板、助攻等对他的价值量做出判断。这样的方法可以对球员的状态和能力有一定的判断,但是球员在团队中的隐藏作用(如每回合对团队的有效组织)却没法评估出来,可见,传统的评估方式并不准确。因此,现有技术提出了结合图论的中心性属性来分析球员的价值量,如图1所示。图1将球员抽象成图中的顶点,把球员之间相互的联系用边和相对应的权重值来表示。它加强了对球员在团队中价值量的判断,但是它所展示的往往只能是在场上的主力球员,对板凳球员的价值量不能客观的评价。此外,这种评估方法也会漏掉运动员在赛场上的不小细节,从而降低球员价值量评估的准确性和稳定性。

发明内容

本发明实施例提出一种篮球运动员的团队价值量评估方法,克服通过单一对图论中心性来衡量球员对团队的贡献时所造成的不全面性和不准确性的问题,提高了评估的效率和准确率。

本发明实施例提供一种篮球运动员的团队价值量评估方法,包括:

获取团队中每个球员的基本数据;所述基本数据包括:球员之间相互传球的次数、球员处理球时得分或不得分的次数、以及球员作为每回合的组织者的次数;

根据每个球员的所述基本数据,结合隐马尔可夫模型训练,分别获得每个球员对应的状态转移概率矩阵、观察状态概率矩阵和初始状态概率分布的训练值;其中,所述状态转移概率矩阵由所有球员之间相互传球的频率组成;所述观察状态概率矩阵由所有球员得到不同分数的概率组成;所述初始状态概率分布由所有球员分别作为初始组织者的概率组成;

根据每个球员对应的状态转移概率矩阵、观察状态概率矩阵和初始状态概率分布的训练值,建立可视化的价值量评估结果,以评估每个球员的团队价值量。

进一步的,所述根据每个球员的所述基本数据,结合隐马尔可夫模型训练,分别获得每个球员对应的状态转移概率矩阵、观察状态概率矩阵和初始状态概率分布的训练值,具体为:

根据每个球员的所述基本数据,得出每个球员对应的状态转移概率矩阵、观察状态概率矩阵和初始状态概率分布,具体如下:

状态转移概率矩阵:

观察状态概率矩阵:

初始状态概率分布:

再利用隐马尔可夫模型进行训练,隐马尔可夫模型具体如下:

其中,O为每回合的得分;I为每回合主导比赛的球员;λ是极大化的隐马尔可夫模型参数;

训练后,分别获得每个球员对应的状态转移概率矩阵、观察状态概率矩阵和初始状态概率分布的训练值,具体如下:

状态转移概率矩阵的训练值:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于汕头大学,未经汕头大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810592944.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top