[发明专利]一种基于改进的模糊C均值聚类方法的体育成绩预测方法

说明书

一种基于改进的模糊C均值聚类方法的体育成绩预测方法。步骤1，获取训练样本：采集学生的各项项目的成绩和人工评定的成绩，并根据相关标准确定各项项目的得分，其中测试项目包含：50米跑、坐位体前屈、立定跳远、引体向上(男)、仰卧起坐(女)、1000米跑(男)、800米跑(女)；步骤2，映射编码处理：将采集到的各项项目成绩进行映射编码，而后将各项成绩拼接组成特征向量；步骤3，模型离线训练：利用训练样本组成的特征向量对改进的模糊C均值聚类方法进行训练，确定各分数段的聚类中心；步骤4，模型在线打分：利用训练好的模型在线对学生成绩进行预测，并将分数实时输出。本发明可以准确的预测学生的体育成绩，具有良好的实际应用价值。

技术领域

本发明涉及学生体育成绩预测领域，特别是涉及一种基于改进的模糊C均值聚类方法的体育成绩预测方法。

背景技术

当前我国经济处于高速发展阶段，高校学生更重视物质生活，轻视身体锻炼，导致身体素质急剧下降，而体育成绩课是提升高校学生身体素质的主要途径。通过预测高校学生体育成绩，可辅助体育管理部门开设合理的体育成绩课程；还可帮助体育教师改善教学方式，制定科学合理的教育训练机制，提高高校学生身体素质。

针对体育成绩预测问题，许多学者进行了大量的研究，当前主要有两类：线性体育成绩预测方法和非线性体育成绩预测预测方法，线性建模方法主要有多元线性回归，但是只能对体育成绩的线性变化特点进行描述，导致体育成绩预测误差比较大；非线性建模方法主要有人工神经网络，人工神经网络虽然有较强的非线性建模能力，但是其易出现过拟合的体育成绩预测结果，使得体育成绩预测结果不可信。

国内涉及成绩预测的专利有“一种基于深度学习的学生成绩预测系统及其方法”(202010961528.0)，该专利包括数据管理模组和模型运作模组，所述数据管理模组包括用户信息模块和成绩信息模块，用户信息模块用以实现用户注册、用户登录和用户信息修改的功能，利用了深度学习算法来处理复杂的非线性数据，从而提高预测方法的准确率，但该专利中所述的深度学习模型的泛化性可能不足。国家发明专利“评估和预测体育成绩的混合方法”(201880087060.8)，该专利所述的系统包括接收器，其收集关于体育成绩的一个或多个方面的不确定性数据；体育成绩的确定性模型；混合处理器，其根据这些元素创建条件概率模型；以及显示器，其呈现评价或预测的成绩，但该专利的体育成绩预测考虑的因素不够多，导致预测精度得不到保证。

发明内容

为解决上述问题，本发明在模糊C均值聚类算法的基础上，提出了一种基于改进的模糊C均值聚类方法的体育成绩预测方法。为尽可能突出各项项目的测试成绩，提出了一种映射编码处理准则；同时，对模糊聚类中的欧氏距离进行了重新定义，可以更加准确有效的量化样本点与聚类中心的距离；最后，通过对不同聚类中心和改进的欧式距离的研究，提出了新的成绩预测的计算公式。为达此目的，本发明提供一种基于改进的模糊C均值聚类方法的体育成绩预测方法，具体步骤如下，其特征在于：

步骤1，获取训练样本：采集学生的各项项目的成绩和人工评定的成绩，并根据相关标准确定各项项目的得分；

步骤2，映射编码处理：将采集到的各项项目成绩进行映射编码，而后将各项成绩拼接组成特征向量；

步骤2中的成绩的编码处理准则可表述如下：

式中，x表示需要编码的成绩，x_c表示编码后的成绩，x_min和x_max分别是所有样本数据同一项目对应的最小值和最大值；

步骤3，模型离线训练：利用训练样本组成的特征向量对改进的模糊C均值聚类方法进行训练，确定各分数段的聚类中心；

步骤3中对改进的模糊C均值聚类方法进行训练的具体步骤为：