基于贝叶斯分析的阶段性自主体育锻炼行为预测

发布时间：2021-11-09 15:27

　　为了提高阶段性自主体育锻炼行为分析和判断能力,提出基于贝叶斯分析的阶段性自主体育锻炼行为预测方法。构建阶段性自主体育锻炼行为预测的统计时间序列分析模型,采用大数据特征检测方法进行体育锻炼行为大数据挖掘和特征提取,基于贝叶斯分析预测思想进行行为统计特征序列的有序聚类,结合模糊C均值聚类分析方法进行体育锻炼行为预测过程中的信息聚类和属性归并,提取统计时间序列的关联规则特征量,在加权马尔可夫链中实现对阶段性自主体育锻炼行为量的准确预测。仿真结果表明,采用该方法进行阶段性自主体育锻炼行为预测的准确性较高,提高了自主体育锻炼行为的量化分析能力。 

【文章来源】：西昌学院学报(自然科学版). 2020,34(04)

【文章页数】：4 页

【部分图文】：

行为预测的结构分布图

根据图1的行为预测的结构分布，进行阶段性自主体育锻炼行为预测，得到预测的收敛值（图2）。分析图2得知，利用本文方法进行阶段性自主体育锻炼行为预测的收敛性较好，主要原因在于该方法的收敛曲线拐点较少，因此采用该方法能够得到更为准确的预测结果。测试预测精度，得到对比结果（图3）。分析图3得知，本文方法的预测精度在100次迭代过程中始终优于传统方法，说明利用该方法能够得到更为精准的阶段性自主体育锻炼行为预测结果。

分析图2得知，利用本文方法进行阶段性自主体育锻炼行为预测的收敛性较好，主要原因在于该方法的收敛曲线拐点较少，因此采用该方法能够得到更为准确的预测结果。测试预测精度，得到对比结果（图3）。分析图3得知，本文方法的预测精度在100次迭代过程中始终优于传统方法，说明利用该方法能够得到更为精准的阶段性自主体育锻炼行为预测结果。4 结语

【参考文献】：
期刊论文
[1]基于校园大数据的学生行为特征分析与预测方法[J]. 李铁波.  重庆理工大学学报(自然科学). 2019(07)
[2]一种基于卷积神经网络和贝叶斯网络的用户行为预测算法[J]. 曾蔚,吴伊萍.  安阳师范学院学报. 2019(02)
[3]基于贝叶斯推断LSSVM的枪管寿命建模与预测[J]. 孙丽娜,王应海,黄永红,丁慎平.  火炮发射与控制学报. 2018(04)
[4]基于贝叶斯模型的驾驶行为识别与预测[J]. 王新胜,卞震.  通信学报. 2018(03)
[5]基于认知行为理论的大学生体育锻炼意向与锻炼行为的关系研究[J]. 王硕.  体育世界(学术版). 2017(12)
[6]基于自我决定理论的女生课外体育锻炼动机特征及其与参与行为的关系研究[J]. 余良芬.  运动. 2017(05)
[7]基于贝叶斯网络的应急物流风险预测与控制研究[J]. 李柯,谭柱森,唐小艳.  物流科技. 2017(02)
[8]中学生运动动机与体育锻炼行为相关性研究——基于自我决定理论视角[J]. 李芋杉,王小莹.  体育研究与教育. 2016(04)
[9]大学生体育锻炼行为阶段性变化的实证研究[J]. 么广会,张龙,苏涛,潘子辉.  体育研究与教育. 2016(02)



本文编号：3485613