冰球赛况预测系统的研究与实现

发布时间：2021-12-17 21:18

　　随着2022年北京冬季奥运会的成功申办,球迷对冰球比赛的关注度大幅提升,对冰球赛况的预测分析方法也越来越多。在信息化快速发展的今天,冰球比赛数据的数据量和数据维度持续爆发式增长,数据规模和特征维数的增加给赛况预测研究提供了新的挑战。目前传统预测算法已经无法满足冰球赛况预测的需要,而研究发现,支持向量机（SVM）为分类预测问题提供了很好的解决思路,在处理非线性和高维数据的分类问题方面具有明显的优势。然而已有的支持向量机方法对于大规模高维数据的分类预测不能满足冰球赛况预测的需求。因此,本文针对基于支持向量机的预测模型的输入特征选择和参数优化方法,进行了深入研究,并根据冰球赛况预测模型的实际需求,设计并实现了冰球赛况预测系统原型。本文主要工作如下:（1）针对冰球数据的规模和维度较大导致支持向量机在高维空间计算复杂度较高的问题,有效的解决思路是从高维数据的众多候选特征中挑选出少量且与类别相关性较高的特征子集,并去除无关和冗余的特征。本文利用稀疏分数及类别与特征的相关性,研究基于稀疏分数和相关性分析的特征选择（ISSFS）算法,对模型的输入特征进行降维预处理,即通过计算数据集中每个特征的稀疏分数... 

【文章来源】：南京航空航天大学江苏省 211工程院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

Iris 数据集结果图

图 3.3 Wine 数据集结果图显示的是Wine数据集在五种特征选择算法分别结合支持向量机分类器的个数变化的折线图。从图中可以看出，当 Wine 数据集的特征个数小于择算法是 VSFS 算法。在数据集特征个数超过 4 时，五种特征选择算法确率均达到 85 以上。同时，当特征个数为 10 时，前三种特征选择算法

图 3.4 Heart 数据集结果图显示的是Heart数据集在五种特征选择算法结合支持向量机分类器的预测变化的折线图。从图中可以看出，当特征个数为 10 左右时，五种特征选到最高；当特征个数为 6 时，SSFS 算法预测准确率达到最高；当特征个预测准确率达到最高。

【参考文献】：
期刊论文
[1]基于盘口数据的足球赛事结果预测[J]. 敖希琴,龚玉杰,李建.  重庆工商大学学报(自然科学版). 2016(06)
[2]基于支持向量机的NBA季后赛预测方法[J]. 曾磐,朱安民.  深圳大学学报(理工版). 2016(01)
[3]基于蝙蝠算法的支持向量机参数优化[J]. 魏峻.  宝鸡文理学院学报(自然科学版). 2015(03)
[4]基于决策树C4.5算法的足球赛事预测[J]. 闵芳,杨功廷,张昱.  科技和产业. 2014(06)
[5]基于Logistic回归分析模型的足球彩票预测方法[J]. 吴兴群.  科技资讯. 2013(19)
[6]影响高水平男子足球比赛胜负因素的多元统计应用研究[J]. 钟建明,贾宏,杨小红.  广州体育学院学报. 2012(03)
[7]基于遗传算法的SVM参数组合优化[J]. 刘鲭洁,陈桂明,刘小方,杨庆.  计算机应用与软件. 2012(04)
[8]模糊综合评价预测足球比赛胜平负关系的应用性研究[J]. 曹科枢.  体育世界(学术版). 2011(07)
[9]基于蚁群算法的支持向量机参数选择方法研究[J]. 庄严,白振林,许云峰.  计算机仿真. 2011(05)
[10]浅谈青少年冰球守门员基本技术的重要性[J]. 耿毅,孙鹏.  才智. 2011(05)

硕士论文
[1]BP神经网络在足球比赛胜负预测中的应用研究[D]. 夏飞.重庆师范大学 2017
[2]基于支持向量机的帆船运动速度预测[D]. 高慧.复旦大学 2014
[3]基于证据理论的足球比赛结果预测方法[D]. 杨彦超.云南大学 2012



本文编号：3540962