期刊文章详细信息
SOM和PCA对体质健康数据的模式识别及可视化分析——以学生体质地域特征为视角
Pattern Recognition and Visualization of Physical Fitness Data using SOM and PCA: Based on Geographical Features Perspective of Student Fitness
文献类型:期刊文章
机构地区:[1]山西大学体育学院,山西太原030006 [2]山西大学体育科学研究所,山西太原030006
基 金:国家自然科学基金项目(项目编号:41401020);山西省软科学研究计划项目(项目编号:2015041026-4);山西省高等学校创新人才支持计划资助
年 份:2015
卷 号:30
期 号:4
起止页码:282-287
语 种:中文
收录情况:BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSSCI、CSSCI2014_2016、JST、NSSD、RCCSE、RWSKHX、ZGKJHX、核心刊
摘 要:随着国家学生体质健康数据量的剧增,体质健康的大数据分析及可视化成为体质研究的重要内容。自组织特征映射网络(Self-Organizing Map,SOM)方法和主成分分析(Principal Component Analysis,PCA)法对处理高维海量数据具有独特优势及可视化特点,从而成为大数据模式识别和可视化分析的重要工具。以山西某高校6 531名学生体质健康数据为例,以学生体质地域差异为视角,用SOM方法定性识别了学生体质健康的地域特征,用可视化PCA方法分析学生体质健康的影响因子及解释因子的地域特征。结论:SOM和PCA方法可用于体质健康数据模式识别和可视化分析。SOM和PCA的实例分析揭示了学生体质的地域特征,分析显示,体重和BMI指标具有地域一致性,是影响学生体质健康的最重要因素,也是学生体质健康现状的主要解释变量;女生体质健康的地域差异相对较大,男生体质健康的地域差异较小;可视化PCA结果还揭示了,学生体质健康指标的聚类特征也具有地域一致性。文章从实证角度论证了SOM和PCA方法在体质健康数据模式识别和可视化分析中的应用,也为体质类大数据分析提供了初步思路。
关 键 词:自组织特征映射网络 主成分分析 模式识别 数据可视化 体质健康 地域特征
分 类 号:G80-3]
参考文献:
正在载入数据...
二级参考文献:
正在载入数据...
耦合文献:
正在载入数据...
引证文献:
正在载入数据...
二级引证文献:
正在载入数据...
同被引文献:
正在载入数据...