高校传统体育课程改革效果评估模型分析

王 莹,张玉强

(安徽农业大学 体育部,安徽 合肥 230036)

随着高校传统体育课程改革的深化,需要构建高校传统体育课程改革的量化分析模型,结合大数据信息分析方法,进行高校传统体育课程改革评估,分析高校传统体育课程改革大数据分布关联集,结合融合性区域特征匹配方法,进行高校传统体育课程改革效果评估[1],提高高校传统体育课程改革的针对性和有效性,研究高校传统体育课程改革效果评估模型,在促进高校传统体育课程改革的优化升级方面具有重要意义,相关的高校传统体育课程改革效果评估模型分析方法研究受到人们的极大关注.本文提出基于定量递归分析的高校传统体育课程改革效果评估模型.首先进行高校传统体育课程改革效果评估的大数据信息采样模型,根据高校传统体育课程改革效果评估信息的挖掘结果,然后结合模板匹配和信息聚类分析方法,进行高校传统体育课程改革效果的评估和预测.最后进行仿真测试分析,得出有效性结论.

1 信息采样和特征分析

1.1 高校传统体育课程改革效果评估统计信息采样

(1)

(2)

上式表示为高校传统体育课程改革效果评价的约束指标参量集,为一个标准的正态分布函数,ω为高校传统体育课程改革效果评估的统计特征分布的惯性权重,采用均匀信息融合的方法,进行高校传统体育课程改革效果评估的量化分析,建立高校传统体育课程改革效果评估的约束参量集RN与XN的关联分布关系为：

(3)

结自相关特征匹配方法进行高校传统体育课程改革的自适应融合调度方法,进行高校传统体育课程改革效果的优化评价和自动干预.

1.2 高校传统体育课程改革效果统计特征分析

构建高校传统体育课程改革效果评估统计信息分析模型,根据高校传统体育课程改革效果评估信息特征分布式挖掘结果,对高校传统体育课程改革效果评估数据进行自适应融合聚类,采用定量递归分析的方法,进行高校传统体育课程改革效果评价,得到改革效果统计的模糊计算式为：

(4)

其中Newi`=(ei`,1,ei`2,…,ei`D),表示高校传统体育课程改革效果评估的分布式调度集,由此构建高校传统体育课程改革效果评估的模糊关联规则调度集,采用先验概率密度分布重组的方法,进行高校传统体育课程改革效果的分段检验,检验规则为：

(5)

构建高校传统体育课程改革效果评估的大数据融合聚类分析模型,建立统计分析函数集,结合回归分析方法[4],得到高校传统体育课程改革效果评估的模糊特征序列为{xn},当i∈I,j∉I时,得到高校传统体育课程改革效果评估信息融合输出为：

(6)

高校传统体育课程改革效果评估的线性拟合式为：

(7)

其中,Xmax,Xmin分别为最大评估阈值和最小阈值.据相似度对比方法进行高校传统体育课程改革效果的自适应评估,通过量化回归分析方法进行高校传统体育课程改革效果评估过程中的特征编码,提高评估的有效性[5].

2 效果评估优化

2.1 改革效果特征分布集分析

建立高校传统体育课程改革效果的特征匹配函数,结合模板匹配和信息聚类分析方法[6],高校传统体育课程改革效果的描述性统计序列{x(t0+iΔt)},i=0,1,…,N-1,机器学习的寻优轨迹为：

X=[s1,s2,···sK]n=(xn,xn-τ,…,xn-(m-1)τ)

(8)

结合参数分析和面板参数分析的方法,进行高校传统体育课程改革效果评估的模糊参量识别[7],构建大高校传统体育课程改革效果评估的统计分析模型的表达式为：

(9)

令f(si)=(f(x1),f(x2),...,f(xn)),构建模糊子空间调度模型为P(ni)={pk|prkj=1,k=1,2,…,m},进行高校传统体育课程改革效果评估的关联调度和模糊度特征分析,根据高校传统体育课程改革效果评估的模糊特征分布集,对高校传统体育课程改革效果评估数据进行自适应挖掘[7],传统体育课程改革效果评估的更新规则如下式：

(10)

其中

(11)

(12)

2.2 高校传统体育课程改革效果评估输出

建立高校传统体育课程改革效果的特征匹配函数,结合模板匹配和信息聚类分析方法,进行高校传统体育课程改革效果的评估,结合多元回归分析方法得到高校传统体育课程改革效果评估的模糊性调度函数为：

(13)

(14)

(15)

式(15)中,Xj(t)为第t次迭代后高校传统体育课程改革效果评估的模糊规则集,构建模糊子空间调度模型进行大高校传统体育课程改革效果评估与自适应控制[9],给出高校传统体育课程改革效果评估的模糊聚敛控制函数为：

(16)

式(16)中,高校传统体育课程改革效果评估的关联规则分布函数为Mh,采用联合关联规则挖掘方法,得到高校传统体育课程改革效果评估的关联维分布有限数据集：

X={x1,x2,…,xn}⊂Rs

(17)

其中,高校传统体育课程改革效果评估统计大数据集合中含有n个样本,样本xi,i=1,2,…,n,结合SVM学习自适应学习方法进行自适应学习,得到关联特征量pq,高校传统体育课程改革效果评估的量化关系为：

(18)

建立高校传统体育课程改革效果的特征匹配函数,结合模板匹配和信息聚类分析方法,进行高校传统体育课程改革效果的评估和预测[10],得到预测函数为：

(19)

综上分析,实现高校传统体育课程改革效果优化.

3 仿真实验分析

为了验证本文方法在实现高校传统体育课程改革效果中的应用性能,进行仿真测试分析,采用SPSS 14.0统计分析软件进行体育课程改革效果评估,采用Matlab分析方法进行算法设计,得到统计分析结果见表1.

表1 高校传统体育课程改革效果评估的统计分析值

根据表1的定量分析结果,进行高校传统体育课程改革效果评估,得到大数据分布如图1所示.

以图1的数据为研究对象,对高校传统体育课程改革效果评估数据进行统计分析,得到特征提取结果如图2所示.

图1 高校传统体育课程改革效果大数据分布

图2 特征提取结果

分析图2得知,本文方法进行高校传统体育课程改革效果评估的特征匹配性较好,测试评估精度,得到对比结果如图3所示,分析图3得知,本文方法进行高校传统体育课程改革效果评估的精度较高.

图3 评估精度对比测试

4 结 语

本文提出基于定量递归分析的高校传统体育课程改革效果评估模型.高校传统体育课程改革效果评估的大数据信息采样模型,根据高校传统体育课程改革效果评估信息的挖掘结果,对高校传统体育课程改革效果评估数据进行自适应挖掘和融合聚类处理,提取高校传统体育课程改革效果特征分布集的相似度信息,根据相似度对比方法进行高校传统体育课程改革效果的自适应评估,通过量化回归分析方法进行高校传统体育课程改革效果评估过程中的特征编码,建立高校传统体育课程改革效果的特征匹配函数,结合模板匹配和信息聚类分析方法,进行高校传统体育课程改革效果的评估和预测.分析得知,采用本文方法进行高校传统体育课程改革效果评估的自适应性较好,评估预测的精度较高,收敛性较好,具有很好的应用价值.