Resumen

En el entrenamiento deportivo o de acondicionamiento físico, los movimientos no estándar afectarán el efecto del entrenamiento e incluso pueden provocar lesiones deportivas. Sin embargo, los movimientos estándar de diversas actividades deportivas requieren orientación profesional, por lo que es difícil determinar si los movimientos son estándar o no. En los últimos años, la estimación de la postura corporal se ha convertido en un tema candente en la investigación de visión por computadora. Un modelo de aprendizaje profundo puede identificar eficazmente los nodos humanos y la trayectoria de movimiento en imágenes o videos y evaluar los movimientos del cuerpo humano objetivo. Sin embargo, el proceso de movimiento generalmente está cubierto por otras personas o la situación del personal cercano, lo que conduce a la desviación del reconocimiento del movimiento del cuerpo humano y afecta la evaluación del movimiento. Por lo tanto, no es posible corregir efectivamente el movimiento incorrecto, sino que desviará a los participantes en el entrenamiento. Por lo tanto, este artículo propone un nuevo modelo de soporte de decisiones para el entrenamiento deportivo basado en reglas de asociación. Utilizamos ajustes de probabilidad posterior para revelar los pesos de la capacidad discriminativa de los elementos de atributo y establecemos el rendimiento de clasificación para reflejar los pesos de tres medidas para evaluar la contribución crediticia. Así, el ajuste del umbral de aprendizaje refleja el peso de la capacidad de toma de decisiones del entrenamiento deportivo. Además, en comparación con las reglas de asociación tradicionales, se descubren elementos de atributo, conjuntos de elementos frecuentes y reglas de clasificación que pueden mejorar el rendimiento de toma de decisiones del entrenamiento deportivo, lo que complementa las deficiencias de diferentes medidas. Finalmente, utilizando la estrategia de votación ponderada para fusionar la información de toma de decisiones de las reglas de clasificación, podemos ayudar efectivamente en el entrenamiento deportivo para que el entrenador pueda idear medidas correspondientes y realizar una gestión científica.

• Materias:Inteligencia artificial Aplicación móvil Asistencia tecnológica a personas con discapacidad Tecnología en educación
• Subjects:Artificial intelligence Mobile application Technological assistance to people with disabilities Technology in education
• Palabras claves:Deportes; Movimientos; Entrenamiento; Modelo; Estimación de la postura corporal; Modelo de apoyo a la decisión
• Keywords:Sports; Movements; Training; Model; Body pose estimation; Decision support model