一种选拔和训练足球运动员的系统

技术特征：
1.一种选拔和训练足球运动员的系统，该系统包括：数据输入模块、预处理模块、预测模块、潜力评估模块、优劣势分析模块、潜力挖掘模块、输出模块；该选拔系统根据模型是否经过训练可分为两阶段：训练阶段和预测阶段；初始时系统为训练阶段，此时要求输入数据为经过量化的运动员的身高、体重、力量、传球、射门数据以及最终的专家评估结果，其中所有的输入数据除专家评估结果外既为连续的分数值或离散值，评估结果要求为离散值；在训练完成后系统可进入预测阶段，此时输入数据为除评估结果以外的其他所有项；数据输入模块接收上述输入并将数据传输给预处理模块；所述预处理模块采用0-1归一化的方法对除标签以外的数据进行归一化处理；预处理模块将预处理后的数据传输给预测模块；所述预测模块为一个随机森林分类模型；在系统训练阶段，随机森林分类模型接收来自预处理模块输出的带标签数据，系统内部设置了随机种子并采用五折交叉验证配合网格搜索参数的训练形式，对模型进行多分类的训练；其中，预测模块中的随机森林分类模型对应于不同的输入会有不同的结构参数，模型会在训练阶段自动保存下最高准确率的参数组合，在训练阶段此模块不作输出；在预测阶段，预测模块接收来自预处理模块输出的不带标签的数据以及用户输入的阈值k1,k2，通过计算每名运动的优秀概率p并根据阈值将运动员进行四分类，若p≥k2划分为足够优秀，若0.5≤p＜k2划分为优秀但有待提高，若k1≤p＜0.5则划分为不优秀但可提高，p＜k1分类为不优秀；预测模块在预测阶段将分类为足够优秀的运动员数据直接输入给输出模块，分类为优秀但有待提高的运动员对应的数据输入给优劣势分析模块，将分类为不优秀但可提高的运动员对应的数据输入给潜力评估模块，将分类为不优秀的运动员对应的数据输入给潜力挖掘模块；所述潜力评估模块在获得预测模块输出的数据后，设置参数n1，0≤n1＜n，其中n1表示用户最大可容忍运动员表现不佳的项目数，n代表运动员的测试项目总数；通过计算出该运动员最需要提高的前n1个项目，然后将该运动员在这n1个项目上的真实值替换为优秀运动员的平均水平值，再次采用预测模块对该运动员进行预测，如果预测为足够优秀，则变更该运动员为优秀但有待提高的一类，并将该结果传输给优劣势分析模块，否则，将该运动员归为不优秀一类，然后将该运动员数据传输给潜力挖掘模块；所述优劣势分析模块获得数据后，设置参数n2，0≤n2≤n，其中n2表示用户想要得到的相对重要但运动员表现不佳的项目数，采用潜力评估模块相同的方法为运动员计算出最需要提高的前n2个项目，将结果传输给输出模块，方便后续针对性训练；所述潜力挖掘模块收到数据后，根据数据计算分析出该运动员的特长项目，方便该运动员球场位置分配，若没有特长，则直接淘汰，并将该结果传输给输出模块，所述特长项目为该运动员该项目的水平高于优秀运动员的平均水平。2.如权利要求1所述的一种选拔和训练足球运动员的系统，其特征在于，所述预处理模块中所述归一化处理的具体过程为：为了对各项指标进行统计和分析，需要将数据预处理成预测模块可接收的格式。首先将优秀、良好、及格等中文离散值转换成1，2，3，4等阿拉伯数字，要求数字的大小与真实值存在相关性。为了使不同量纲的特征处于同一数量级，减少方差对特征的影响，使用0-1归一化进行特征缩放。3.如权利要求1所述的一种选拔和训练足球运动员的系统，其特征在于，所述预处理模
块中再计算每个特征的权重系数，计算方法为：首先分别使用多种方法进行特征选择，用卡方检验进行特征与标签的独立性检验，按独立性由小到大进行排序；用信息增益法计算每个特征的信息增益，按信息增益由大到小进行排序；lasso方法将此过程视为多元线性回归，每个特征都有对应的权重系数coef，它的正负值代表特征与目标值是正相关还是负相关，按照coef的绝对值从大到小进行排序；pearson相关系数法计算每个特征与目标值的相关系数，按照相关系数的绝对值从大到小进行排序；最后按照排序结果为每个特征赋予1到n的权重值，将四个排序结果的权重值进行加和再取倒数，得到每个特征的权重系数，越大代表越重要。4.如权利要求1所述的一种选拔和训练足球运动员的系统，其特征在于，预测模块中所述计算运动员优秀概率的具体过程：采用的决策树预测结果为优秀或不优秀，采用多个决策树进行预测，p的值为优秀的决策树数目在所有决策树总数中的占比。5.如权利要求1所述的一种选拔和训练足球运动员的系统，其特征在于，在潜力挖掘模块中计算运动员的特长的具体过程：首先读取预处理模块在系统训练阶段计算得到的优秀运动员平均水平向量，然后计算优秀水平向量与样本对应的特征向量的差值向量，将差值向量中所有大于0的项作为该样本的特长，即代表了此运动员整体水平不达标，但在这些特长项目上已经达到了优秀水平。6.如权利要求3所述的一种选拔和训练足球运动员的系统，其特征在于，在潜力评估以及优劣势分析模块中计算运动员最需要提高的前n个项目的具体过程：首先读取预处理模块在系统训练阶段计算得到的优秀运动员平均水平向量，然后计算优秀水平向量与样本特征向量的差值，将差值向量与特征权重值组成的特征权重向量做点积，得到结果向量；结果向量中值越大的项代表样本该运动员在此项目上表现差且该项目对最终的评判结果影响大，取前n个值最大的项目作为最需要提高的前n个项目。

技术总结
该发明公开了一种选拔和训练足球运动员的系统，属于数据处理领域。本发明收集球员的特征，根据这些特征数据对球员的各方面能力进行分类评估，得出球员的状态，找到球员需要提高的方面。在计算运动员最需要提高的项目时，不仅考虑到运动员在此项目上的表现情况，还额外考虑到此项目的相对重要性。为每个运动员寻找出最需要提高的项目是具有极大现实意义的，依此可以为每名运动员制定出一套个性化的训练方案，提高球队的整体水平。本发明可以从标签为不优秀的运动员中找出那些具有特长的运动员，依此进行强化训练或者弱项补齐可提升球队的核心竞争力；另一方面，全能型球员必然是少之又少的，通过潜力挖掘找出具有潜力的特色型球员具有很大的现实意义。型球员具有很大的现实意义。型球员具有很大的现实意义。


技术研发人员：蔡世民 曾重庆 袁晨 刘浩林 陈枭 陈明仁
受保护的技术使用者：电子科技大学
技术研发日：2022.03.03
技术公布日：2022/6/3