[发明专利]一种撑杆跳运动训练方法

摘要

本发明公开了一种撑杆跳运动训练方法，包括以下步骤：步骤1：获取撑杆跳过程中人体关键部位运动轨迹；步骤2：将多个运动轨迹提取特征向量；步骤3：将特征向量以及表征过杆成功与否的量合并成新的特征向量；步骤4：采用经验值估计法初始化参数NP、F、CR，随机生成初始种群；步骤5：计算隐层输出矩阵得到输出权值以及输出权值所相应的均方根误差，均方根误差作为适应度指标；步骤6：进行变异和交叉运算获得新个体；步骤7：根据迭代次数判断是否继续进行模型训练；步骤8：采用测试样本对模型进行测试，最终完成撑杆跳运动训练模型构建并使用该模型进行训练；本发明方法能快速有效找出训练问题所在，从而矫正运动员不规范的技术动作。

主权项

1.一种撑杆跳运动训练方法，其特征在于，包括以下步骤：/n步骤1：获取撑杆跳过程中人体关键部位运动轨迹；/n步骤2：将步骤1得到的多个运动轨迹提取特征向量；/n步骤3：将步骤2获得的特征向量以及表征过杆成功与否的量合并成新的特征向量，作为训练样本，得到N个训练样本，设激励函数为g(x)，最大迭代次数G_max以及隐层节点的个数L；/n步骤4：采用经验值估计法初始化正则极速学习机单隐藏层前馈神经网络中的参数NP、F、CR，参数NP指组成初始种群的个体个数，参数F是指变异操作的缩放因子，CR是交叉运算的交叉概率，CR∈[0,1]；/n随机生成初始种群，初始种群为x(t)＝{a_i,b_i}，其中a_i＝[a_i1,a_i2,…,a_in]是连接第i个隐层节点的输入权值，其中a_i向量表达式中的下标n表示每个输入样本的维数，b_i是第i个隐层节点的偏差，a_i、b_i中的下标i取值为1到L，L如步骤3中所述表示隐层节点的个数；/n步骤5：对于每个种群，计算隐层输出矩阵得到输出权值以及输出权值所相应的均方根误差，均方根误差作为适应度指标；/n步骤6：种群中的个体先进行变异得到g+1代个体v_i(g+1)，再进行交叉运算获得g+1代新个体u_i(g+1)，按照下述公式选取有竞争力的个体作为下一代种群的个体，/n /n其中，E(·)为步骤5中的适应度指标；/n步骤7：根据迭代次数判断是否继续进行模型训练，若在迭代次数范围内则重复步骤5和步骤6，直至目标完成得到撑杆跳运动训练模型，若超过设定的迭代次数范围则获得输出权值完成训练；/n步骤8：采用测试样本对步骤7获得的模型进行测试，最终完成撑杆跳运动训练模型构建并使用该模型进行训练。/n