تعیین هوشمند اندازه بار در آزمون وینگیت با استفاده از تکنیک های داده کاوی
<span style="font-family: BZarBold;"><strong>زمینه و هدف: </strong></span><span style="font-family: BNazanin;">آزمون وینگیت شامل 30 ثانیه تمرین فوق بیشینه روی یک دوچرخه کارسنج است که میزان </span>بار اعمال شده براساس وزن فرد تعیین می شود. اندا...
Saved in:
| Main Authors: | , , , , |
|---|---|
| Format: | Book |
| Published: |
University of Birjand,
2014-11-01T00:00:00Z.
|
| Subjects: | |
| Online Access: | Connect to this object online. |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | <span style="font-family: BZarBold;"><strong>زمینه و هدف: </strong></span><span style="font-family: BNazanin;">آزمون وینگیت شامل 30 ثانیه تمرین فوق بیشینه روی یک دوچرخه کارسنج است که میزان </span>بار اعمال شده براساس وزن فرد تعیین می شود. اندازه بار علاوه بر وزن آزمودنی به پارامترهایی از جمله سن و جنسیت نیز وابسته است. عاوه بر پارامترهای نامبرده شده، پارامتر هایی ازقبیل میزان سطح ورزشی، درصد چربی زیر پوستی و سطح مصرف دخانیات آزمودنی نیز در تعیین اندازه بار تاثیرگذار می باشند. هدف از پژوهش حاضر ارائه یک روش هوشمند با استفاده از تکنیک داده کاوی برای تعیین اندازه بار در آزمون وینگیت با توجه به تمامی <span style="font-family: BNazanin;">پارامتر های مداخله گر می باشد</span><strong><span style="font-family: BZarBold;">. روش تحقیق: </span></strong><span style="font-family: BNazanin;">آزمون وینگیت به وسیله چرخ کارسنج(مونارک 894) سه نوبت </span>روی 30 نفر داوطلب مرد ازدانشجویان دانشگاه اصفهان انجام شد. در این تحقیق از نرم افزار راپیدماینر برای تجزیه <span style="font-family: BNazanin;">و تحلیل داده ها استفاده شده است</span><strong><span style="font-family: BZarBold;">. یافته ها</span></strong><span style="font-family: BNazanin;">: براساس الگوریتم های داده کاوی ویژگی هایی که بیشترین تاثیر </span>را به ترتیب در پیش بینی میزان بار داشته اند شامل: قد، وزن، سن، ورزش، میزان چربی زیرپوستی خاصره ای و <span style="font-family: BNazanin;">میزان چربی زیر پوستی شکمی می باشد</span><strong><span style="font-family: BZarBold;">. نتیجه گیری: </span></strong><span style="font-family: BNazanin;">بر اساس نتایج به دست آمده از این تحقیق، تکنیک </span>داده کاوی توانسته است اندازه بار را چه برای داد ههای آموزشی و چه برای داد ههای آزمایشی پیش بینی کند. بنابراین با استفاده از تکنیک مورد نظر می توان اندازه بار را برای افراد بطور دقیق پیش بینی کرد. نرم افزار حاصل از این تحقیق درحال ویرایش نهایی برای ارائه به بازار است. |
|---|---|
| Item Description: | 2383-0182 2538-4694 10.22077/jpsbs.2014.22 |