摘要：体育舞蹈作为技术性、力量性要求明显的运动项目,专项力量训练措施的有效应用,对指导教师的课堂教学与训练有着非常重要的意义。因此,为了更好的促进体育舞蹈教学目标的达成,促进高校大学生的体育舞蹈技能、参与兴趣的提升,需要加大对高校体育舞蹈运动技术特点与力量训练措施的研究。基于此,本文分析与研究了体育舞蹈的技术特点与力量训练的措施。

摘要：针对传统力量测试和训练仪器仅局限于某一特定部位、关节力量的评定和训练，尚不能将集肌力、协调力、控制力、平衡力等融为一体，存在单一性的问题。本文结合人体运动力学的特点，引入神经系统控制理论，在分析X．O．S型力量测试和训练仪器的功能需求基础上，通过在转动测力杆两端安装弹簧，来实现对人体三维“上肢一躯干一下肢”顺位性运动控制，并根据荧屏视觉图反馈来进行力量测试和训练，由此实现了仪器的整体设计，同时，为了深化认知该仪器性能，就其在人体肘、膝关节屈伸峰力矩中的应用进行了分析，由此为相关理论研究提供有效参考。

摘要：针对体育运动数据采集的疲劳程度判断不准确问题,设计了一种数据挖掘的体育运动即时数据采集系统。首先采集人体运动时的心电和肌电生理信号,通过时域分析法分析心电和肌电生理信号的各特征指标与疲劳程度的关系,选择相关性大的指标进行特征提取;然后将提取特征输入至构建的基于LSTM神经网络的运动疲劳估计模型中进行疲劳程度分类检测。实验结果表明,传统的SVM算法的心电和肌电信号的疲劳检测准确率分别为86%和88%,提出的LSTM疲劳分类模型针对心电信号和肌电信号的疲劳检测准确率分别为96%和90%,可以看出,LSTM模型比SVM算法的疲劳检测准确率高出6%~10%,且对心电信号的检测结果浮动更小,具有更强的稳定性。由此说明,基于LSTM的疲劳分类模型能够明显提升基于运动数据对疲劳程度的检测准确性,在体育运动即时数据采集系统中进行广泛应用和推广,具备一定的可行性。

摘要：由于线上教学的教学效果受教学手段和内容的局限性,导致体育线上教学效果评价的准确性较低,为此,基于模糊K均值聚类算法设计了多指标的评价方法。首先构建体育线上教学效果多指标评价模型,划分影响体育线上教学质量的关键元素,求解指标权重,采用模糊K均值聚类法将体育线上教学效果评价指标参数进行聚类与合并,使具有非线性时间序列特性的教学能力收敛指标参变量约束处理后,得到定量递归结果,从而避免教学环境的干扰,完成高精度体育线上教学效果评价。实验结果表明,所提方法评价可以在保证体育线上教学效果高精度评价的基础上,提高运算速率。

摘要：河洛文化在我国的文明发展史中具有十分重要的地位,隋唐是其繁荣的关键期,在这一时期,河洛文化具有融合吸纳性、民族包容性、审美艺术性等特点.河洛文化中的体育文化思想尤其引人注目,它包含辩证养生的思想、天人合一的思想、人性化的思想等.

摘要：非物质文化遗产始终是中国发展过程中不可缺少的文化之一,当前我国很多非物质文化遗产特别是民俗体育在保护与传承过程中遇到了非常多的问题,保护人员的逐步减少,对民俗体育这一传统体育的了解程度不够,都导致很多民俗艺术体育项目逐步消失。随着现代化进程的逐步加快,以及西方竞技体育的强势入侵,其自身的生存环境出现了非常巨大的改变,很多珍贵的文化遗产没有办法在当前进行有效传承和保护,甚至出现了无人问津、渐渐消亡的情况。在当前社会发展中,如何对我国非物质文化遗产的民俗体育进行传承与保护,已经成为了社会迫切需要解决的问题之一。

摘要：随着学生高考人数的不断增加,全国普通高校的招生工作也不断的增加,这会为社会培养更多高素质的人才,同时也会引发一些列的问题。例如就普通高校的体育教学来说,随着学生人数的增加,体育教师有些短缺,相应的一些体育装备设施还不完善。体育教学作为双边教学活动,教师在课堂上不仅要进行系统化、理论化的基础知识的讲解,还要结合形象生动的肢体动作教导学生从而加深学生的理解记忆,从而提高学生的学习效率和自身的综合素质,来适应运用计算机多媒体的体育教学。本文通过将计算机网络技术引进体育教学体系,从而来构建更加完善的体育教学系统,从而克服传统体育教学在时间、地点等方面的限制,能够引起学生的兴趣,提高学生的学习主动性。

摘要：传统预测方法存在跟踪效果差、偏差大、预测效果不理想等问题,无法达到课堂环境噪声预测的标准,为此,以健身秧歌为例对人为环境噪声污染课堂环境进行预测分析。确定噪声污染因素,绘制噪声污染柱状图,建立预测模型,分别对区域密集型规范预测模型和广阔型导则范预测模型进行设计,由此预测噪声对不同区域学校课堂环境污染情况。设计对比实验,并进行数据分析,得出实验结论。实验结果表明,该预测模型具有预测偏差小,预测效果良好以及噪声污染源追踪准确等优势,能够较好估计噪声源位置,并对噪声影响课堂情况进行准确地分析。

摘要：为了提高体育视频类型分类的正确率,设计了基于机器学习技术的体育视频类型分类方法。首先分析当前体育视频类型分类的研究进展,介绍了机器学习技术的体育视频类型分类原理,然后提取体育视频类型分类的特征向量,并引入机器学习技术中的支持向量机构建体育视频类型的分类器,最后通过多种体育视频数据进行仿真测试。结果表明,机器学习技术克服了当前体育视频类型分类方法存在的弊端,提高了体育视频类型分类的正确率,体育视频类型分类误差要小于比对方法,获得了理想的体育视频类型的分类结果。

摘要：新时代背景下,民众的健康意识不断增强,参与健身的人越来越多,但现有的健身场地设施还相对不足,无法满足民众日益提升的健身需求。为顺应全民健身的需求,让民众有更好的健身体验,必须要加快健身场地设施的建设步伐,颁布相关政策鼓励社会力量参与建设,同时需注重不断优化健身服务,让民众可持续保持健身热情。