인공지능(AI: Artificial Intelligence) 기법을 이용한 남자 테니스 선수 경기기록의 시각화
Visualization of Individual Performances in Men’s Tennis Using Artificial Intelligence Techniques
0
조회
0
다운로드
20
인용
0
참고문헌
키워드
초록
본 연구는 남자 테니스 선수의 경기력을 나타내는 방법에 있어서, 스포츠데이터 분석에 적용되지 않았던 인공지능기법을 활용하여 남자 테니스 선수의 개인 경기기록을 시각화하고자 하였다. 본 연구에서는 남자 테니스 선수 228명이 2005년부터 2010년까지 출전한 4대 그랜드슬램 대회 2,060세트에 대해서 최종 진출한 라운드(1∼7라운드)로 구분하여 Microsoft Excel 2010로 수집 및 정리하였으며, 자료의 시각화를 위하여 SOM toolbox가 적용된 Matlab 14.0 소프트웨어를 이용하여 새몬의 매핑과 자기구성지도를 설계하였다. 새몬의 매핑은 3차원으로 설계하여 적용하였으며, 자기구성지도는 [17 13] 크기로 나타났으며, 훈련을 마친 후의 양자화 오차는 1.451, 지형화 오차는 0.066으로 나타났다. 본 연구를 통하여 얻은 결론은 첫째, 새몬의 매핑은 대용량 자료의 경우에는 시각화된 자료를 해석하는데 어려움이 있었다. 둘째, 3차원 새몬의 매핑을 통하여 투영할 경우, x-y, x-z, y-z 좌표 간 비교를 통하여 자료를 재해석하는데 용이하였고, 셋째, 자기구성지도를 이용할 경우, 대용량 자료를 대표할 수 있는 뉴런을 이용하여 각 변인의 특성을 고려하여 자료처리 일련의 과정을 시각화 할 수 있었다.
Abstract
This study was to discuss between two mapping algorithm among artificial intelligence techniques using performances basing on official stats of men’s single tennis player. Totally, 2,060 sets data from 228 players from 2005 to 2010 tennis Grand slam competitions were selected and gathered into Microsoft Excel 2010. And a Matlab 14.0 version with Self-organizing map toolbox developed by Helsinki University of Technology was used to design the Sammon’s mapping and Self-organizing map projection. Sammon’s mapping techniques were designed as 3-dimensional structure and a size of the Self-organizing map was [17 13]. After the training of Self-organizing map, the quantization error was 1.451 and the topographic error was 0.066. Consequently, the results of the study was as following; Firstly, the Sammon’s mapping technique was unable to descript the details of data hardly when the size of data was huge. Secondly, 3-dimensional Sammon’s mapping technique was able to visualize data easily with x-y, x-z and y-z coordination graphs. Thirdly, using Self-organizing map brought an advantage of visualization for data process using comprehensive neurons which could apply variables’ characteristics into the results.
참고문헌 (33)
- 김기형, "Backpropagation 알고리즘을 이용한 운동역학적 자료의 스무딩(Smoothing)", 한국체육학회지, 40(4), pp.967~973 (2001)
- 김성호, "얼굴 표정 데이터의 최적의 가시화를 위한 선형 및 비선형 투영 기법의 비교 분석", 한국콘텐츠학회 논문지, 9(9), pp.97~104 (2009), 한국콘텐츠학회
- 김세형, "한국남자프로농구 경기기록 분석을 통한 승패결정요인 추정방법 비교", 한국체육과학회지, 21(3), pp.1347~1360 (2012), 한국체육과학회[DOI]
- 김주학, "축구 팀 경기력 평가를 위한 내용분석", 한국체육학회지, 46(2), pp.201~211 (2007), 한국체육학회
- 최형준, "테니스 경기결과 예측 시뮬레이터 설계를 위한 기초연구", 한국체육학회지, 48(4), pp.593~601 (2009), 한국체육학회
- 박제영, "2002-2003시즌 한국프로 농구경기의 승ㆍ패 요인 분석", 한국체육학회지, 42(5), pp.793~802 (2003), 한국체육학회
- 엄익현, "코호넨 자기조직화지도(SOM)의 통계적 활용", 박사, 통계학, pp.2003
- 윤형기, "FILA배 ’97 프로 농구 경기의 승, 패 요인 분석", 한국체육학회지, 37(1), pp.290~297 (1998)
- 이기봉, "국내 남자 테니스 단식 경기의 승패 요인과 득점 과정 분석", 한국체육학회지, 43(3), pp.903~912 (2004), 한국체육학회
- 조정환, "스포츠과학, 산업분야의 빅데이터(Big Data) 활용 전망", 체육의 날 50주년 기념 및 제 93회 전국체육대회 기념 제 50회 한국체육학회 학술발표회 논문초록집, pp.373~ (2012), 경북대학교
- 조창모, "대학야구에서 공격요인이 경기결과에 미치는 영향", 코칭능력개발지, 13(2), pp.97~102 (2011), 한국코칭능력개발원
- 최태훈, "테니스 그랜드슬램대회의 선수특성요인과 경기요인에 대한 분석연구 -정준상관 행렬도와 프로크러스티즈 분석의 응용-", 응용통계연구, 22(4), pp.855~864 (2009), 한국통계학회
- 최형준, "테니스 그랜드슬램 대회의 선수 수준별 경기력 비교", 한국체육학회지, 49(3), pp.385~393 (2010), 한국체육학회
- 최형준, "인공신경망(Artificial Neural Network)을 이용한 2005년도 영국 윔블던 테니스 대회의 경기결과 예측에 관한 연구", 한국체육학회지, 45(3), pp.459~468 (2006), 한국체육학회
- 최형준, "자기구성지도(Self-Organized Map)를 활용한 군집분석", 한국체육학회지, 46(5), pp.553~564 (2007), 한국체육학회
- 최형준, "한국 남자 국가대표 선수의 체격·체력검사 결과와 자기구성지도(Self-Organized Map)를 이용한 스포츠 종목의 군집분석 - 사례연구를 중심으로 -", 체육과학연구, 20(3), pp.486~498 (2009), 국민체육진흥공단 체육과학연구원
- 한학용, "패턴인식개론" (2009), 한빛미디어
- 홍성진, "배구 경기 공식기록을 통한 포지션별 선수 평가 방안", 한국체육측정평가학회지, 13(3), pp.89~101 (2011), 한국체육측정평가학회
- Choi, H., "The Cluster analysis of athletics’ fitness using artificial intelligent techniques", Paper presented at the The 1st Institute of Mathematical statistics Asia pacific rim meeting & 2009 conference of the Korean statistical society (2009)
- Hughes, M., "Notational Analysis of Sport" (1997), E & FN SPON
- Hughes, M., "The use of performance indicators in performance analysis", Journal of Sports Sciences, 20, pp.739~754 (2002)
- Hughes, M., "Notational Analysis of Sport; Second Edition" (2004), Routledge
- James, N., "What do performance indicators in golf tell us about scoring perforamnce?", Paper presented at the World congress of performance analysis of sport VII (2006)
- Jurgen, P., "Dynamic Simulation of Performance Development : Prediction and Optimal Scheduling", International Journal of Computer Science in Sport, 4(2), pp.28~37 (2005)
- Kohonen, T., "Self-Organization and Associative Memory" (1989), Heidelberg
- Kohonen, T., "Self-Organizing Maps; Third, extended" (2001), Springer
- Kohonen, T., "How to make large self-organizing maps for nonvectorial data", Neural Networks, 15(8-9), pp.945~952 (2002)
- Lerner, B., "On pattern classification with Sammon’s nonlinear mapping an experimental study", Pattern Recognition, 31(4), pp.371~381 (1998)
- Lu, W. E. I., "Fast clustering-based kernel Foley-Sammon transform", International Journal of Wavelets, Multiresolution & Information Processing, 7(1), pp.75~87 (2009)
- Medvedev, V., "Efficient Data Projection for Visual Analysis of Large Data Sets Using Neural Networks", Informatica, 22(4), pp.507~520 (2011)
- O’Donoghue, P., "Principal Components Analysis in the selection of Key Performance Indicators in Sport", eIJPAS, 8(3), pp.145~155 (2008)
- Sammon, J. W., "A nonlinear mapping fo data structure analysis", IEEE Transactions on Computers, 18, pp.401~409 (1969)
- Tina, P., "Performance Indicators of basketball-a study of their impact for winnings", Paper presented at the Notational Analysis of Sport IV (1998)