Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural
Ano de defesa: | 2019 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | , , |
Tipo de documento: | Tese |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal do Rio de Janeiro
|
Programa de Pós-Graduação: |
Programa de Pós-Graduação em Engenharia Biomédica
|
Departamento: |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia
|
País: |
Brasil
|
Palavras-chave em Português: | |
Área do conhecimento CNPq: | |
Link de acesso: | http://hdl.handle.net/11422/13239 |
Resumo: | O objetivo do estudo foi classificar os judocas em nível nacional e regional por meio da regressão logística (RL) e rede neural multilayer perceptron (MLP) utilizando dados antropométricos e biomecânicos, bem como o special judo fitness test (SJFT). 42 atletas de judô do sexo masculino de dois níveis competitivos (28 nacionais e 14 estaduais) foram submetidos às seguintes medições e testes: (a) dobras cutâneas; (b) circunferências; (c) diâmetros ósseos; (d) estabilometria; (e) SJFT; e (f) dinamometria. Os modelos RL e MLP foram empregados para classificar os dois níveis de atletas de judô. Antes de ajustar os modelos, o método forward stepwise foi aplicado para selecionar as variáveis que produziam o maior desempenho. Para reduzir ainda mais o número de variáveis, foi realizada uma análise combinatória sobre as variáveis previamente selecionadas. Os modelos RL e MLP apresentaram área sob a curva ROC 91,0% a 96,0% e 82% a 89%, respectivamente. As três variáveis que melhor classificaram os grupos foram diâmetro do epicôndilo umeral, número de arremessos realizados no SJFT e velocidade média do centro de pressão na direção látero-lateral. Esse estudo demonstrou que a RL e a MLP podem ser utilizados para classificar judocas de nível competitivo nacional e estadual, utilizando um conjunto reduzido de variáveis antropométricas, biomecânicas e o SJFT. |
id |
UFRJ_57f8470a2a7190ef353576e4169ed9bc |
---|---|
oai_identifier_str |
oai:pantheon.ufrj.br:11422/13239 |
network_acronym_str |
UFRJ |
network_name_str |
Repositório Institucional da UFRJ |
repository_id_str |
|
spelling |
Teixeira, Felipe Guimarãeshttp://lattes.cnpq.br/3276524120558309http://lattes.cnpq.br/3648894844247661Mello, Roger Gomes Tavares dehttp://lattes.cnpq.br/9421765373399336Oliveira, Carlos Gomes deAlmeida, Renan Moritz Varnier Rodrigues deFranchini, EmersonNadal, Jurandir2020-10-14T20:07:00Z2020-10-16T03:00:09Z2019-03http://hdl.handle.net/11422/13239O objetivo do estudo foi classificar os judocas em nível nacional e regional por meio da regressão logística (RL) e rede neural multilayer perceptron (MLP) utilizando dados antropométricos e biomecânicos, bem como o special judo fitness test (SJFT). 42 atletas de judô do sexo masculino de dois níveis competitivos (28 nacionais e 14 estaduais) foram submetidos às seguintes medições e testes: (a) dobras cutâneas; (b) circunferências; (c) diâmetros ósseos; (d) estabilometria; (e) SJFT; e (f) dinamometria. Os modelos RL e MLP foram empregados para classificar os dois níveis de atletas de judô. Antes de ajustar os modelos, o método forward stepwise foi aplicado para selecionar as variáveis que produziam o maior desempenho. Para reduzir ainda mais o número de variáveis, foi realizada uma análise combinatória sobre as variáveis previamente selecionadas. Os modelos RL e MLP apresentaram área sob a curva ROC 91,0% a 96,0% e 82% a 89%, respectivamente. As três variáveis que melhor classificaram os grupos foram diâmetro do epicôndilo umeral, número de arremessos realizados no SJFT e velocidade média do centro de pressão na direção látero-lateral. Esse estudo demonstrou que a RL e a MLP podem ser utilizados para classificar judocas de nível competitivo nacional e estadual, utilizando um conjunto reduzido de variáveis antropométricas, biomecânicas e o SJFT.The present study aims to classify judo athletes in national and regional levels using logistic regression (LR) and multilayer perceptron neural network (MLP) on anthropometric and biomechanical data, as well as the special judo fitness test (SJFT). 42 competitive two level judo male athletes (28 national and 14 state level) were submitted to the following measures and tests: (a) skinfold thickness; (b) circumferences; (c) bone widths; (d) stabilometric test; (e) SJFT; and (f) dynamometry. The RL and MLP models were used to classify the two levels of judo athletes. Before adjusting the models, the forward stepwise method was used to select the variables that produced the highest performance. To further reduce the number of variables, a combinatorial analysis was performed over the variables previously selected. The RL and MLP models presented area under ROC curve 91.0% to 96.0% and 82% to 89%, respectively. The three variables that best classified the groups were epicondylar humerus width, total number of throws on the SJFT, and stabilometric mean velocity of center of pressure in mediolateral direction. This study demonstrated that LR and MLP could be used to classify judo athletes from national and state competitive levels, using a reduced set of anthropometric, biomechanical, and SJFT variables.Submitted by Moreno Barros (moreno@ct.ufrj.br) on 2020-10-14T20:07:00Z No. of bitstreams: 1 FelipeGuimaraesTeixeira.pdf: 1378371 bytes, checksum: 342bd4974130ea1e4b181a7a48c567fc (MD5)Made available in DSpace on 2020-10-14T20:07:00Z (GMT). No. of bitstreams: 1 FelipeGuimaraesTeixeira.pdf: 1378371 bytes, checksum: 342bd4974130ea1e4b181a7a48c567fc (MD5) Previous issue date: 2019-03porUniversidade Federal do Rio de JaneiroPrograma de Pós-Graduação em Engenharia BiomédicaUFRJBrasilInstituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de EngenhariaCNPQ::CIENCIAS BIOLOGICASJudôPerfil AtléticoRedes Neurais ArtificiaisRegressão LogísticaClassificação do desempenho do atleta de judô utilizando regressão logística e rede neuralinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisabertoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRJinstname:Universidade Federal do Rio de Janeiro (UFRJ)instacron:UFRJLICENSElicense.txtlicense.txttext/plain; charset=utf-81853http://pantheon.ufrj.br:80/bitstream/11422/13239/2/license.txtdd32849f2bfb22da963c3aac6e26e255MD52ORIGINALFelipeGuimaraesTeixeira.pdfFelipeGuimaraesTeixeira.pdfapplication/pdf1378371http://pantheon.ufrj.br:80/bitstream/11422/13239/1/FelipeGuimaraesTeixeira.pdf342bd4974130ea1e4b181a7a48c567fcMD5111422/132392020-10-16 00:00:09.219oai:pantheon.ufrj.br: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Repositório de PublicaçõesPUBhttp://www.pantheon.ufrj.br/oai/requestopendoar:2020-10-16T03:00:09Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ)false |
dc.title.pt_BR.fl_str_mv |
Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural |
title |
Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural |
spellingShingle |
Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural Teixeira, Felipe Guimarães CNPQ::CIENCIAS BIOLOGICAS Judô Perfil Atlético Redes Neurais Artificiais Regressão Logística |
title_short |
Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural |
title_full |
Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural |
title_fullStr |
Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural |
title_full_unstemmed |
Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural |
title_sort |
Classificação do desempenho do atleta de judô utilizando regressão logística e rede neural |
author |
Teixeira, Felipe Guimarães |
author_facet |
Teixeira, Felipe Guimarães |
author_role |
author |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3276524120558309 |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3648894844247661 |
dc.contributor.advisorCo1.none.fl_str_mv |
Mello, Roger Gomes Tavares de |
dc.contributor.advisorCo1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9421765373399336 |
dc.contributor.author.fl_str_mv |
Teixeira, Felipe Guimarães |
dc.contributor.referee1.fl_str_mv |
Oliveira, Carlos Gomes de |
dc.contributor.referee2.fl_str_mv |
Almeida, Renan Moritz Varnier Rodrigues de |
dc.contributor.referee3.fl_str_mv |
Franchini, Emerson |
dc.contributor.advisor1.fl_str_mv |
Nadal, Jurandir |
contributor_str_mv |
Oliveira, Carlos Gomes de Almeida, Renan Moritz Varnier Rodrigues de Franchini, Emerson Nadal, Jurandir |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS BIOLOGICAS |
topic |
CNPQ::CIENCIAS BIOLOGICAS Judô Perfil Atlético Redes Neurais Artificiais Regressão Logística |
dc.subject.por.fl_str_mv |
Judô Perfil Atlético Redes Neurais Artificiais Regressão Logística |
description |
O objetivo do estudo foi classificar os judocas em nível nacional e regional por meio da regressão logística (RL) e rede neural multilayer perceptron (MLP) utilizando dados antropométricos e biomecânicos, bem como o special judo fitness test (SJFT). 42 atletas de judô do sexo masculino de dois níveis competitivos (28 nacionais e 14 estaduais) foram submetidos às seguintes medições e testes: (a) dobras cutâneas; (b) circunferências; (c) diâmetros ósseos; (d) estabilometria; (e) SJFT; e (f) dinamometria. Os modelos RL e MLP foram empregados para classificar os dois níveis de atletas de judô. Antes de ajustar os modelos, o método forward stepwise foi aplicado para selecionar as variáveis que produziam o maior desempenho. Para reduzir ainda mais o número de variáveis, foi realizada uma análise combinatória sobre as variáveis previamente selecionadas. Os modelos RL e MLP apresentaram área sob a curva ROC 91,0% a 96,0% e 82% a 89%, respectivamente. As três variáveis que melhor classificaram os grupos foram diâmetro do epicôndilo umeral, número de arremessos realizados no SJFT e velocidade média do centro de pressão na direção látero-lateral. Esse estudo demonstrou que a RL e a MLP podem ser utilizados para classificar judocas de nível competitivo nacional e estadual, utilizando um conjunto reduzido de variáveis antropométricas, biomecânicas e o SJFT. |
publishDate |
2019 |
dc.date.issued.fl_str_mv |
2019-03 |
dc.date.accessioned.fl_str_mv |
2020-10-14T20:07:00Z |
dc.date.available.fl_str_mv |
2020-10-16T03:00:09Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/11422/13239 |
url |
http://hdl.handle.net/11422/13239 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Biomédica |
dc.publisher.initials.fl_str_mv |
UFRJ |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
publisher.none.fl_str_mv |
Universidade Federal do Rio de Janeiro |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRJ instname:Universidade Federal do Rio de Janeiro (UFRJ) instacron:UFRJ |
instname_str |
Universidade Federal do Rio de Janeiro (UFRJ) |
instacron_str |
UFRJ |
institution |
UFRJ |
reponame_str |
Repositório Institucional da UFRJ |
collection |
Repositório Institucional da UFRJ |
bitstream.url.fl_str_mv |
http://pantheon.ufrj.br:80/bitstream/11422/13239/2/license.txt http://pantheon.ufrj.br:80/bitstream/11422/13239/1/FelipeGuimaraesTeixeira.pdf |
bitstream.checksum.fl_str_mv |
dd32849f2bfb22da963c3aac6e26e255 342bd4974130ea1e4b181a7a48c567fc |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRJ - Universidade Federal do Rio de Janeiro (UFRJ) |
repository.mail.fl_str_mv |
|
_version_ |
1766886500007411712 |