我国的冰球运动随着2022年冬奥会的成功申办迎来了新的发展,冰球运动员的日常训练、实战比赛等都会产生大量的信息,如何在庞杂的信息中发现隐藏的本质,制定合理且科学的教学和训练计划,是各级教练员尤为关注的问题。本文设计了基于数据挖掘的冰球教练辅助系统,同时重点研究了离群运动员识别、运动员离群原因分析等关键技术,以实现系统对冰球运动员成绩进行高效且科学的分析。本文主要研究内容如下:(1)分析冰球教练辅助系统的需求,给出系统的总体框架和系统功能设计,对系统各模块的功能设计进行详细说明,并详细介绍系统所涉及的关键技术。(2)研究基于改进LOF的离群运动员识别算法,该算法分为获取初步离群数据集和离群数据识别两阶段。算法首先使用OPTICS聚类算法对原始数据集预处理,获取初步离群数据集。在度量数据对象之间的距离时,通过去一划分信息熵增量确定不同属性项的权重。然后针对P权值只能检测单一类型的离群数据,将其结合LOF算法的思想,用P权值替代LOF算法中的可达距离,提高离群数据检测的精确度。通过实验对算法进行验证,结果表明该算法可以提高计算局部离群因子的效率和对离群数据识别的精确度。(3)研究基于遗传算法和模糊频繁项集的运动员离群原因分析算法。针对运动员的成绩属性值为数量型,算法给出使用模糊集中的隶属函数将数量型属性模糊化的方法。为了改进由人工确定隶属函数的不足,算法采用遗传算法生成隶属函数,并通过重新定义适应度函数和根据冰球成绩特征优化隶属函数使模糊区间的划分更加合理。在挖掘频繁项集时,算法提出新的通过引入可变阈值?筛选模糊属性区域的策略,保留更多的模糊区域。实验证明,该算法可以生成区间划分更合理且更加适用于冰球成绩分析的隶属度函数,并且挖掘结果中包含了更多的模糊区域,具有更好的模糊频繁项集挖掘能力。(4)开发实现冰球教练辅助系统,实现运动员冰球比赛成绩录入及管理、教练员信息管理、访问权限管理、离群运动员识别、运动员离群原因分析、数据分析结果可视化、战术板设计等系统主要功能,给出各功能的运行界面。