胡精超+王莉

摘要：本文運(yùn)用決策樹和關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法對(duì)體質(zhì)測(cè)試數(shù)據(jù)進(jìn)行研究，用SQLServer BI Dev Studio數(shù)據(jù)挖掘服務(wù)建立體質(zhì)水平與各單項(xiàng)指標(biāo)的數(shù)據(jù)挖掘模型，發(fā)現(xiàn)影響體質(zhì)水平的重要指標(biāo)。研究表明，將決策樹和關(guān)聯(lián)規(guī)則綜合運(yùn)用于體質(zhì)水平數(shù)據(jù)挖掘研究是有著顯著作用。結(jié)果顯示：影響青年人體質(zhì)的是身體爆發(fā)力，影響中年人體質(zhì)水平的是平衡能力，對(duì)老年人體質(zhì)水平影響較大的是反應(yīng)時(shí)和心肺功能。建議：為促進(jìn)國(guó)民體質(zhì)健康，應(yīng)針對(duì)不同人群、不同性別采用不同體育鍛煉方式。

關(guān)鍵詞：數(shù)據(jù)挖掘；關(guān)聯(lián)規(guī)則；決策樹；體質(zhì)測(cè)試

2016年10月25日，中共中央、國(guó)務(wù)院根據(jù)黨的十八屆五中全會(huì)戰(zhàn)略部署，印發(fā)了《“健康中國(guó)2030"規(guī)劃綱要》。推進(jìn)健康中國(guó)建設(shè)，是全面建成小康社會(huì)、基本實(shí)現(xiàn)社會(huì)主義現(xiàn)代化的重要基礎(chǔ)，是全面提升中華民族健康素質(zhì)、實(shí)現(xiàn)人民健康與經(jīng)濟(jì)社會(huì)協(xié)調(diào)發(fā)展的國(guó)家戰(zhàn)略。未來(lái)15年，是推進(jìn)健康中國(guó)建設(shè)的重要戰(zhàn)略時(shí)期，社會(huì)、經(jīng)濟(jì)、科技快速發(fā)展將為健康領(lǐng)域可持續(xù)發(fā)展提供強(qiáng)大保障。

黨和國(guó)家歷來(lái)高度重視國(guó)民的體質(zhì)健康，國(guó)民體質(zhì)是一個(gè)國(guó)家健康發(fā)展的重要保障。從2000年起每5年進(jìn)行的國(guó)民體質(zhì)測(cè)試是落實(shí)《中華人民共和國(guó)體育法》和《全民健身計(jì)劃》的重要工作。面對(duì)積累的大量的國(guó)民體質(zhì)測(cè)試數(shù)據(jù)，運(yùn)用傳統(tǒng)的處理方法，很難對(duì)體質(zhì)健康狀況進(jìn)行全面科學(xué)的評(píng)價(jià)和有效地決策。數(shù)據(jù)挖掘是在數(shù)據(jù)庫(kù)中知識(shí)發(fā)現(xiàn)重要的一部分，而知識(shí)發(fā)現(xiàn)是將未加工的數(shù)據(jù)轉(zhuǎn)換為有用的信息的過(guò)程，包括數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)預(yù)處理和挖掘后的數(shù)據(jù)分析。由于我國(guó)體質(zhì)測(cè)試數(shù)據(jù)庫(kù)積累了大量的數(shù)據(jù)，而數(shù)據(jù)挖掘工具軟件在體育領(lǐng)域的研究不夠深入，推廣還有一定難度，多數(shù)文獻(xiàn)為數(shù)據(jù)挖掘的探索研究和規(guī)模較少數(shù)據(jù)的研究。國(guó)內(nèi)許多學(xué)者根據(jù)數(shù)據(jù)挖掘的基本原理，利用數(shù)據(jù)挖掘工具對(duì)現(xiàn)有的體質(zhì)數(shù)據(jù)進(jìn)行探索，喬克滿等以上海市國(guó)民體質(zhì)監(jiān)測(cè)指標(biāo)為研究對(duì)象，應(yīng)用SQL Server 2005數(shù)據(jù)挖掘服務(wù)發(fā)現(xiàn)驗(yàn)證性規(guī)則、含有新知識(shí)的規(guī)則和看似“不合理”的規(guī)則。張崇林等用Clementine12.0數(shù)據(jù)挖掘軟件，發(fā)現(xiàn)高校教職工體質(zhì)總評(píng)與各單項(xiàng)指標(biāo)關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)對(duì)青年教職工和中年教職工體質(zhì)影響較大的單項(xiàng)指標(biāo)略有不同。數(shù)據(jù)挖掘在國(guó)民體質(zhì)測(cè)試中的運(yùn)用可見一斑。本文運(yùn)用決策樹和關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘算法對(duì)體質(zhì)測(cè)試數(shù)據(jù)進(jìn)行研究，用SQL Server BIDev Studio數(shù)據(jù)挖掘服務(wù)建立體質(zhì)水平與各單項(xiàng)指標(biāo)的數(shù)據(jù)挖掘模型，發(fā)現(xiàn)影響體質(zhì)水平的重要指標(biāo)。

1研究對(duì)象與方法

1.1研究對(duì)象

研究對(duì)象為焦作市14243名成年人（20～84歲），其中焦作市區(qū)3161人，博愛(ài)縣2052人，孟州市3870人，沁陽(yáng)市1201人，溫縣2039人，武陟縣1919人。體質(zhì)測(cè)試由焦作市體育局專業(yè)人員于2015年8～11月完成。數(shù)據(jù)來(lái)源于河南省焦作市體育局2015年對(duì)焦作市市區(qū)及下屬的沁陽(yáng)市和5個(gè)縣進(jìn)行的體質(zhì)測(cè)試。

1.2研究方法

1.2.1建立數(shù)據(jù)庫(kù)用SQL Server 2008數(shù)據(jù)庫(kù)軟件建立焦作市體質(zhì)測(cè)試數(shù)據(jù)庫(kù)，其中每個(gè)人由若干體質(zhì)測(cè)試項(xiàng)目構(gòu)成，包括姓名、性別、年齡、身高、體重、身高體重指數(shù)、肺活量、臺(tái)階指數(shù)、體前屈、單腳站立、反應(yīng)時(shí)、握力、縱跳、仰臥起坐，每個(gè)測(cè)試對(duì)象有唯一標(biāo)識(shí)符（TID）。

1.2.2數(shù)學(xué)建模實(shí)驗(yàn)通過(guò)用SQL Server 2008Business Intelligence Development Studio （BI DevStudio）和Visual Studio 2010軟件，包括數(shù)據(jù)分析服務(wù)SQL Server analysis service（SSAS），數(shù)據(jù)集成服務(wù)SQL Server Integration Services（SSIS）建立關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘模型和決策樹模型。

1.2.3頻繁項(xiàng)集和關(guān)聯(lián)規(guī)則設(shè)D是焦作市體質(zhì)測(cè)試數(shù)據(jù)庫(kù)I=I₁，I₂，…I_M}是數(shù)據(jù)庫(kù)內(nèi)各項(xiàng)的集合，事務(wù)T是非空項(xiàng)集。

同時(shí)滿足最小支持度閾值（min_sup）和最小置信度閾值（rain_conf）的規(guī)則稱為強(qiáng)規(guī)則。如果項(xiàng)集，的相對(duì)支持度滿足預(yù)定義的min_sup，則I是頻繁項(xiàng)集。

1.2.4決策樹歸納決策樹是一種類似于流程圖的樹形結(jié)構(gòu)，該方法利用信息增益尋找體質(zhì)數(shù)據(jù)庫(kù)中具有最大信息的屬性，建立決策樹的一個(gè)節(jié)點(diǎn)，每個(gè)內(nèi)部節(jié)點(diǎn)表示一個(gè)屬性上的測(cè)試，再根據(jù)該屬性的取值建立樹的分枝，每個(gè)分枝代表該樹的一個(gè)輸出，每個(gè)葉節(jié)點(diǎn)存放一個(gè)類標(biāo)號(hào)。用決策樹確定一組數(shù)據(jù)是否屬于特定的類型。從決策樹的根節(jié)點(diǎn)到葉節(jié)點(diǎn)的一條路徑就對(duì)應(yīng)著一條規(guī)則，整棵樹就對(duì)應(yīng)著一組規(guī)則。決策樹與關(guān)聯(lián)規(guī)則具有異曲同工之妙，為結(jié)合關(guān)聯(lián)規(guī)則進(jìn)行數(shù)據(jù)挖掘提供了條件。

決策樹方法應(yīng)用于國(guó)民體質(zhì)測(cè)試中的基本思路是通過(guò)決策樹方法，構(gòu)建一棵由各測(cè)試指標(biāo)的屬性值構(gòu)成的決策樹，對(duì)給定的測(cè)試指標(biāo)進(jìn)行排序，找出影響國(guó)民體質(zhì)的最重要的因素，為提高國(guó)民體質(zhì)，加強(qiáng)體育健身提供參考。

2關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘

體質(zhì)測(cè)試數(shù)據(jù)挖掘流程如圖1所示。

2.1數(shù)據(jù)預(yù)處理

國(guó)民體質(zhì)測(cè)試數(shù)據(jù)庫(kù)含有大量數(shù)據(jù)，需要數(shù)據(jù)清理清楚數(shù)據(jù)中的噪聲，糾正數(shù)據(jù)不一致。主要預(yù)處理內(nèi)容包括數(shù)據(jù)清理和數(shù)值化。經(jīng)過(guò)多年研究，我國(guó)多次執(zhí)行修改了《國(guó)民體質(zhì)測(cè)定標(biāo)準(zhǔn)》，根據(jù)這些標(biāo)準(zhǔn)對(duì)數(shù)據(jù)進(jìn)行處理滿足了數(shù)據(jù)挖掘的需要。

首先進(jìn)行數(shù)據(jù)清理。清除缺失值，識(shí)別和剔除離群值，檢查并糾正數(shù)據(jù)中的錯(cuò)誤。本文采用Da-ta Mining Add-Ins for Office 2007的數(shù)據(jù)挖掘插件，在Excel2007中對(duì)進(jìn)行瀏覽數(shù)據(jù)和清除離群數(shù)據(jù)。

其次是數(shù)值化，為了評(píng)價(jià)需要，《國(guó)民體質(zhì)測(cè)定標(biāo)準(zhǔn)》實(shí)現(xiàn)了測(cè)試數(shù)據(jù)的數(shù)值化，即將體質(zhì)測(cè)試總評(píng)結(jié)果分為優(yōu)秀、良好、合格、不合格。由于關(guān)聯(lián)規(guī)則算法不接受連續(xù)屬性，因?yàn)殛P(guān)聯(lián)規(guī)則是一個(gè)計(jì)數(shù)引擎，用于計(jì)數(shù)離散屬性狀態(tài)的相關(guān)性，因此進(jìn)行SQL Server2008進(jìn)行數(shù)據(jù)挖掘時(shí)對(duì)挖掘模型中的數(shù)據(jù)連續(xù)屬性進(jìn)行離散化，例如：各單項(xiàng)體質(zhì)測(cè)試成績(jī)均離散化為幾個(gè)組。

2.2建立數(shù)據(jù)庫(kù)

對(duì)于原始焦作市2015年14 243個(gè)測(cè)試數(shù)據(jù)進(jìn)行除燥、清洗，去除缺失數(shù)據(jù)，保留13838個(gè)測(cè)試數(shù)據(jù)，其中男性7063名，女性6775名；青年6790名，中年5301名，老年1747名。在SQL Serv-er2008數(shù)據(jù)庫(kù)軟件中創(chuàng)建體質(zhì)數(shù)據(jù)庫(kù)，按數(shù)據(jù)挖掘需要，分為青年（20～39歲）男性組、青年女性組、中年（40～59歲）男性組、中年女性組、老年（60歲以上）男性組和老年女性組，每組包括姓名、性別、年齡、身高、體重、身高體重指數(shù)、肺活量、臺(tái)階指數(shù)（青年和中年組測(cè)試項(xiàng)目）、體前屈、單腳站立、反應(yīng)時(shí)、握力、縱跳（青年組測(cè)試項(xiàng)目）、仰臥起坐（青年組測(cè)試項(xiàng)目），每個(gè)測(cè)試對(duì)象有唯一標(biāo)識(shí)符（TID）。根據(jù)《國(guó)民體質(zhì)測(cè)定標(biāo)準(zhǔn)》，對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱處理和一致處理，每個(gè)指標(biāo)包括原始測(cè)試數(shù)據(jù)、數(shù)值化數(shù)據(jù)，每個(gè)指標(biāo)還包括體質(zhì)測(cè)試總分和體質(zhì)等級(jí)。

2.3創(chuàng)建數(shù)據(jù)源

在BI Dev Studio中創(chuàng)建數(shù)據(jù)源，進(jìn)行預(yù)處理。從體質(zhì)數(shù)據(jù)庫(kù)中獲取數(shù)據(jù)創(chuàng)建數(shù)據(jù)源，實(shí)現(xiàn)數(shù)據(jù)庫(kù)與BI Dev Studio的連接，并部署到BI Dev Studio。創(chuàng)建數(shù)據(jù)源視圖（Data Source View，DSV），并添加與分析相關(guān)的事例表。

2.4創(chuàng)建模型

2.4.1創(chuàng)建決策樹挖掘模型根據(jù)數(shù)據(jù)挖掘原理和BI Dev Studio數(shù)據(jù)挖掘軟件，以體質(zhì)測(cè)試等級(jí)為輸出字段，分別選擇85%的數(shù)據(jù)建立各個(gè)組的決策樹數(shù)據(jù)挖掘模型，選擇15%的數(shù)據(jù)作為驗(yàn)證挖掘模型的數(shù)據(jù)。建立體質(zhì)測(cè)試等級(jí)的決策樹模型，研究各體質(zhì)測(cè)試指標(biāo)對(duì)體質(zhì)等級(jí)的影響程度。通過(guò)決策樹查看器查看生成的決策樹和依賴關(guān)系網(wǎng)格（如圖2、圖3所示）。通過(guò)各組決策樹依賴關(guān)系網(wǎng)絡(luò)圖得出前3個(gè)重要的分類屬性（如表1所示）。

2.4.2創(chuàng)建關(guān)聯(lián)規(guī)則挖掘模型

根據(jù)數(shù)據(jù)挖掘原理和SQL Server數(shù)據(jù)挖掘服務(wù)，以體質(zhì)測(cè)試等級(jí)為輸出字段，并確定最小支持度min_sup=0%，最小置信度min_conf=65%，建立該字段與其他輸入字段的關(guān)聯(lián)規(guī)則。建立“體質(zhì)測(cè)試等級(jí)與各單項(xiàng)指標(biāo)之間的關(guān)聯(lián)”模型，研究各體質(zhì)測(cè)試單項(xiàng)指標(biāo)對(duì)體質(zhì)總評(píng)的影響。最終通過(guò)挖掘模型查看器來(lái)查看關(guān)聯(lián)規(guī)則模型和關(guān)聯(lián)規(guī)則依賴關(guān)系網(wǎng)格圖（圖4）。

3數(shù)據(jù)挖掘結(jié)果分析

3.1挖掘結(jié)果

數(shù)據(jù)量越大，數(shù)據(jù)挖掘的知識(shí)也越多，能否發(fā)現(xiàn)其中有用的知識(shí)，還需要加以篩選。本文挖掘出了大量的關(guān)聯(lián)規(guī)則，本文結(jié)合決策樹依賴關(guān)系圖和關(guān)聯(lián)規(guī)則篩選出如表2所示的部分具有代表性的關(guān)聯(lián)規(guī)則，將有利于本研究目標(biāo)的決策支持。關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘的結(jié)果是以規(guī)則的形式表達(dá)，每一條關(guān)聯(lián)規(guī)則都有相應(yīng)的概率（列2）、重要性（列3）、規(guī)則的前件（列4和列5）、規(guī)則結(jié)果（列6）以及規(guī)則適用的對(duì)象（列7）。

本文數(shù)據(jù)挖掘的規(guī)則可分驗(yàn)證性規(guī)則和含有新知識(shí)的規(guī)則，對(duì)發(fā)現(xiàn)知識(shí)的一般規(guī)律具有重要意義，能為決策提供重要支持。

3.2規(guī)則解析

表2列舉的1～4條規(guī)則，反映了各單項(xiàng)指標(biāo)對(duì)焦作青年的總評(píng)影響。規(guī)則1表明，有66.2%的體質(zhì)總評(píng)為良好的男性，縱跳為優(yōu)秀，并且肺活量?jī)?yōu)秀（重要性為1.019002）。規(guī)則2表明，縱跳優(yōu)秀的青年男性，總評(píng)成績(jī)良好。規(guī)則3表明有95.7%的總評(píng)成績(jī)良好的青年女性，縱跳為優(yōu)秀，體前屈也為優(yōu)秀；規(guī)則4說(shuō)明有42.7%的總評(píng)成績(jī)良好的青年女性單腳站立成績(jī)優(yōu)秀。由規(guī)則1～4可以看出影響青年人身體素質(zhì)最重要的指標(biāo)是縱跳，其次重要的指標(biāo)為肺活量、體前屈、單腳站立等。即影響20～39歲青年人身體素質(zhì)的重要指標(biāo)為以縱跳分?jǐn)?shù)為代表的身體爆發(fā)力，其他比較重要的指標(biāo)為心肺功能和身體形態(tài)。

規(guī)則5～8反應(yīng)各項(xiàng)指標(biāo)對(duì)焦作中年人的總評(píng)影響。規(guī)則5、6表明影響中年男性的指標(biāo)為單腳站立、身高體重指數(shù)、肺活量等；規(guī)則7、8體現(xiàn)出來(lái)影響中年女性的重要身體素質(zhì)指標(biāo)為體前屈和肺活量，體前屈或肺活量?jī)?yōu)秀的中年女性總評(píng)為良好，可見身體柔韌性和肺活量對(duì)中年女性影響較大。影響40～59歲中年人的重要指標(biāo)為反應(yīng)人體平衡性的單腳站立，其次為心肺功能、身體形態(tài)和身體柔韌性等指標(biāo)。

規(guī)則9～12反應(yīng)各項(xiàng)指標(biāo)對(duì)焦作老年人的影響。規(guī)則9表明，體前屈優(yōu)秀的老年男性，如果反應(yīng)時(shí)優(yōu)秀，則總評(píng)成績(jī)?yōu)閮?yōu)秀。規(guī)則11可以看出，影響老年女性的重要身體素質(zhì)指標(biāo)為體前屈和身高體重指數(shù)。由此可以看出，影響老年男、女身體素質(zhì)的重要指標(biāo)為體前屈、反應(yīng)時(shí)和身高體重指數(shù)。影響60歲以上老年人的重要體質(zhì)因素為反應(yīng)時(shí)和體前屈，其他還包括身體形態(tài)和心肺功能等因素。規(guī)則10、12顯示肺活量?jī)?yōu)秀的老年人，體質(zhì)水平為合格，老年男性的概率為65%，老年女性的概率為75%，說(shuō)明老年人的肺活量不是影響體質(zhì)健康最重要的指標(biāo)。

其中：規(guī)則1、2、3、5、6、7、8、9、11為驗(yàn)證性規(guī)則，即體質(zhì)研究專家的觀點(diǎn)、論斷等得到數(shù)據(jù)支持性驗(yàn)證的規(guī)則，這類規(guī)則占了絕大部分。規(guī)則4、10、12為含有新知識(shí)的規(guī)則，即事先未知的、隱含的、潛在有用的信息和知識(shí)，這類規(guī)則較少。規(guī)則4顯示單腳站立優(yōu)秀的青年女性總評(píng)成績(jī)?yōu)榱己?，概率?2.7%，即單腳站立是反映人體健康程度的重要指標(biāo)。閉眼單腳站立是平衡能力的一種簡(jiǎn)單測(cè)試方法，用以反映平衡能力的強(qiáng)弱。時(shí)間越短，平衡力越差，身體素質(zhì)越差。閉眼單腳站立可以監(jiān)測(cè)人體的衰老程度。由國(guó)家體育總局和教育部公布的2014年國(guó)民體質(zhì)監(jiān)測(cè)的結(jié)果中，20～39歲成年女性反應(yīng)時(shí)、體重、肺活量、坐位體前屈等指標(biāo)有所增長(zhǎng)，但是閉眼單腳站立等指標(biāo)有所降低，降低幅度為8.8%。規(guī)則10和規(guī)則12顯示肺活量?jī)?yōu)秀的老年人，體質(zhì)水平為合格，說(shuō)明老年人的心肺功能不是影響其體質(zhì)的重要指標(biāo)。肺活量是一次呼吸的最大通氣量，在一定意義上可反映呼吸機(jī)能的潛在能力，健康狀況愈好的人肺活量愈大。2014年國(guó)民體質(zhì)監(jiān)測(cè)的結(jié)果中，60～69歲男性肺活量有所下降，女性肺活量有所上升。

綜合決策樹模型和關(guān)聯(lián)規(guī)則挖掘模型（表1，表2）得出結(jié)論：影響各年齡的女性的身體素質(zhì)最重要的指標(biāo)為體前屈和肺活量，影響男性的重要指標(biāo)為肺活量和身高體重指數(shù)。提高女性身體健康最重要的是加強(qiáng)身體柔韌性和肺活量的鍛煉，提高男性身體素質(zhì)主要是依靠鍛煉保持身體形態(tài)和加強(qiáng)肺活量的鍛煉。

4結(jié)論與建議

4.1結(jié)論

（1）數(shù)據(jù)挖掘適用于國(guó)民體質(zhì)研究。通過(guò)體質(zhì)測(cè)試數(shù)據(jù)的數(shù)據(jù)挖掘，發(fā)現(xiàn)一些驗(yàn)證性和含有新知識(shí)的規(guī)律，證明數(shù)據(jù)挖掘工具適用于體質(zhì)數(shù)據(jù)分析，為體質(zhì)健康領(lǐng)域服務(wù)。

（2）數(shù)據(jù)挖掘具有局限性。數(shù)據(jù)挖掘?qū)嶒?yàn)發(fā)現(xiàn)眾多規(guī)則，還需要結(jié)合理論和實(shí)踐進(jìn)行解釋。數(shù)據(jù)挖掘是發(fā)現(xiàn)知識(shí)的重要工具，但是挖掘技術(shù)無(wú)法實(shí)現(xiàn)對(duì)挖掘結(jié)果的解釋，需要專業(yè)人員結(jié)合理論和實(shí)踐研究進(jìn)行解釋，同時(shí)需要在體育專業(yè)人員和數(shù)據(jù)挖掘人員共同努力下才能完成，其在體質(zhì)研究領(lǐng)域的適用性還需提高。

（3）數(shù)據(jù)挖掘軟件的局限性。SQL Server BIDev Studio是應(yīng)用最廣泛的數(shù)據(jù)挖掘軟件，通過(guò)BIDev Studio軟件以及Office相關(guān)插件，用戶可以根據(jù)需要對(duì)數(shù)據(jù)進(jìn)行知識(shí)發(fā)現(xiàn)。通過(guò)綜合運(yùn)用各種數(shù)據(jù)挖掘模型發(fā)現(xiàn)關(guān)聯(lián)度強(qiáng)的具有實(shí)際價(jià)值的知識(shí)。但是由于SQL Server數(shù)據(jù)挖掘軟件操作復(fù)雜，步驟繁多，一般人員完全可以應(yīng)用Excel軟件結(jié)合Data Mining Add-Ins for Office插件進(jìn)行算法要求不高的數(shù)據(jù)挖掘和知識(shí)發(fā)現(xiàn)。

4.2建議

根據(jù)挖掘結(jié)果對(duì)不同人群采用不同體質(zhì)鍛煉方式。通過(guò)數(shù)據(jù)挖掘結(jié)果發(fā)現(xiàn)對(duì)青年人體質(zhì)影響較大的是身體爆發(fā)力，對(duì)中年人體質(zhì)水平影響較大的是平衡能力，對(duì)老年人體質(zhì)水平影響較大的是反應(yīng)時(shí)和體前屈?？梢葬槍?duì)不同年齡人群和不同性別采用不同的鍛煉方式進(jìn)行，例如中年女性體質(zhì)促進(jìn)可以從柔韌性和平衡能力等指標(biāo)人手，包括健身操、健步走、廣場(chǎng)舞等；青年女性鍛煉方式可以從跑步、跳繩、健身操、健步走等提高身體爆發(fā)力等方面進(jìn)行，提高男性身體素質(zhì)主要是依靠鍛煉保持身體形態(tài)和加強(qiáng)肺活量的鍛煉，包括散步、慢跑等項(xiàng)目。