课程文献中心 更多>>

关键词： 心电图   ECG识别   卷积自动编码器   残差网络   信号预处理  

摘要： 随着物联网技术和人工智能技术的不断发展,生物识别技术面临着信息泄露的风险。心电图(ECG)信号因其活体识别的高防伪性在生物识别领域具有一定的优势。针对传统ECG识别算法不能适应多变的采集环境、识别稳定性不高以及基于深度神经网络的ECG识别算法模型参数量较大与难以实现快速响应等问题,提出一种基于卷积自动编码器(CAE)和改进式VGGNet的ECG身份识别算法。首先设计了结合小波阈值去噪和单心拍分割的预处理方法,得到干净的单周期ECG信号作为模型输入。其次构建了基于CAE的信号模态特征提取与降维处理模块,学习得到输入数据更小维度的潜在表示。最后基于VGGNet优化模型设计,进一步深入学习特征表示,得到个体识别的结果。实验结果表明,该算法在MIT-BIH Arrhythmia Database、European ST-T Database和ECG-ID等数据库的189位测试者中实现了96%以上的识别精度,其中European ST-T Database的识别精度高达99.82%,可实现准确率较高、泛化能力较强的个体身份识别。

关键词： 医学生心理健康   机器学习   主成分分析   心理健康预测   随机森林  

摘要： 目的 通过构建医学生心理健康风险预测模型,分析医学生心理健康的影响因素。方法 采用简单随机抽样的方法,对宁夏医科大学2019至2022级360名大学生心理健康进行调查;利用自适应提升(AdaBoost)、朴素贝叶斯(NB)、逻辑回归(LR)、支持向量机(SVM)、随机森林(RF)、神经网络(NN)6种机器学习算法构建心理健康风险预测模型,借助主成分分析法分析影响医学生心理健康的因素。结果 在机器学习模型中,RF算法的预测结果最好,准确率为0.76,AUC值为0.82。影响因素分析的结果显示,信息矛盾引起的认知压力、家庭关系和教育方式、理想与现实的冲突以及学习环境的压力这4个因素与医学生心理健康密切相关;主成分分析法显示压力源多元因素和生活环境因素是影响大学生心理健康的重要因素。结论 RF算法模型是最佳的预测模型,压力源多元因素和生活环境因素对医学生心理健康预测起着非常重要的作用。

关键词： 搜索算法   智能配电网   继电保护   整定优化   目标函数   万有引力搜索算法  

摘要： 为了解决智能配电网因不确定因素引起的继电保护误动问题,提出基于改进万有引力算法的智能配电网继电保护整定优化方法。将最小化所有继电器的动作时间之和作为目标,创建智能配电网继电保护整定优化模型。利用万有引力搜索算法求解该模型,并引入杂交粒子群算法改进原算法,快速得到继电保护时间整定系数和启动电流2个待整定定值的最佳组合,实现智能配电网继电保护整定优化。实验结果表明:应用该方法后,所有继电器的动作总时间由39.708 s降低至32.973 s;各故障节点的继电器主备保护时间级差均大于0.3,继电器之间的相互配合较好。

关键词： 矩阵求解   数值分析   迭代   收敛   真值  

摘要： 以进一步实现基于计算机载体的数值性矩阵求解算法改进为目标,依据矩阵方程的相关特点,基于数值分析机理展开求解算法分析。考虑矩阵传递信息的动态性与静态性,采用迭代算法的收敛定理进行过程求解,并设计关于数值性矩阵的算例实验进行算法实现的准确高效性验证,结果表明:此求解算法的求解迭代次数稳定,迭代性能表现良好;基于计算机载体的求解所需CPU耗时短,求解效率高。本求解算法针对数值性矩阵的连续性以及真值的逼近性都具有显著优势,是数值分析领域的求解算法改进型应用研究成果,具有一定的应用推广与深度研究前景。

关键词： 单线激光雷达   ICP算法   地图融合   室内建图  

摘要： 利用单线激光雷达的二维点云数据构建地图是一种常见的室内环境建图方法。对于传统的ICP算法在点云配准过程中存在初始对齐敏感而容易陷入局部最优解的问题,采用分步配准与改进的点对点ICP算法,对点云数据的匹配进行改进,有效地解决旋转角度较大或偏移距离较远时的精确匹配问题。针对单线激光雷达扫描得到的两帧点云数据,首先分别进行去噪、滤波等预处理操作,然后使用PCA粗配准算法和改进的点对点ICP算法对两帧数据进行融合。最后,通过RANSAC算法对二维点云进行分割与拟合,并完成建图。实验结果表明,该方法在保证精度的同时,能大幅提高建图的效率。

关键词： 虚拟乐器   手势识别   Kinect   欧式距离   七参数模型  

摘要： 为了降低音乐教育中部分乐器教育的设备普及难度和提升学习趣味性,研究提出了一种基于动态手势识别算法的虚拟弹奏技术。过程中通过体感周边外设获取使用者的骨骼信息,经过设备内置软件进行实时处理后输出关节运动情况,在与标准动作样本进行对比后输出动作识别结果,再建立虚拟乐器模型,利用七参数模型完成设备之间的坐标系转换。实验结果表明,研究方法在动作识别准确率测试中,在复杂背景中动作长度增加到250 ms时动作识别准确率保持在98.4%以上;在操作响应时延分析中,研究方法响应时延超过100 ms的操作数量少于总数的1%。以上结果说明研究方法具有良好的运行效率和精确性。

关键词： 农林航拍图   梯度策率   局部特征   图像配准   DISK算法  

摘要： 针对无人机的农林航拍图像配准算法存在特征点识别较少、特征点匹配不精准等问题,提出了一种改进的离散关键点(Discrete Key point,DISK)算法。该算法首先采用梯度策略DISK算法对特征点进行有效描述;其次采用基于深度学习局部特征的匹配方法进行预匹配;最后利用RANSAC算法去除离群点,筛选匹配结果。为验证算法的有效性,选取了几组农业航拍图像的数据集进行实验比较。实验结果显示,与经典的SIFT、Dark feat算法及原始的DISK算法相比,改进的DISK算法显著提高了匹配精度,匹配精度由41.7%提升至98.9%,充分满足农林航拍图的匹配需求。

关键词： 水下目标检测   深度学习   视觉自注意力模型   注意力机制  

摘要： 针对光学成像技术受到光线衰减、散射等因素影响,图像质量和目标分辨率较差,不利于开展水下目标检测任务的问题,提出了一种高效水下目标检测框架IEMAyoloViT。该框架结合了改进Vision Transformer(ViT)主干的YOLOv8算法YOLOViT和一种融合多尺度高效空间注意力机制(Efficient Multi-scale Attention,EMA)的C2f模块,以解决目标特征提取过程中注意力分散的问题。同时改进了Inner-CIoU损失函数,基于不同尺度的辅助边界加速边界框回归。实验结果表明,在全国水下机器人大赛(Underwater Robot Professional Contest,URPC)2021数据集中,IEMAyoloViT的mAP50高达83.2%,较YOLOv8高9.2%;mAP50:95较YOLOv8高1.0%,证明了IEMAyoloViT的有效性和应用潜力。

关键词： 锂离子电池   短期充电数据   容量预测   增强鲸鱼优化算法   高斯过程回归  

摘要： 为解决采用数据驱动的方法对锂离子电池容量进行预测时,难以获取完整充电数据、数据采样精度低和特征因子提取质量不佳等问题,本工作提出了一种基于短期充电数据和增强鲸鱼优化算法的锂离子电池容量预测方法。首先,为提升数据精度,利用三次样条插值对充电数据进行补充。其次,通过挖掘充电电压曲线与容量衰退之间的规律,确定特征因子为某充电时间区间的电压增量,并利用增强鲸鱼算法,从短期充电数据中实现了老化特征的有效提取。随后,构建了高斯过程回归容量预测模型,在确定训练数据量后,对比了不同算法的预测结果,验证了所构建模型的有效性。最后,将该方法在不同电池上进行测试,验证了预测精度和泛化能力。结果表明:对于实验室数据集,将前15%老化特征作为训练集时,可将该类电池最大误差控制在2.49%以内,且97%的预测误差控制在1.5%内;对于公开数据集,仅12组训练数据就能将该类电池最大误差控制在1%以内,实现了利用低精度和短期充电数据对电池容量的准确预测。

关键词： MissForest   KNN   插补法   随机森林   数据填补  

摘要： 针对当前缺少MissForest插补法与其他机器学习方法结合使用的缺失数据插补研究的现实情况,本文提出了KNN-MissFo rest插补法,在Miss Forest插补法的初始插补阶段,采用KNN插补法的计算结果进行数据填补。本研究采用UNSW-NB15流量包验证KNN-MissForest插补法效能,选择同类型的2个变量分别设置不同缺失率,验证在2个变量相互影响的条件下的插补效果实验结果表明,在绝大多数情况下,本研冗提出的KNN-MissForest插补法优于MissForest插补法。