融合呼吸信号和运动信号的人体行为识别方法

人体行为识别技术在许多领域都有广泛的运用,但是目前基于仍然存在传感器类型单一,适用场景有限,捕捉人体活动时特征不足的问题。本文提出了一种可穿戴的多模块传感器的人体行为识别方案,使用惯性传感器和拉伸应变传感器。拉伸应变传感器穿戴于胸前,能够有效的捕捉到不同行为下的人体呼吸信号。同时,本文使用了多尺度的一维卷积神经网络,能够有效的提取传感器数据的特征。实验结果表明,在本文提出的7种活动中,多尺度一维卷积神经网络达到了96.89%的识别率,说明了本文所提出的方法能够很好地用于人体行为识别任务之中。

Z24经口染毒大鼠尿液的核磁共振谱代谢组学研究

目的 研究Z2 4染毒大鼠尿液代谢组学的改变及其与组织病理和血液生化指标的相关性 ,探讨代谢组学在药物毒性早期筛选中的应用。方法Wistar大鼠连续经口给予Z2 4 6 0 ,130及 2 0 0mg·kg- 1,连续 5d后收集 2 4h尿液 ,测定核磁共振([1H]NMR)谱 ,并进行血浆生化指标测定和肝脏组织病理学检查。结果 Z2 4 2 0 0mg·kg- 1组大鼠血浆谷丙转氨酶、谷草转氨酶和总胆红素分别升高14 8% ,14 0 %和 110 % ;130和 2 0 0mg·kg- 1组均有不同程度的肝脏炎症和坏死。 [1H]NMR谱主成分分析发现各组在不同染毒条件下的代谢状态可相互区分 ,与肝脏病理和血浆生化改变相一致。结论 大鼠尿液 [1H]NMR代谢谱与Z2 4毒性作用强度密切相关 ,代谢组学分析是一种有良好发展前景的体内药物毒性早期筛选的方法。

100Mbit/s以太网卡芯片设计与静态时序分析

介绍了 10 0Mbit/s以太网卡控制芯片设计体系结构 ,提出在该芯片设计流程中采用静态时序分析对设计进行门级验证 .该设计的门级验证结果表明采用静态时序分析提高了该网卡芯片设计中时序设计的准确性 ,提高了验证效率 。

基于四元数的彩色人脸识别

为充分挖掘人脸模式样本之间的鉴别信息、强化不同样本之间的区分性,以利于增强识别系统鲁棒性、提高人脸正确识别率,提出一种新颖的基于四元数的彩色人脸识别算法.将定义于实数域的PCA方法以及Fisher鉴别分析法向四元数体作合理推广,得到定义于体上的广义主成分分析方法及广义线性鉴别分析法,将这2种方法用于彩色人脸识别,从而得到全新的识别算法.该算法巧妙地将彩色像素的R、G、B 3个分量结合在一起,从数学上有机融合具有丰富鉴别信息的肤色成分以及反映人脸轮廓形状信息的灰度成分,较传统仅利用灰度信息的识别方法,具有更稳定的性能以及更高的正确识别率.提出的关于共轭四元数矩阵正交特征矢量集的获取方法,数学上有详细的推导证明,该方法在理论上合理,同时在自己建立的彩色人脸库上进行的实验表明,该方法可行且实用.

铁谱图像分析技术的应用研究

本文将计算机图像处理技术应用于铁谱定量分析,对谱片中各单个磨粒的特征参数进行统计,并根据统计模式识别理论设计了4类典型磨粒的分类器。利用统计参数,可以实现磨粒的自动识别分类和统计,大大提高了铁谱定量分析的准确性。

突发公共卫生事件下的人口流动模式变化识别

根据中国与美国两大湾区的高时空分辨率人口移动大数据,首先构建移动变化指数、距离变化指数和波动变化指数3个评价指标,剖析突发公共卫生事件下中国粤港澳大湾区与美国旧金山湾区的人口移动差异特征。然后,利用奇异值分解算法识别出两大湾区的人口流动内在结构和流动模式。分析发现:(1)在人口流动管控维度上,粤港澳大湾区整体表现优于旧金山湾区,大流行期间人口移动量下降幅度更大,每日移动量波动更加平稳,平均出行距离更短。(2)粤港澳大湾区人口流动模式主要受春节假期与公共卫生政策双重影响,从中识别出日常出行模式、返乡出行模式和返程复工模式。旧金山湾区人口流动模式呈现强规律性(包括日常出行模式、工作日出行模式与周末出行模式),公共卫生政策对其影响并不深刻。量化突发公共卫生事件管控措施下中美两大湾区人口流动指标与模式的定量改变,对评估防疫措施有效性和确定有针对性的防疫干预措施至关重要,还可为未来各类突发性公共卫生事件的防控措施制定提供重要指标与经验参考。

基于可公度和灰关联模式识别法的鲁台子、蚌埠站中长期洪水预报

选取淮河流域典型站点鲁台子站和蚌埠站为研究对象,基于站点1956-2010年的年径流总量、主汛期(6-8月)径流总量、年最大洪峰资料,采用可公度预测法和灰关联模式识别法对站点进行中长期洪水预报研究.结果表明:可公度预测法成功地模拟出了淮河流域2007年洪水的发生;灰关联模式识别法对鲁台子站和蚌埠站检验期的中长期洪水模拟合格率最高达100%,效果比较理想.以上两种方法在中长期预报中均具有一定的参考价值.

基于面部检测和深度神经网络的面部情绪自动识别算法

面部情绪识别已成为可见光人脸识别应用的重要部分,是光学模式识别研究中最重要的领域之一。为了进一步实现可见光条件下面部情绪的自动识别,本文结合Viola-Jones、自适应直方图均衡(AHE)、离散小波变换(DWT)和深度卷积神经网络(CNN),提出了一种面部情绪自动识别算法。该算法使用Viola-Jones定位脸部和五官﹐使用自适应直方图均衡增强面部图像,使用DWT完成面部特征提取﹔最后,提取的特征直接用于深度卷积神经网络训练﹐以实现面部情绪自动识别。仿真实验分别在CK+数据库和可见光人脸图像中进行,在CK+数据集上收获了97%的平均准确率,在可见光人脸图像测试中也获得了95%的平均准确率。实验结果表明,针对不同的面部五官和情绪,本文算法能够对可见光面部特征进行准确定位﹐对可见光图像信息进行均衡处理,对情绪类别进行自动识别,并且能够满足同框下多类面部情绪同时识别的需求,有着较高的识别率和鲁棒性。

fBm纹理分析模型及其在岩性识别中的应用

遥感影像的模式识别，始终是遥感应用领域中的重要基础课题。在自视解译中，岩性的判读，不仅仅根据其影像色调，更主要的依据是其纹理结构的特征等。传统的纹理分析方法大多是基于统计学特征，在空间域或频率域里进行。１９６８年，Ｍａｎｄｅｌｂｒｏｔ首次提出分数布朗运动这个概念，并在后来的分形学理论中指出：自然界中的许多事件或过程可用分数布郎运动（ｆＢｍ）模型来描述。基于这一理论，本文建立了一套用ｆＢｍ模型分析影像纹理的方法，并在所选实验区（贵阳幅ＭＳＳ影像第六波段的右下角部分）内分别用等混合距离法和最大似然法进行了岩性纹理分类，取得了比较满意的结果，影像中碳酸盐岩、碎屑粘土岩及二者的互层岩等三种主委影像岩石类型基本被识别开来。但ｆＢｍ模型是个长相关模型，它对于纹理的低频特性反应比较灵敏，而对纹理的高频频率特征却不能很好地提取。因而，它比较适合于在地形起伏平缓，岩石地貌类型发育较好，影像纹理均一的地区进行岩石类型分类。