基于CenterNet的跑步姿态鉴别系统的设计

为了改善目前大众跑步姿势普遍不规范的现状,提出了一种基于CenterNet的跑步姿态鉴别系统。首先,通过截图、拍照的方式自制数据集,并对数据集进行清洗、标注和分析,消除数据无关信息与简化数据。其次,引入多尺度通道注意力机制与添加十字星变形卷积2种方式改进CenterNet算法模型,将动作图像转化为数字信息和特征向量,并以此为基础,利用KNN(K-nearest neighbors)算法对跑步姿态类型进行分类。最后,与经典模型方案进行对比,验证改进CenterNet算法鉴别系统的有效性。结果表明:改进的CenterNet模型的精确率与召回率都有所提升,其参数量与计算量降低。所提算法模型能够对大多数不良姿势作出及时、准确反馈,有效帮助跑步爱好者发现问题,从而改善跑步姿态、提高运动效率、预防伤病。

基于改进YOLOv5的驾驶员疲劳状态检测

为了减少因疲劳驾驶而造成的意外交通事故,提出了一种基于改进的YOLOv5网络模型,对驾驶员的疲劳状态进行检测。首先,使用轻量型网络MobileNetV3替换原YOLOv5主干网络;其次,在颈部网络各个C3模块中融入ECA注意力机制;最后,通过检测网络对眼睛的开合度和嘴巴有无打哈的状态进行定位和识别,使用多指标对驾驶员进行疲劳判定,并自建疲劳检测数据集进行实验。结果表明:改进的YOLOv5模型参数量、计算量、体积分别减小至原模型的48%、38%、50%,解决了原模型参数量、计算量、体积过大的问题;mAP值由98.6%提升至99.1%,精确率由95.9%提升至96.8%,检测速率由115 f/s提升至119 f/s,进一步提高了模型的检测精度和检测速度。改进的YOLOv5模型具备轻量化、高精度、高速率的特点,可为疲劳驾驶预警提供参考。

人体静电电位信号数据对齐方法研究

针对多传感器检测系统相关试验中存在的多个传感器在数据采集过程中数据读取时间不同步以及采样频率不统一,导致数据对齐存在偏差,无法进行精确解算的问题,以人体静电电位信号采集试验的数据对齐操作为例,通过函数计算、波形分析、特征点提取等方法对3组不同传感器数据进行滤波清洗和对齐处理。结果表明,上述方法能够得到有效数据的起始点和终止点,解决数据采集过程中读取不同步的问题,提高了多传感器数据的对齐精度,为试验后续信号的识别提供更加准确的数据支持。所设计的数据对齐方法可应用于静电检测、运动健康、行为识别等具有多个传感器的数据采集系统中,为系统数据的对齐处理提供了有效的理论参考与方法依据。

推荐系统研究综述

随着互联网技术的快速发展,如何对海量网络信息进行挖掘分析,已成为热点和难点问题。推荐系统能够帮助用户在没有明确需求或者信息量巨大时解决信息过载的问题,为用户提供精准、快速的业务(如商品、项目、服务等)信息,成为近年来产业界和学术界共同的兴趣点和研究热点,但是,目前数据的种类多种多样并且应用场景广泛,在面对这种情况时,推荐系统也会遇到冷启动、稀疏矩阵等挑战。深度学习是机器学习的一个重要研究领域和分支,近年来发展迅猛。研究人员使用深度学习方法,在语音识别、图像处理、自然语言处理等领域都取得了很大的突破与成就。目前,深度学习在推荐领域也得到了许多研究人员的青睐,成为推荐领域的一个新方向。推荐方法中融合深度学习技术,可以有效解决传统推荐系统中冷启动、稀疏矩阵等问题,提高推荐系统的性能和推荐精度。文中主要对传统的推荐方法和当前深度学习技术中神经网络在推荐方法上的应用进行了归纳,其中传统推荐方法主要分为以下3类:1)基于内容推荐方法主要依据用户与项目之间的特征信息,用户之间的联系不会影响推荐结果,所以不存在冷启动和稀疏矩阵的问题,但是基于内容推荐的结果新颖程度低并且面临特征提取的问题。2)协同过滤推荐方法是目前应用最为广泛的一种方法,不需要有关用户或项目的信息,只基于用户和诸如点击、浏览和评级等项目的交互信息做出准确的推荐。虽然该方法简单有效但是会出现稀疏矩阵和冷启动的问题。3)混合推荐方法融合了前2种传统推荐方法的特点,能取得很好的推荐效果,但在处理文本、图像等多源异构辅助信息时仍面临一些挑战与困难。依据神经网络基于深度学习的推荐方法主要分为4类:基于深度神经网络(DNN)的推荐方法、基于卷积神经网络(CNN)的推荐方法、基于循环神经网络(RNN)和长短期记忆神经网络(LSTM)的推荐方法、基于图神经网络(GNN)的推荐方法、将深度学习技术融入到推荐领域,构造的模型具有以下优势:具有较强的表征能力,可以直接从内容中提取用户和项目特征;具有较强的抗噪能力,可以轻易地处理含有噪声的数据;可以对动态或者序列数据进行建模;可以更加精准地学习用户或项目特征;便于对数据进行统一处理,并且可以处理大规模数据。将深度学习技术应用到推荐领域,可以积极有效地应对传统推荐方法面临的挑战,提高推荐效果。

异质网络社区发现方法研究综述

社区结构是复杂网络研究中的重要领域,也是复杂网络的重要特征之一,发现网络中的社区结构在理解网络功能方面起着重要作用。通过对国内外异质网络社区发现文献进行深入研究,较为全面地对现有异质网络社区发现算法进行了归纳总结。首先,通过对国内外异质网络社区发现文献进行归纳,给出异质网络社区发现的基本概述,明确异质网络社区发现领域相关问题的基本定义。其次,介绍了异质网络社区发现算法及主要评价指标,利用不同网络结构以及算法对现有方法进行分类概述。最后,对异质网络社区发现算法的发展趋势进行了总结与展望,提出未来可以将研究重点集中在以下几个方面:1)探索基于异质网络的社区发现评价标准,以推动该领域的快速发展;2)设计更加通用的算法模型,解决由先验知识引起的未知社区数量问题;3)开展更多关于动态网络的研究。

开关电源的电磁兼容性设计

对开关电源的电磁干扰波形进行了分析,建立造成共模干扰、串模干扰的电路模型, 然后提出了具体解决方案:利用单级或双级EMI滤波器滤除共模干扰和串模干扰,并介绍了选择EMI滤波器中元器件的方法.实验表明: 利用简易的EMI滤波器可将电磁干扰衰减40 dBμV;使用改进后的EMI滤波器,能将电磁干扰衰减50～70 dBμV.

通用试题库的设计

本文介绍一种基于Ｖｉｓｕａｌ Ｂａｓｉｃ ５． ０平台开发的适用于各类课程的通用试题库软件设计方法，用于实现试题输入、查询及试卷的生成、编辑、打印功能，在最大程度上合理地满足出题者的各项要求，使生成的试卷合理化、规范化、科学化。

基于k-means与Apriori算法的食物营养成分分析

营养作为人类生活的必要前提,大量患有某种疾病患者或由于工作职业原因对不同营养成分需求各不一致,发现不同食物种类营养成分及含量间的关系具有较强的应用价值。由于各类食物类别所含食物数量不同,针对Apriori算法通过支持度和置信度来衡量关联规则的特点,为克服各类食物数量不一致容易对挖掘结果产生不良影响,设计了一种通过k-means与Apriori算法对多种食物的营养成分及含量的挖掘与分析的方法。首先根据不同食物营养成分含量采用k-means聚类算法进行聚类,将食物数据集划分出了多个互不相交的"簇",再在各"簇"内通过Apriori算法实现食物营养成分含量之间的关联规则挖掘,其结果表明使用该方法经过聚类后的同一簇内食物营养成分关联程度明显优于直接在数据集中使用Apriori算法进行挖掘,为各类人群的合理膳食及饮食健康提供了重要的参考依据。

BP神经网络误差修正模型的S&P500指数预测

为克服BP神经网络在预测模型构建过程中容易陷入"局部最优"以及隐含层数目等参数选择不当容易造成"过拟合"或"欠拟合"等问题,基于支持向量机(SVM)构建了一种BP神经网络误差修正模型。首先通过神经网络实现对S&P500指数的预测,然后通过支持向量机构建S&P500指数涨幅情况预测模型,基于神经网络与支持向量机的两种预测结果构造S&500指数预测误差修正模型,实现对BP神经网络预测误差的修正。实验结果表明,在本文数据集下所构建的修正模型预测准确率明显优于BP神经网络。

基于异型网的数据通信和共享

本文主要介绍基于 Unix- Windows异型网环境下点对点通信的一种方法 ,通过它可以实现 Unix服务器、终端与 Windows工作站及 Windows NT服务器间点对点通信。此外还介绍了一种在 Unix- Net Ware- Windows- Windows NT- L ANMAN工作站异型网环境下文件资源共享方法。通过它可实现 Windows工作站及 Windows NT服务器及 L ANMN工作站对 Unix文件服务器及Novell文件服务器的资源共享。

浅谈IDL在气象中的应用

介绍IDL作为气象数据分析、可视化表达气象数据集以及进行跨平台应用开发天气数据分析平台这一理想工具在气象科学数据领域(测雨量、4D气象数据平台、等值线二三维,多普勒雷达)的应用。它拥有丰富的天气数据分析工具包,采用高速的气象三维图形显示技术,集可视化、交互数据分析、大型天气预报系统开发为一体的高级集成开发环境,使气象部门的数据处理、科学研究真正做到快捷有效。

瞬态电压抑制器的原理及应用

介绍了新型过压保护器件瞬态电压抑制器的工作原理,以及它在开关电源、电工仪表中的应用。

静电放电电磁脉冲理论建模与作用机理研究进展

通过静电放电效应实验和理论分析,研究了IEC6100042标准规定的实验方法与实验平台的局限性,提出了改进的ESD电磁场理论模型,探讨了静电放电电磁脉冲对微电子器件作用机理,提出了相应防护对策。

遗传算法在数据挖掘中的应用

论文以图书发行网络管理系统为例提出了一种基于遗传算法的分类规则数据挖掘算法。通过定义适应值函数、双种群结构、遗传算子(自适应地改变交叉和变异概率)等手段的应用,进行群体间个体的评优直至最后输出最优规则集。

基于图像距离差的织物疵点检测算法研究

将机器视觉与数字图像处理技术引入到织物疵点检测中,提出了一种织物疵点检测算法———图像距离差算法,即图像采集、图像处理、疵点识别等。该算法可使用户根据织物的类型,自行设置相应的疵点检测控制参数,能够检测出30多种常见的疵点,实验证明该算法具有识别正确率高、误识率低、识别速度快等优点。

基于容错测试的高鲁棒性模拟电路演化设计

为提高电磁环境下电路的抗干扰特性,基于电路进化设计思想,采用基因编程算法自动实现鲁棒性模拟电路的进化设计,使电路在局部元件受扰情况下仍然能够保持原有功能,并且电路的整体性能衰减较小。同时定义了电路局部短路和局部断路两种故障模式,通过调节电路中每个元件并联电阻的阻值来模拟电路故障状况及其损伤程度,采用基于动态抽样的近似鲁棒性评估技术实现低通滤波器的进化设计;最后分别对标准进化电路和鲁棒电路在不同状况下电路的输出响应进行测试。实验结果表明:通过引入假设故障模型和鲁棒性评价模型,在电路进化适应度评估过程中增加电路鲁棒性评价能够进化出固有鲁棒的电路;在局部短路故障情况下,在频率响应曲线中,鲁棒电路基本保持原始弯曲状态,频域响应曲线仅有6.27%的衰减率;局部断路故障情况下,鲁棒电路能够很好的保持原始输出响应,频域响应曲线仅有3.4%的衰减。

用模糊数学理论对大学生素质进行科学评价

应用模糊综合评价理论建立数学模型来科学评价学生素质，使这种评价科学。

筒形件拉深工艺的优化设计

针对筒形件拉深工艺的传统设计方法的缺陷，利用优化设计理论，建立了筒形件拉深工艺的数学模型并编制了一套人机交互式的优化设计程序，从而方便、快捷的确定合理的拉深系数，成功地解决了筒形件拉深工艺设计中拉深系数的合理分配问题。

NB-IoT技术特性及应用

传统的物联网通信技术3G、WI-FI等,虽能满足一般的通信需求,但其功耗高,成本高等劣势成为限制物联网技术发展的因素。与此同时,NB-IoT技术的优势逐渐显现,可以满足物联网的不同需求,成为相关开发人员进行产品研发的首要选择。NB-IoT全称为基于蜂窝的窄带物联网,是近几年新兴的一种物联网通信技术,同时也成为了万物互联网的一个重要分支。该技术相比于4G技术、WI-FI技术、GPRS技术等,具有低功耗、低成本、广覆盖、海量连接等技术特点,并可直接部署于GSM网络,UMTS网络或LTE网络。为了更全面地了解NB-IoT技术,对NB-IoT技术的基本架构以及关键技术进行阐述,并结合其他物联网通信技术进行对比分析,重点剖析其在农业应用以及智能交通领域的典型案例,并探讨了该技术在未来发展过程中所面临的挑战。

一种改进模板匹配的车牌字符识别方法

提出了一种改进模板匹配的车牌字符识别方法。详细介绍了车牌字符识别的过程,主要包括模板的建立,基于弹性网格的字符特征提取,模板匹配的步骤及改进方法。运用该方法不仅可减少计算量,而且提高了实时性。实验结果表明,提出的方法具有效率高、精确度好等特点,识别率可以达到90%以上。