期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
4
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于PPG的单传感器多体征检测算法
1
作者
裴梓权
陈逸菲
+3 位作者
孙宁
章刘
蓝天鹤
王未泱
《电子器件》
CAS
2024年第2期470-477,共8页
为了满足人们居家使用多功能、易携带的医疗电子设备的需求,提出基于单MAX30102传感器测量多体征的算法。对MAX30102温度信号进行回归分析以消除人体体表温度与核心温度之间的误差;采用八点移动平均滤波和FFT算法处理MAX30102的PPG信号...
为了满足人们居家使用多功能、易携带的医疗电子设备的需求,提出基于单MAX30102传感器测量多体征的算法。对MAX30102温度信号进行回归分析以消除人体体表温度与核心温度之间的误差;采用八点移动平均滤波和FFT算法处理MAX30102的PPG信号求心率值;采用R特征值法计算MAX30102的PPG信号交流和直流分量求血氧饱和度值;采用单路MAX30102的PPG信号求PTT并对其进行回归分析以求取血压值。实验结果分析表明,所提算法最终实现在单个MAX30102上测量四种不同体征,且每个体征参数测量的准确性与标准器件相对比都在准许范围内。
展开更多
关键词
PPG
MAX30102
单传感器
多体征
下载PDF
职称材料
融合XGBoost与FM的混合式学习成绩分类预测
被引量:
1
2
作者
章刘
陈逸菲
+2 位作者
熊雄
裴梓权
唐乃乔
《计算机系统应用》
2023年第4期339-346,共8页
综合考虑混合式学习成绩分类预测中数据存在不平衡性和稀疏性的特点,提出了一种SMOTE-XGBoost-FM混合式学习成绩分类预测模型.首先通过SMOTE采样均衡数据集;针对数据稀疏性问题,使用XGBoost对采样后的数据进行特征交叉,然后对所生成树...
综合考虑混合式学习成绩分类预测中数据存在不平衡性和稀疏性的特点,提出了一种SMOTE-XGBoost-FM混合式学习成绩分类预测模型.首先通过SMOTE采样均衡数据集;针对数据稀疏性问题,使用XGBoost对采样后的数据进行特征交叉,然后对所生成树的叶子节点进行独热编码,以生成高阶特征数据,最后将其输入因子分解机(FM)进行迭代训练以获最优模型.实验结果表明,SMOTE-XGBoost-FM模型在混合式学习成绩分类预测中准确率达到了92.7%,相较于单一的XGBoost、FM模型分别提升了5.7%和11.7%,能有效对学生学习情况进行分类预测,为提高教学效果提供参考.
展开更多
关键词
混合式教学
成绩预测
机器学习
XGBoost
因子分解机(FM)
下载PDF
职称材料
基于NB-IoT的火灾探测系统设计
被引量:
2
3
作者
钱承山
茹清晨
+3 位作者
王彭辉
裴梓权
杨仁昊
刘虹芝
《物联网技术》
2022年第5期26-29,33,共5页
NB-IoT技术因其覆盖范围广、低功耗、低成本等特点非常适合用来实时传输环境数据参数,因此文中设计了一种基于NB-IoT的火灾探测系统。本系统以STM32F103C8T6为主控芯片,并集成CO传感器、烟雾浓度传感器和温湿度传感器对火灾敏感参数进...
NB-IoT技术因其覆盖范围广、低功耗、低成本等特点非常适合用来实时传输环境数据参数,因此文中设计了一种基于NB-IoT的火灾探测系统。本系统以STM32F103C8T6为主控芯片,并集成CO传感器、烟雾浓度传感器和温湿度传感器对火灾敏感参数进行采集,最后通过NB-IoT模块将数据上传至云平台实现数据实时监测。经过验证,本系统可以稳定地将数据上传且成本可控,降低了火灾发生率,可以为消防安全部门提供便利和保障。
展开更多
关键词
消防
火灾探测
无线通信
云平台
NB-IoT
STM32
下载PDF
职称材料
Stacking集成学习模型在混合式成绩分类预测中的应用
被引量:
3
4
作者
章刘
陈逸菲
+2 位作者
袁加伟
裴梓权
梅鹏江
《计算机系统应用》
2022年第7期325-332,共8页
针对现有单一算法模型在成绩预测时存在泛化能力不强的问题,提出一种基于多算法融合的Stacking集成学习模型,用于混合式教学中学生成绩的预测.模型以多项式朴素贝叶斯、AdaBoost和Gradient boosting为初级学习器,逻辑斯蒂回归为次级学...
针对现有单一算法模型在成绩预测时存在泛化能力不强的问题,提出一种基于多算法融合的Stacking集成学习模型,用于混合式教学中学生成绩的预测.模型以多项式朴素贝叶斯、AdaBoost和Gradient boosting为初级学习器,逻辑斯蒂回归为次级学习器组成两层融合框架.通过混合式教学过程中所产生的学习行为数据对模型进行验证.实验表明,Stacking集成学习模型在测试集上分类预测准确率达到76%,分别高于多项式朴素贝叶斯、Ada Boost、Gradient boosting和逻辑斯蒂回归4个单一算法模型5%、6%、9%和6%.与单一算法模型相比,Stacking集成学习模型有着较强的泛化能力,能更好地预测学生成绩,为混合式教学的学习预警提供参考.
展开更多
关键词
混合式教学
成绩预测
机器学习
STACKING
集成模型
集成学习
下载PDF
职称材料
题名
基于PPG的单传感器多体征检测算法
1
作者
裴梓权
陈逸菲
孙宁
章刘
蓝天鹤
王未泱
机构
南京信息工程大学自动化学院
无锡学院自动化学院
无锡学院电子信息工程学院
出处
《电子器件》
CAS
2024年第2期470-477,共8页
基金
江苏省高等学校自然科学研究面上项目(19KJB520044)
教育部产学合作协同育人项目(202102224006)
江苏省研究生科研与实践创新计划项目(SJCX21_0356)。
文摘
为了满足人们居家使用多功能、易携带的医疗电子设备的需求,提出基于单MAX30102传感器测量多体征的算法。对MAX30102温度信号进行回归分析以消除人体体表温度与核心温度之间的误差;采用八点移动平均滤波和FFT算法处理MAX30102的PPG信号求心率值;采用R特征值法计算MAX30102的PPG信号交流和直流分量求血氧饱和度值;采用单路MAX30102的PPG信号求PTT并对其进行回归分析以求取血压值。实验结果分析表明,所提算法最终实现在单个MAX30102上测量四种不同体征,且每个体征参数测量的准确性与标准器件相对比都在准许范围内。
关键词
PPG
MAX30102
单传感器
多体征
Keywords
PPG
MAX30102
single sensor
multiple signs
分类号
TP212.9 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
融合XGBoost与FM的混合式学习成绩分类预测
被引量:
1
2
作者
章刘
陈逸菲
熊雄
裴梓权
唐乃乔
机构
南京信息工程大学自动化学院
无锡学院自动化学院
出处
《计算机系统应用》
2023年第4期339-346,共8页
基金
江苏省自然科学青年基金(BK20210661)
江苏省研究生实践创新计划(SJCX22_0353)
+1 种基金
江苏省高等学校自然科学研究面上项目(19KJB520044)
南京信息工程大学无锡校区创新实践项目(WXCX202117)。
文摘
综合考虑混合式学习成绩分类预测中数据存在不平衡性和稀疏性的特点,提出了一种SMOTE-XGBoost-FM混合式学习成绩分类预测模型.首先通过SMOTE采样均衡数据集;针对数据稀疏性问题,使用XGBoost对采样后的数据进行特征交叉,然后对所生成树的叶子节点进行独热编码,以生成高阶特征数据,最后将其输入因子分解机(FM)进行迭代训练以获最优模型.实验结果表明,SMOTE-XGBoost-FM模型在混合式学习成绩分类预测中准确率达到了92.7%,相较于单一的XGBoost、FM模型分别提升了5.7%和11.7%,能有效对学生学习情况进行分类预测,为提高教学效果提供参考.
关键词
混合式教学
成绩预测
机器学习
XGBoost
因子分解机(FM)
Keywords
blended teaching
grade prediction
machine learning
XGBoost
factorization machine(FM)
分类号
G434 [文化科学—教育技术学]
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于NB-IoT的火灾探测系统设计
被引量:
2
3
作者
钱承山
茹清晨
王彭辉
裴梓权
杨仁昊
刘虹芝
机构
南京信息工程大学自动化学院
出处
《物联网技术》
2022年第5期26-29,33,共5页
基金
江苏省研究生实践创新计划项目(SJCX21_0358)。
文摘
NB-IoT技术因其覆盖范围广、低功耗、低成本等特点非常适合用来实时传输环境数据参数,因此文中设计了一种基于NB-IoT的火灾探测系统。本系统以STM32F103C8T6为主控芯片,并集成CO传感器、烟雾浓度传感器和温湿度传感器对火灾敏感参数进行采集,最后通过NB-IoT模块将数据上传至云平台实现数据实时监测。经过验证,本系统可以稳定地将数据上传且成本可控,降低了火灾发生率,可以为消防安全部门提供便利和保障。
关键词
消防
火灾探测
无线通信
云平台
NB-IoT
STM32
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
Stacking集成学习模型在混合式成绩分类预测中的应用
被引量:
3
4
作者
章刘
陈逸菲
袁加伟
裴梓权
梅鹏江
机构
南京信息工程大学自动化学院
无锡学院自动化学院
出处
《计算机系统应用》
2022年第7期325-332,共8页
基金
江苏省高等学校自然科学研究面上项目(19KJB520044)
江苏省应用型本科院校建设与发展研究课题(2019yl17)
+1 种基金
江苏省产学研合作项目(BY2019113)
江苏省高等学校大学生创新创业训练计划(202113982023Y)。
文摘
针对现有单一算法模型在成绩预测时存在泛化能力不强的问题,提出一种基于多算法融合的Stacking集成学习模型,用于混合式教学中学生成绩的预测.模型以多项式朴素贝叶斯、AdaBoost和Gradient boosting为初级学习器,逻辑斯蒂回归为次级学习器组成两层融合框架.通过混合式教学过程中所产生的学习行为数据对模型进行验证.实验表明,Stacking集成学习模型在测试集上分类预测准确率达到76%,分别高于多项式朴素贝叶斯、Ada Boost、Gradient boosting和逻辑斯蒂回归4个单一算法模型5%、6%、9%和6%.与单一算法模型相比,Stacking集成学习模型有着较强的泛化能力,能更好地预测学生成绩,为混合式教学的学习预警提供参考.
关键词
混合式教学
成绩预测
机器学习
STACKING
集成模型
集成学习
Keywords
blended teaching
performance prediction
machine learning
Stacking
ensemble model
ensemble learning
分类号
G434 [文化科学—教育技术学]
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于PPG的单传感器多体征检测算法
裴梓权
陈逸菲
孙宁
章刘
蓝天鹤
王未泱
《电子器件》
CAS
2024
0
下载PDF
职称材料
2
融合XGBoost与FM的混合式学习成绩分类预测
章刘
陈逸菲
熊雄
裴梓权
唐乃乔
《计算机系统应用》
2023
1
下载PDF
职称材料
3
基于NB-IoT的火灾探测系统设计
钱承山
茹清晨
王彭辉
裴梓权
杨仁昊
刘虹芝
《物联网技术》
2022
2
下载PDF
职称材料
4
Stacking集成学习模型在混合式成绩分类预测中的应用
章刘
陈逸菲
袁加伟
裴梓权
梅鹏江
《计算机系统应用》
2022
3
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部