视觉传感器提取面部运动特征的抑郁症检测算法研究

尽管抑郁症自动诊断系统已经取得了重大进展,但大部分工作集中在结合多种模态的特征来提高分类精度,这会产生大量的时空开销和特征同步问题。提出了一种基于面部表情和面部运动特征的单模态抑郁症检测框架。提出了一种基于面部标志比的鲁棒特征提取方法,并从理论上证明了该特征具有上下、左右平移、深度平移、旋转和翻转不变性。基于该方法提取的特征保持了面部标志点在空间上的拓扑结构关系,并保持了面部标志点前后帧的时间相关性。然后,提出了一种新颖的思路来解决大单元抑郁症视频的分类任务,将大单元视频的抑郁症分类任务分解为多个短序列单元的评分任务,然后通过定义的评分聚合函数得到最终的抑郁症分类结果。在DAIC-WOZ数据集上,所提出的检测框架提高了分类性能,F1得分为0.85,优于当前其他基于单模态的抑郁症检测模型。

基于视觉传感器采集光流特征的精神疾病识别方法

目前,精神疾病的筛查主要依靠临床医生的访谈和问卷进行评估,具有高成本、主观性等问题。提出了一种基于视觉传感器采集光流特征的精神疾病识别方法,可以实时监测和预警,以较低的成本和非侵入性的方式来进行精神疾病的辅助筛查。该算法通过视觉传感器全面采集患者的面部数据来提取光流特征,并输入TSMOSNet进行训练。TSMOSNet以TSM为基础网络进行改进,替换普通卷积为光流提取头,针对视觉传感器采集而来的光流特征图进行密集采样,并添加了时序注意力模块、DML蒸馏和VideoMix数据增强等方法,增强了视觉特征,以提高精神疾病识别的准确率。实验结果表明,在H7-BDSN数据集上相比于其他方法,本研究提出的识别算法在精神疾病的筛查任务中取得了最好的效果,准确率为85%,F1分值为0.84。

基于PC机的8253实验设计

Intel 8253是典型的定时计数器芯片,有着广泛的应用.要掌握其工作原理和编程方式,实验是必不可少的环节.设计了一个新颖的基于普通PC机的8253发声程序实验.发声程序需要音调和音长两个参数.音长一般通过软件延时实现,但软件延时存在不能精确定时的问题.针对该问题提出了一种利用DOS系统功能调用获取精确音长的方法.该实验既可以独立设为实验,也可以作为基于实验箱的实验的有益补充.

基于GA-BP算法的水电机组故障诊断模型

将GA-BP算法引入水电机组的故障诊断中,建立了基于GA-BP算法的水电机组故障诊断模型。通过Matlab的相关工具箱进行仿真,结果表明基于GA-BP算法的诊断模型的正确性高于基于BP算法的诊断模型。

基于人工神经网络的蒸发器两相区制冷剂质量计算模型

利用人工神经网络的非线性特征和自学习功能对蒸发器两相区制冷剂计算的分布参数模型进行简化,得到相应的神经网络模型。验证结果表明,神经网络模型与分布参数模型精度相当,计算速度快了一个数量级。

基于分层自适应学习率的改进BP算法

在自适应学习率算法的基础上提出一种新的BP网络改进算法——分层自适应学习率附加动量项算法。仿真结果表明该算法较之自适应学习率算法能进一步提高网络的学习速度。

“汇编语言与微机原理”课程教学中汇编子程序实验设计

"汇编语言与微机原理"是计算机科学与技术专业的必修基础课程。在教学中汇编语言子程序实验设计普遍存在两个问题:实验学时安排不足;实验内容片面。针对前者,通过合理整合实验项目以增加子程序实验学时;针对后者,通过调整实验内容补充与子程序密切相关的宏和中断加以解决。最后给出了一个实验设计的实例。该实例简单实用又不乏创新之处,应用效果良好。

基于遗传神经网络的水电机组故障诊断模型

将遗传神经网络引入水电机组的故障诊断中,建立基于遗传神经网络的水电机组故障诊断模型,通过Matlab的相关工具箱进行仿真.结果表明遗传神经网络诊断的正确性高于BP网络.

基于贝叶斯Noisy Or Gate网络的多传感器目标分类识别

针对多传感器获取空中目标的多识别特征,提出了基于贝叶斯Noisy Or Gate网络的目标识别模型;该模型考虑未知因素的影响,将识别特征按二值节点进行网络识别结构构造,利用单个特征的识别结果,计算得到多个特征识别的任意组合,条件概率个数可以从2n减小为2n.仿真计算结果表明,该方法具有简化知识获取,节省存储空间,证据传播及时,实时性高的特点,为目标分类与识别提供了一个新的途径。

基于亮度不变特征的自适应双边滤波算法

针对目前滤波算法存在的亮度敏感性不足,提出基于亮度不变特征的自适应双边滤波算法。算法首先利用局部相位的最大矩和最小矩来建立空间参数的角点和边缘信息表示,接着采用灰度均一性测度来建立亮度距离参数与图像内在噪声的关系,从而建立双边滤波的自适应参数调整策略。实验结果表明,提出算法的平均峰值信噪比值比已有算法高0.49～2.2 dB,具有更好的图像视觉质量和边缘保持能力。

大学生信息安全知识、安全意识调查及分析

通过对大学一年级和三年级学生进行信息安全知识及安全意识问卷调查,指出大学生信息安全教育应主要通过计算机基础课程实施,以案例教学为主,同时根据学生的信息安全知识和安全意识状况调整教学内容。

基于8253的音乐演奏程序设计

定时计数器芯片Intel8253在微机系统中有着广泛的应用。设计了一个基于8253的音乐演奏程序。通过该音乐演奏程序可以使学生快速掌握8253的基本功能和应用。

案例驱动的大学生信息安全教育教学实践

基于前期的问卷调查结果,提出大学生信息安全教育的教学内容,说明教学案例和教学策略,介绍在新生计算机基础课程中进行教学实践的情况。

人工神经网络在故障诊断系统中的应用

人工神经网络以其独到的联想、记忆、储存和学习功能 ,在故障诊断领域受到了广泛关注。其中 ,BP网络是最成熟、应用最广泛的一种网络。但BP网络在实际应用中也存在诸多不足 ,如学习率的取值需要凭借经验或试算选取 ,网络学习收敛速度慢以及易陷入局部最小点等。针对BP网络的这些不足 ,采用了Rumelhart附加惯性冲量和动态调整学习率相结合的改进的BP网络方法 ,并尝试用该改进算法来对凝汽器进行故障诊断。事实证明 ,在平均情况下 。

基于CML的变电站自动化系统脆弱性分析

以信息技术为基础的电力自动化系统是典型的实时系统,它为电力系统的生产与管理带来了极大的便利,但其技术隐患也影响着电力系统的安全。研究开放的网络环境下实时系统潜在的脆弱性以保证电力系统安全稳定运行有着重要的现实意义。本文首先将基于IEC61850标准的变电站自动化系统中逻辑节点之间的交互关系抽象成一个复杂网络,统计网络的相关特性,结果表明逻辑节点之间的交互关系具有小世界特性。然后基于CML连锁故障模型分析了因变电站自动化系统的脆弱性导致的故障在系统中的传播规律,为变电站自动化系统的设计提供一定的参考价值。

一种具有核心-边缘结构的无标度网络演化模型

核心-边缘结构是复杂网络中一种重要且常见的簇团结构,相关研究一直较少。为了研究复杂网络核心-边缘结构的相关特性,分析了随机块模型的结构,并在此基础上提出了一种具有无标度特性的核心-边缘结构网络演化模型。通过理论和数值分析,验证了所生成的网络具有较好的无标度特性和核心-边缘结构,且其结构的紧密程度可调,为进一步研究复杂网络核心-边缘结构的相关特性提供了基础。

一种电子式电流互感器信号畸变识别方法与应用

针对智能变电站中电子式互感器的渐变故障和突变故障,提出一种能够同时识别多种故障信号的算法.首先利用小波变换模极大值理论识别故障信号的奇异点,然后求得信号的Lipschitz指数、小波能量系数、均值差,构成故障信号的特征空间.根据随机生成的500个故障信号样本在特征空间的分布,形成故障信号的诊断模型.仿真实验及实际应用测试表明该算法是有效可行的.

基于相关性分析的时间序列异常检测方法

提出基于相关性分析的时间序列异常检测方法。对原始时间序列采用滑动窗口方式进行平滑处理;对处理后的时间序列进行定长分割,通过计算每个模式和其它模式的相关性系数来确定模式的相关性,通过计算模式的相关性比例来确定异常模式。

合肥市巢湖沿岸生态环境综合治理分析

文章分析了合肥市巢湖沿岸生态环境,指出了综合治理的必要性和措施。