融合表面肌电和姿势信息的轮椅绩效评价方法

目的为客观评价轮椅的使用效益,使用表面肌电设备测试轮椅使用过程中的肌电信号,并融合姿势信号IMU来构建人机评价模型。方法分别对轮椅的折叠、刹车方式及行驶坡度进行试验来评估轮椅的使用绩效,通过对比用力肌群间的疲劳状况来判定较为舒适的轮椅折叠及刹车方式。实验要求被试者在执行轮椅任务时,分别使用两种折叠方式和三种刹车方式不同的轮椅进行实验,并在操作动作任务过程中采集sEMG和IMU信号,在实验任务结束后填写NASA-TLX量表。结果根据模型的评价指标对实验数据进行了比较与分析,横向收折式折叠和凹口式刹车(手刹位于前方)的轮椅疲劳度低,在3~4°坡度范围下轮椅使用者的受力最小,较为舒适,从而验证了模型在轮椅人机评价上的可行性,为优化轮椅设计提供参考。结论人机评价模型适用于评估产品绩效,同时提出的融合表面肌电和姿势信息的轮椅绩效评价方法具有较高的精度和准确性,能够有效地评估轮椅使用者的绩效水平。

基于DCGAN数据集增强的ECT系统流型识别技术改进

基于电容层析成像(electrical capacitance tomography,ECT)系统的流型识别技术具有非侵入性和可视化的优点,被广泛应用于各种工业过程的动态测量中。为提高ECT系统的流型识别准确率,基于神经网络模型的识别算法被广泛应用,但ECT系统难以获得大量实测样本,从而导致识别准确率低、模型泛化性差。针对这一问题,该文采用了基于深度卷积生成对抗网络(DCGAN)的数据集扩增方法,利用经过预处理的LSSVM方法重建所得的图像,搭建基于DCGAN的流型图像生成模型进行实验,并利用GAN-train和GAN-test两个客观指标对生成图像进行评价,之后使用扩增后的数据集进行基于YOLOv3的流型识别。实验结果表明,利用DCGAN方法能够有效扩增原有数据集,生成图像准确度高、丰富性强,配合YOLOv3的目标检测算法,可以对ECT系统的流型识别准确率提升有较大程度的改进。

基于深度学习的来袭鱼雷态势判断方法

鱼雷防御是舰艇安全执行任务的重要前提。准确判断来袭鱼雷的态势是成功防御的关键。错误的态势判断和对抗方法会降低鱼雷防御效果,甚至增加被命中的可能性。因此非常有必要研究来袭鱼雷的态势判断方法,从而为准确制定防御方法提供依据。由于不同类型的鱼雷有不同的运动模型和弹道形态,为此,研究和建模来袭鱼雷的运动模型是一种准确判断鱼雷类型的有效途径。本文在综合调研的基础上,分别对常见的几种舰艇鱼雷运动模型进行分析、建模和仿真,并基于长短期记忆人工神经网络对仿真结果进行了分析和验证。该研究可为舰艇鱼雷防御决策提供重要参考。

大数据在线实训平台及综合实验课程体系设计

针对“大数据处理综合实验”课程教学中学生接触集群难、编程难度高、学习效率低等问题,设计实现了大数据在线教学实训平台。该平台集成了大数据存储、计算、查询、可交互式编程等模块,实现了包括并行编程实训、学生管理、资源调度、教学过程监控等功能的一体化大数据教学系统。基于该平台,还设计了一系列由浅入深的大数据分析案例和编程实验项目。教学实践表明,该平台在帮助学生直观理解并行处理技术和分布式系统、培养学生大数据应用并行处理编程能力等方面起到了很好的作用。

基于双流CNN的帧内取证深度学习算法研究

针对视频被动取证领域中视频内容真实性鉴定问题,提出了一个基于双流CNN帧内取证网络深度学习检测算法。根据视频在遭受篡改过程中必定会在视频帧上留下相应的篡改痕迹,利用两个CNN对输入视频帧进行特征提取,其中一个CNN借助隐写分析的思想,使用空域富模型对输入视频帧进行噪声残差提取,使网络专注于篡改痕迹特征的提取,另一个CNN基于篡改操作会使视频帧内容产生大幅变化,通过对输入视频帧的内容进行特征提取,从而监测视频帧内容的变化幅度,有效预测视频帧被篡改的概率。通过合并两个CNN所提取到的特征,并使用通道注意力机制调整两部分特征的通道权重,使得提出的帧内取证网络既能对视频帧的篡改特征进行有效地学习,又能通过内容特征对视频中每一帧的变化幅度进行监测,从而有效提高篡改检测的正确率。利用训练得到的深度学习模型来对输入视频进行篡改判定。实验结果表明,提出的帧内取证算法对不同场景下的复制粘贴类帧内篡改有着较高的识别正确率,达到99.08%,在FACC,F1-Score,篡改精确率等评估指标优于其它的视频取证算法。

融合LSTM-Attention和CNN模型的文本分类方法

针对文本分类中长短时记忆网络在提取局部信息时存在的局限性问题,本文提出了融合LSTM-Attention和CNN的文本分类模型。在结构上,首先使用LSTM提取全局序列信息,并通过注意力机制对LSTM输出添加权重,再通过三层卷积神经网络提取原文的局部信息。此外,在卷积神经网络中采取的是串行结构并且有选择性地将原始输入信息与CNN输出相融合。然后,将两者的输出信息进行组合以得到全新特征并用Softmax得到每个类别的概率,最终在THUCNews数据集上准确率达到96.8%。通过实验对比发现,本文提出的模型在文本分类任务中可以得到更好的分类效果。

基于生产实践的数控机床机械部件维护与保养技术探析

数控机床的维护与保养工作是确保机床加工精度、提升机床生产效益、延长机床使用寿命以及实现安全生产的重要保障。论文从工作实际出发,针对预防性维护和机床主轴、传动机构、液压系统、机床导轨以及辅助装置等机械部件的维护保养技术进行了详细探讨。

基于认知分层的图像复杂度研究

为揭示图像属性与图像复杂度之间的编码规律,从认知分层角度对图像复杂度进行了研究.基于由浅入深的认知加工次序,将图像复杂度分为呈现复杂度(CP)、语义复杂度(CS)和记忆复杂度(CM),分别对应图像的视觉属性、语义属性和解码属性,并建立复杂度分层映射模型.以地铁交通图为例,提取图像中3种复杂度后按低、中、高水平重新编码,并结合眼动追踪技术进行了视觉搜索实验.实验结果表明:高记忆复杂度编码的反应时最短,对认知绩效的影响最大;高语义复杂度编码易造成视觉干扰,需结合高记忆复杂度来提高认知绩效;高呈现复杂度编码能有效降低被试的认知负荷,提高搜索效率.实验结果证实了图像复杂度分层的合理性,为信息化图像的复杂度设计提供了参考.

基于CNN-BiGRU-Att融合模型的人民币汇率预测研究

为了更好地预测人民币汇率的走向,本文提出了一种引入注意力机制(Attention)的卷积神经网络(CNN)和双向门控循环单元(BiGRU)的融合模型,对普通模型的单一模式适当加以改良,使之能够更好地反映汇率变动的走势。该模型使用一维卷积神经网络Conv1D来挖掘数据的内部特征,BiGRU获取数据间的时序特征,通过引入注意力机制,能够快速让模型获取更多关键的特征信息。选用平均绝对误差(MAE)、均方误差(MSE)以及平均绝对百分比误差(MAPE)作为评价指标进行比较实验,相比于其他模型评估指标体系的值,该模型结果均更优,验证了CNN-BiGRU-Att模型在汇率预测上的可行性。

紧急医疗救援标准化与信息化研究

针对目前紧急医疗救援体系信息化建设面临的标准化问题,本文从院前急救体系的标准化建设、卫生信息数据元标准化和紧急医疗救援的信息化建设三个方面进行分析研究,并提出紧急医疗救援信息化与标准化建设的意见和建议。

上海健康信息网基本设计思想

根据国家医改方案和上海市医改方案的要求,介绍了上海市卫生信息化现状以及上海健康信息网的建设目标,对目标需求进行了分析,进一步根据需求阐述了项目分解思想和基本设计思想,并对上海健康信息网技术发展趋势进行了探讨。

远程医疗主要功能及发展战略前瞻

远程医疗作为计算机网络发展的新生产物,具有强大的医疗服务功能,本文着重依据其覆盖范围大小简述家庭远程网络医疗、社区远程网络医疗和跨区域的远程网络医疗。此外,从远程医疗的发展来看,主要应从制定专业的行业法规、政府部门加大投入和大力宣传远程医疗服务等方面着手,切实把远程医疗发展放到战略高度上来考虑。

卫生信息化加大投入更需顶层设计

随着医药卫生体制改革的深入推进,国家加大了对卫生信息化的投入,各地卫生信息化建设工作如火如荼般展开。因体制、利益的原因,卫生信息化系统越建越多,但各系统之间的互联互通性问题日益突显。本文从当前我国卫生信息化建设中存在的问题入手,分析了当前阶段卫生信息化建设的现状,确定了卫生信息化在医药卫生体制改革中的重要地位,提出了卫生信息化建设顶层设计若干建议。

医院整体推进信息化建设的实践与探讨

信息化已经成为现代医院管理不可缺少的手段,信息化建设遵循整体规划,分步实施的原则。但随着医院对信息系统的需求日益提高,甚至要完成跨越式发展的目标,信息化实施的步伐也越来越快。结合宁夏人民医院实施信息化的情况,讨论整体快速推进信息化过程中,医院遇到的问题和解决方法。

基于B/S模型的注意力训练系统设计

注意力不集中现象在儿童中比较普遍,目前,国内外存在的注意力训练方法有纸质量表、行为观察、生物反馈、计算机辅助训练等方式。这些方法无法便捷实现大量人群的训练和训练结果的持续有效追踪。而对儿童进行注意力训练提高他们的注意力水平。本设计以移动终端的触摸屏操作代替传统的纸笔训练,借助阿里云数据的分布式存储,实现高可用,高性能,可弹性伸缩的目标,免去数据库安全和运维烦恼,借助微信公众平台实现训练结果的一站式追踪。这种B/S模型为注意力训练提供持久的服务支持,帮助提高儿童的注意力。通过功能测试和性能测试,验证了该设计的方便操作和可维护性。

基于通用中间件接口服务器的远程医疗信息系统

在远程医疗信息系统共享平台的设计中,提出一种构建通用中间件接口服务器实现多家医院信息系统HIS与PACS的无缝连接方案。着重介绍了DICOM中间件、HL7消息中间件、生态识别和PKI技术在系统集成中的应用。

基于本体的SQL个性化智能教学辅导系统框架设计

SQL在计算机学科的课程教学中占据重要地位,它是使用最广泛的数据库查询语言。提出了一种基于本体的SQL个性化智能教学辅导系统(SQL-PITS)框架,SQL-PITS根据学习者的学习能力、个人资料、偏好和背景知识提供由内容、示例、练习和辅导材料组成的自适应课程主题,用于根据学习者的个人学习情况补充课堂以外的个性化学习。重点介绍了SQL-PITS的三个本体模型:SQL知识本体,学习者本体和教学策略本体。领域专家采用GQM方法对SQL本体进行了评估,评估结果表明SQL本体结构在准确度、完整性、清晰性和简洁性这4个本体特征上处于高水平,一致性特征处于较高水平。

基于元数据管理的半结构化数据安全转换方法

为了提升半结构化数据的安全转换能力、降低数据转换输出误码率(BER),提出基于元数据管理的半结构化数据安全转换方法。构建云存储动态半结构化数据的Hash编码模型,采用动态随机码元调制方法,分析云存储动态半结构化数据的参数统计特征量。采用模糊自相关融合调度方法,构建云存储动态半结构化数据的直觉模糊度对偶集。采用统计分析和概率密度特征采样的方法,构建云存储动态半结构化数据分簇聚类融合模型。采用元数据管理和参数模糊度辨识,实现半结构化数据安全转换和多属性群决策。根据分组交换的方法,实现云存储动态半结构化数据动态分析和聚类。结合信息聚类和自适应学习方法,实现半结构化数据安全转换和编码控制。仿真结果表明,采用该方法进行半结构化数据安全转换的准确性较高、数据输出误码率较低、融合性较好,提高了半结构化数据的安全传输能力。

LSSVM、BPNN同时测定苯酚苯二酚异构体研究

研究比较了最小二乘支持向量机(LSSVM)、BP神经网络(BPNN)对苯酚、对苯二酚和间苯二酚混合液的紫外分光光度法同时测定,测定结果各组分平均相对误差LSSVM分别为2.75%、2.43%、1.45%;BPNN分别为2.97%、3.35%、4.72%;LSSVM模型测出量的相对误差的绝对值最大为5.73%,BPNN为16.10%.结果表明LSS-VM用于该混合体系的同时测定数据解析,处理结果的准确性明显优于BPNN方法.

地铁隧道表面裂缝智能视觉采集系统

基于我国隧道裂缝检测主要依靠人工检测来实现,检测方式工作效率低、占用线路时间长,无法满足现代城市轨道交通检测的需求。提出一种基于车载式多目高速线阵相机的地铁隧道表面图像采集系统,阐述其系统工作原理,并对系统内部各项硬件设备进行选型,在实验室内完成组装和调试,基本实现线阵相机图像采集的功能,并为后续的隧道表面图像处理提供支持。