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。

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。

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。

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。

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。

基于多特征匹配跟踪的深海发光浮游生物自动计数方法

生物发光现象在海洋中广泛存在,基于微光成像技术对深海发光浮游生物的发光现象进行视觉捕获是一种先进的原位观测手段,但目前缺乏有效的方法对获取的生物发光影像资料进行自动分析。针对此问题,本文提出一种基于多特征匹配跟踪的发光浮游生物自动计数方法,基于同一目标在连续帧间的运动具有连续性的思想,首先采用帧间质心差小于一定阈值的原则进行初始粗匹配,然后针对目标过近造成的误匹配问题再进一步进行运动方向的匹配,提高帧间匹配精度,从而准确计数。采用所提出的方法对深海发光浮游生物的真实视频数据进行了自动分析,实验结果证明该计数方法具有较好的准确率,对生物发光区域的尺度变化、发光目标间距过近等情况具有较好的鲁棒性,能达到较好的计数效果。

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。

数据库脱敏技术研究与应用

对系统脱敏方法进行改进,新增了差分隐私、随机响应、保留格式加密等方法,为用户提供了更多的脱敏选择.实际测试结果表明,系统展示出更强的隐私保护能力.改进的数据库脱敏系统已经应用在众多公司和政府机关,用户评价良好.

融合情感特征的卷积神经网络情感分类模型

深度学习已广泛用于情感分析中,但现有研究往往忽略词语自身的词性和情感特征,导致情感分析的准确率较低。为了解决这一问题,本文提出了一种融合情感特征的卷积神经网络情感分类模型。该方法将词语、词性、词语情感特征向量化后拼接作为模型的输入层,利用多特征融合解决同词不同词义问题以及表达多情感特征信息;采用分段池化,综合语句结构位置信息,提取多种特征。相较于传统的CNN,实验表明,该方法能明显提高情感分类的准确率。

基于LDA主题模型的MOOC评论回复特征维度分析

针对LDA(Latent Dirichlet Allocatiom)主题挖掘算法不太适用于短文本且对于得到的每个主题直接进行凝练和表达很难做到统一化的问题,提出了一种综合特征维度分析的LDA主题挖掘改进算法。首先采用Python和Selenium抓取MOOC(Massive open online course)平台"教育教学"类25门在线课程的评论以及对应回复数据作为源数据,使用中文自然语言处理技术对其进行预处理。然后,基于LDA改进算法实现主题挖掘以及可视化呈现热点聚焦话题的演化趋势。最后,利用共现网络图综合特征维度分析主题分布特征。该研究通过引入自然语言处理技术和改进的LDA主题挖掘算法,构建出一种面向在线课程评论回复文本的主题共现分析方法框架,为在线学习非结构化数据研究提供了理论支持和创新思路。

基于多维情感词典的B站视频弹幕倾向性分析

针对常规情感词典不适用于B站视频弹幕领域的语料库且在情感分析上维度比较单一的问题,提出基于多维情感词典的弹幕倾向性分析。利用融合改进词林和改进知网的词语间语义相似度算法,实现不同分类维度的词典按照人的七种情感维度“乐”、“好”、“怒”、“愁”、“惊”、“恶”和“惧”进行合并,并且结合B站发布的年度弹幕、弹幕表情符号等信息设计面向B站视频弹幕领域的多维情感词典。基于自构建的多维情感词典提取视频弹幕中的情感词和情感符号,使用改进的情感值计算方法度量弹幕情感值,以可视化的形式呈现分析结果。该研究通过引入多维情感词典和改进的情感值计算方法对弹幕内容情感分析,获取电影所包含的情感信息,提供一种视频检索的方法,满足观影者个性化需求,提升视频播放平台的用户黏度。

基于dSPACE的运动控制仿真平台设计

dSPACE公司所开发的实时控制器因其强大的功能而闻名,其高层次的开放语言-SIMULINK与DSP的实时交互使得引进软件设计方法和测试设计的系统成为可能。由于dSPACE控制器不是为了运动控制领域而特别开发的,所以就需要重点解决运动控制系统中安全逻辑、运动轨迹规划等这些在多数工业级别运动控制卡中常见的功能。本文将介绍一种基于dSAPCE控制器的运动控制平台的设计方法。利用dSPACE的编译平台,使用SIMULINK的S-function模块扩展设计,系统达到设计要求,能满足大多数运动控制系统的前期研发设计工作。

基于B/S结构的计算机笔迹鉴别系统

本文介绍了一种基于B/S结构的计算机笔迹鉴别系统,采用了显示层、中间层和数据层三层结构,显示层用于与用户的交互,中间层用于笔迹图像的处理以及对底层数据库的操作。经过实验,系统实现了笔迹的远程鉴别,并取得了良好的鉴别效果。

基于混沌初始化的缎蓝园丁鸟优化算法在图像分割中的应用研究

为了解决缎蓝园丁鸟优化算法(Satin Bowerbird Optimization Algorithm,SBO)寻优精度低和时间复杂度高等问题,本文提出一种基于Tent混沌映射的缎蓝园丁鸟优化算法(Chaotic Strategy to Satin Bowerbird Optimization Algorithm,CSSBO),并将其应用在图像分割。通过引入Tent混沌映射进行种群初始化,使得改进后的算法具有更高的寻优精度和收敛速度。为了体现算法的性能,本文将CSSBO算法与原始的SBO算法、改进的灰狼算法(Modified Grey Wolf Algorithm,MDGWO)和改进的人工蜂群算法(Modified Quick Artificial Bee Colony Algorithm,FMQABCA)进行了比较,结果表明CSSBO算法在图像分割上有着更为理想的效果。

面向纸杯杯口圆度检测的双向径向扫描方法研究

针对目前基于机器视觉技术的纸杯杯口圆度质量检测时,因光照不均而致杯口边缘轮廓定位准确率低和速度慢等问题,采用对图像径向灰度及梯度的特征分析,提出一种自适应阈值的双向径向扫描方法。应用双边滤波优化图像径向灰度分布规律,以及对灰度直方图均衡算法HE算法进行改进,使杯口边缘灰度对比更加明显,减弱了光照对获取边缘点的影响,提高了边缘点定位的准确率和效率。另外针对杯口圆度质量评估参数单一而导致漏检测问题,在获取杯口内外边缘点坐标之后,应用最小二乘法分别进行圆拟合,并以内外两个轮廓圆度来综合评定杯口圆度质量,提高了检测准确率。实验结果表明,所提算法对不同圆度缺陷的纸杯具有98%的检测准确率和0.123秒/个的平均检测速率,相较于其他算法更加快速有效。

基于多尺度特征选择性融合的遥感图像检测算法

遥感图像的检测在监察自然环境、军事、国土安全等方面具有极其广阔的应用前景,而遥感图像具有背景复杂、目标面积小、特征提取困难等缺点,进行检测时容易产生小目标漏检问题。本文提出一种基于多尺度特征选择性融合的遥感图像检测算法。所提算法采用改进的Resnet50作为主干网络,将Resnet50第一个卷积替换成动态卷积,并将其ConvBlock模块中的卷积替换成金字塔卷积,提高特征提取能力。同时,为了避免遗漏底层信息,在动态卷积层后加入所提有效空间通道注意力机制模块。最后,选取基于上下文信息的不同尺度特征进行融合,提高了模型对目标物体的定位能力。实验结果表明,本文算法在保证速度的同时提高了对遥感图像的检测精度,在遥感图像公开数据集RSOD和NWPUVHR-10上平均精度均值(mean average precision,mAP)分别达到91.88%和90.23%,检测速度达到33 FPS。