基于足底压力及BP神经网络的人员身份识别垫具系统设计

由于每个人走路方式不同,使得各人鞋底的磨损程度也不同,因此在很多案件中,法医都会通过“鞋印”来对嫌疑人进行侧写和识别。截至目前,多项研究已经证实,在人员识别方面,“鞋型”和“步态特征”确实是一类非常有用的工具。不过,单一特征识别设备存在明显缺点,如操作复杂以及抗干扰性难以达标等。为解决上述“短板”,文章提出了一种基于BP神经网络联合“鞋型”和“足底压力特征”的身份识别系统。通过比对3种不同的足底压力数据积累方法,研究发现,所提系统在无“噪声”的情况下能够达到最佳精确度(89%),而当“添加”10%的噪声像素时,其精确度亦能够达到74%。所得结果证实,该系统在人员识别方面的性能确实令人满意。

基于并行空时深度学习网络的无设备身份识别方法

针对现有人员身份识别方法存在灵活性差、特征提取不足的问题,分析人体步态对信道状态信息(CSI)幅值产生的影响,提出一种基于Wi-Fi信道状态信息的无设备人员身份识别方法。将CSI幅值矩阵的每列子载波作为样本,利用小波变换获取样本中代表人员活动的低频信息。通过并行深度学习模型WiD(Wi-Fi identification)提取样本中人体步态的大小和发生的先后顺序,合并两种步态特征作为人员的身份特征。通过Softmax函数进行分类,实现身份识别。与当前先进方法相比,在未明显增加时间代价和空间代价的条件下,该方法获得了更高的身份识别精度和更好的模型鲁棒性。

中国科研人员国际流动影响因素研究

[目的/意义]科研人才是国家发展的核心要素,随着经济全球化的不断深入,国际人才竞争日益激烈,中国也面临着严峻的科研人才流失问题。本研究旨在深入探索中国科研人员国际流动的影响因素,为我国构建合理的人才流动机制提供参考意见。[方法/过程]本研究将ORCID数据集、Web of Science文献数据等多个科研平台的作者信息和机构名称相关联,采用机器学习和数据挖掘的方法对中国科研人员学术履历进行了补齐和重构,之后从中国科研人员整体流动特征出发,探讨了中国科研人员的国际流动概况,并在此基础上运用Logistic二元回归模型对科研人员跨国流动的影响因素进行实证分析。[结果/结论]流入国的科研水平、科研人员的科研产出以及科研人员的职业状态是影响人才跨国流动的主要因素。

ORCID在科技期刊同行评议专家信息收集中的应用探讨

ORCID是国际科学界为解决姓名歧义而创立的科研人员与贡献者唯一识别码。ORCID注册平台同时也是收集科研人员信息的开放性平台。专家信息是科技期刊构建同行评议专家数据库的基础。目前科技期刊同行评议专家数据的收集存在主观随意性。通过ORCID平台,科技期刊可以高效、全面的收集专家信息,为专家数据库的构建提供信息保障,将实现科技期刊同行评议专家库构建的规范化和数字化。