基于计算机视觉的电力作业人员行为分析研究现状与展望

电力作业人员的有效监管是保障电力安全生产的基础。该文对电力视频中作业人员的行为识别研究进行了归类总结,涵盖静态行为分析(穿戴分析、动作分析和组合分析)和动态行为分析(复杂动作、时序行为和行为预测等);详细综述了电力作业行为分析中的核心算法模块,包括目标检测、姿态估计和视频跟踪等;论述了电力作业行为识别在算法高效性、鲁棒性、灵活性等方面所面临的应用难点和挑战,并展望了电力作业行为智能监控领域的未来发展方向,特别强调了在软硬件结合、通用大模型、生成式人工智能方面进行技术创新和改进所蕴含的潜在机会。

基于潜在危险行为分析的多层面整体干预对精神分裂症患者的影响

目的:探讨基于潜在危险行为分析的多层面整体干预对精神分裂症患者的影响。方法:选取2020年6月1日~2022年6月30日收治的92例精神分裂症患者作为研究对象,采用随机数字表法分为对照组和观察组各46例;对照组采用常规护理干预,观察组在对照组的基础上采用基于潜在危险行为分析的多层面整体干预。比较两组幻听症状[采用中文版精神症状评定量表(PSYRATS)中的幻听维度(PSYRATS-AH)和幻听认知量表(修订版)(BAVQ-R)中的幻听认知信念],自我接纳度[采用自我接纳问卷(SAQ)],睡眠质量[采用匹兹堡睡眠质量指数量表(PSQI)],社会功能[采用社会功能缺陷筛选量表(SDSS)]及危险行为发生情况。结果:干预后,两组PSYRATS-AH评分均降低(P<0.05),且观察组低于对照组(P<0.05),但两组幻听认知信念比较差异无统计学意义(P>0.05);干预后,两组SAQ评分均升高(P<0.05),且观察组高于对照组(P<0.05);干预后,两组PSQI、SDSS评分均降低,且观察组低于对照组(P<0.05);观察组危险行为发生率低于对照组(P<0.05)。结论:基于潜在危险行为分析的多层面整体干预可改善精神分裂症患者的幻听症状,提高患者自我接纳度与睡眠质量,减少危险行为发生情况,促进患者恢复。

积极的ESG责任履行能否影响分析师行为决策

以2009—2021年沪深A股上市公司为研究样本,实证检验了企业ESG表现对于分析师行为的影响。研究发现,良好的ESG表现能显著提升分析师关注度和预测质量。机制检验表明,盈余波动性和信息不对称程度是ESG表现影响分析师行为的重要中介机制,内部控制质量是ESG表现影响分析师行为的重要调节机制。异质性分析表明,明星分析师和国有产权性质均削弱了ESG表现对分析师预测质量的积极效应。分项检验表明,不同于环境与社会责任表现对分析师行为的有限影响,公司治理维度的表现对分析师行为的积极作用更为显著。

基于计算机视觉的工业人员行为分析实验平台

该文面向本科生与研究生实践教学,利用计算机视觉技术开发了工业人员行为分析实验平台。依托工程实训中心,通过多通道数据采集装置收集人员工作环境、作业行为以及劳保用品等数据。基于PyQt5构建工业人员行为分析实验平台,该平台将计算机视觉技术与工业安全管控标准深度融合,以实现工业人员流程类与非流程类作业的行为分析。为验证实验平台的有效性,使用工业人员行为测试数据对所研发的实验平台进行了实验验证。实验结果表明,该实验平台能对工人多种作业进行有效评判。该实验平台有助于提升本科生和研究生在智能图像处理领域的实践能力。

基于画像技术的在线学习行为分析研究

由于在线学习的时空分离特性,如何监督和掌握学生的学习状态并提供及时的学习干预,成为在线教学首要解决的难题。文章从学生学习画像的角度出发,将画像技术和学习行为分析技术相结合,构建时效性较强的学生个体和群体画像,可视化地呈现了学生行为数据并进行干预,以提高学习质量。

高职院校奖助金推荐系统研究及资助对象行为分析

随着高校数字化建设的不断深入,如何从海量教育数据中挖掘出与奖助金评判相关的数据及评判方法值得深思。以学生在校成绩、消费情况、贫困程度、社团活动、奖惩及竞赛等数据为基础,设计奖助金推荐系统,以决策树算法为依托,对学生的奖助金评判进行分析研究,并对获评对象在校活动进行监督分析,结果表明奖助金推荐系统可以为高校决策提供管理依据。

基于SPOC混合教学数据的学生学习行为分析与挖掘

SPOC模式的混合式教学通过提供个性化和灵活的学习体验,赋予了学生根据个人学习节奏和兴趣选择适宜学习内容的能力,极大地提升了学习的便捷性和效率。在这种模式下,教师能够精准跟踪和把握每位学生的学习进展和成绩,实现对学生进行个性化指导的目标。同时,教师能够依据学生的实时表现灵活调整教学策略,确保教学质量的持续提升。文章通过深入分析SPOC模式下产生的在线学习数据、线下考试结果和课程调查问卷,利用数据挖掘工具,揭示学生的学习行为和学业表现,为教学决策提供坚实的数据支撑,进而优化教学设计,改善学生的学习体验,激发学生的学习潜力,促进学生对知识的深入理解和应用能力的全面提升。基于此,高校也应加强对教学数据的收集和分析,建立完善的教学质量监控和评价体系,以促进教育质量的持续提升。

基于消费者行为的电商直播营销策略分析——以抖音为例

随着互联网的快速发展,电商直播作为一种新兴的商业模式,已经吸引了大量消费者的关注。在直播营销模式下,深入进行消费者的行为分析,并基于消费者行为分析对直播营销给出相应的营销对策和建议,对提升直播营销效果有不可替代的作用和意义。本文对当前直播营销模式下消费者的行为进行了分析和解读,并立足消费者行为分析视角对直播营销的优化提出相应对策,以期为实际工作提供参考和借鉴。

基于异常点检测的大学生异质行为分析

大学生异质行为指的是大学生具有个性特征、不同于他人的行为偏好。针对大学生异质个体的行为挖掘问题,提出一种基于异常点检测的异质行为分析方法。首先以某校大学生成绩数据和校园一卡通数据为基础,建立异质行为分析模型,采用主成分分析、K-Means++和DBSCAN聚类分析寻找异常点,研究关注异常点对应的异质行为人。然后,通过异常点检测辨别学习成绩中的异质个体,并进一步探究其作息规律与学习成绩异常之间是否存在强关联。接下来,运用多种算法相互印证异常点的准确性,借助对相关学生的调研来验证异常点数据的可信度。研究表明,所提方法能对大学生异质行为模式进行深度分析,为提升学校管理水平和管理效率提供了基础依据。

应用行为分析疗法联合结构化教学在儿童孤独症康复治疗中的应用效果

目的:儿童孤独症康复治疗过程中采用行为分析疗法与结构化教学方法联合干预的效果。方法:选取2019年4月—2021年4月河南中医药大学人民医院治疗的儿童孤独症患儿,随机分成对照组与观察组,每组各48例。对照组患儿实施结构化教学模式干预,观察组患儿在对照组的基础上联合应用行为分析疗法,比较两组患儿干预后临床总有效率,患儿孤独症行为量表(ABC)评分与儿童孤独症评估量表(CARS)评分以及家属满意度情况。结果:观察组患儿临床总有效率为95.83%显著高于对照组的70.83%,差异有统计学意义(χ^(2)=10.800,P<0.05),干预后,观察组患儿ABC评分与CARS评分均低于对照组,差异有统计学意义(t=14.992、7.088,P<0.05),观察组患儿家属满意率为97.92%高于对照组的79.17%,差异有统计学意义(χ^(2)=8.317,P<0.05)。结论:应用行为分析疗法联合结构化教学在儿童孤独症康复治疗中,不仅可以提升患儿临床总有效率,改善患儿ABC评分与CARS评分,还可以提高家属满意度。

基于大数据的网络信息挖掘与用户行为分析

本文探讨了基于大数据的网络信息挖掘与用户行为分析的关键技术和实践应用。首先概述了大数据技术的发展现状与常用技术框架,如Hadoop、Spark和Storm。其次介绍了网络信息挖掘方法,包括文本挖掘技术、社交网络分析方法和网络结构挖掘与图数据库技术。在用户行为分析方面,讨论了用户画像构建、行为模式识别和用户行为预测模型等技术。文章还重点阐述了基于大数据的网络信息挖掘与用户行为分析实践,包括数据采集与预处理、用户行为分析模型的构建与验证,并通过新闻资讯平台的用户行为分析案例展示了实际应用效果。最后,对全文进行了总结,强调了大数据技术在网络信息挖掘与用户行为分析领域的重要性和应用前景。

公共图书馆移动阅读行为分析--以国家图书馆移动阅读平台为例

文章通过国家图书馆移动阅读平台2023年的阅读数据,从用户、阅读偏好、访问页面、操作行为等多个维度分析用户阅读行为。用户目前的阅读目的还是以休闲娱乐为主,部分用户有阅读专业资源的需求和用户寻求资源的方式偏向于系统推荐,阅读需求目的性不是很明确,在阅读过程中比较喜欢利用收藏、书架功能记录喜欢阅读的图书。

学习行为分析框架设计与应用案例

多模态数据为学习行为分析和教育研究的发展带来了新范式,加快了多模态学习分析理论的研究和实践模型的构建。文章以智慧学习环境下学习行为分析研究进展为基础,明确划分了智慧学习环境下学生多模态学习行为数据采集类别,构建了多模态学习行为分析框架并将分析框架应用实践,实践研究表明:智慧学习环境下多模态学习行为分析框架立体地刻画了学生学习行为轨迹,科学地展示了学生学习状态。

基于大学生行为分析的个人职业发展评价体系探析

随着我国大学毕业生规模逐年攀升,就业形势日趋严峻。本文通过问卷调查,对大学生的个人属性、行为模式、行为轨迹等因素与个人职业发展的关系进行了深入分析,构建了一个基于大学生行为分析的个人职业发展评价体系,为促进大学生全面发展、助力高校职业生涯教育工作持续健康发展和提高大学生个人职业发展水平,提供了一个有效的途径和方法。

农村寄宿制初中生独处偏好与攻击性行为的关系——基于潜在剖面分析

为探索农村寄宿制初中生的独处偏好与攻击性行为的关系,采用攻击性问卷(AQ)、独处偏好量表(PSS)对516名农村寄宿制初中生进行调查。结果显示:一是农村寄宿制初中生攻击性存在显著的群体异质性,分为低攻击型、中等攻击型与高攻击型;二是相比低攻击型,农村寄宿制留守初中生在中等攻击型中占比更大,父母受教育程度越低的农村寄宿制初中生在高攻击型中占比更大,年级越高的农村寄宿制初中生在中等攻击型、高攻击型中占比更大;三是具有高独处偏好的农村寄宿制初中生更可能归属于中等攻击型和高攻击型。研究结果验证了农村寄宿制初中生攻击性存在显著的群体异质性,且年级、是否留守、父母受教育程度、独处偏好是其影响因素。

基于部队官兵文化需求的公共图书馆智慧化阅读推广用户行为分析和兴趣序列建模

公共图书馆智慧化阅读可实现个性化的图书推荐和阅读服务,可以更好地引导官兵发现和拓宽阅读领域。传统的个性化推广对于读者的借阅频繁度、上网搜寻浏览行为以及实行单向传递信息方面而言,用户只能被动地得到推荐的产品或者服务。本文通过对部队官兵文化的需求研究得出用户行为偏好与地域呈现出某些特定的关系,从而建立出融合地域特征特性和用户偏好的卷积序列化推荐(Convolutional Embedding with Region and User Preference, CERU)模型。

基于SEM模型的新能源网约车用户充电行为关联因素分析

针对新能源网约车用户的充电行为与个人属性、车辆属性、用户满意度等多重因素之间的复杂互动问题,运用结构方程模型(Structural Equation Modeling,SEM)详细探究各定量因素之间的影响作用,并采用关联规则挖掘技术结合定类数据和定量数据分析405份样本,得到用户与充电行为相关决策的具体表现形式.研究结果表明:每增加40 km的行驶里程,充电次数将平均增加0.407次;用户个人和车辆的属性反映出不同群体的充电决策差异,路径系数分别为0.336、0.159;排队时间阈值每增加1个单位,到站时间阈值平均增加0.231个单位,说明不同场景下用户可接受的时间阈值具有一致性,通过提供针对性服务可以满足不同用户的需求;新能源网约车的预估里程准确度与用户对充电设施的满意度正相关,正相关结果的统计显著性水平P值为0.273,反映了准确预估里程能力在促进新能源网约车普及中的重要性;用户对价格和服务的多样性说明市场的灵活定价机制具有潜在价值;时间和金钱在决策中的复杂权衡,反映了行为背后的复杂性和多元性.这些结果揭示了不同因素之间的复杂关联,为未来相关领域的研究提供了理论基础和实证依据.

考虑双向流固耦合的洪水作用下穿越河流管道力学行为分析

为了解决洪水作用下穿越河流管道单向流固耦合未考虑管道对洪水影响而导致结果不准确的问题,提出洪水-管道双向流固耦合有限元计算模型,基于该模型开展不同因素下管道应力、位移和振动频率的力学行为分析。研究结果表明:管道应力、位移与洪水流速、悬空长度呈强正相关,管道存在屈服破坏和变形破坏的风险,且输油管道尤其明显;管道涡激振动频率与洪水流速、悬空长度呈强相关,这2个因素增大导致管道共振风险增大,且输气管道尤其明显;涡激振动引起的交变荷载导致管道累计损伤,管道存在疲劳破坏的风险。因此,管道设计时应采取预防性措施以应对洪水灾害,特别关注洪水流速、悬空长度和输送介质的影响,以避免管道发生破坏。研究结果对穿越河流管道的安全评价及可靠性研究具有参考价值。

混合教学模式下学生学习行为特征分析及提升策略研究

目的 通过对混合教学模式下学生学习行为进行分析,从而有针对性地实施教学干预,提升学生学习效果。方法 对同一课程2019级和2020级高职生在线平台课程中的学习行为数据进行分析。通过采用因子分析、聚类分析等数据挖掘方法,对学生的观看视频时长、回答问题次数等学习行为数据进行聚类分析、相关性分析,寻找影响学生成绩的重要影响因素,有针对性地对2021级学生实施教学干预。结果 高职生具有被动型学生占比大、消极型和积极型学生占比小的特点,学习质量主要受教师的关注度、章节测验、作业、课程积分等因素的影响;教学过程中,过程评价中的学习行为与学业成绩显著相关,对学业成绩有促进作用。在教学设计过程中通过关注成分矩阵中数值较高的学习行为,提高线下课堂互动参与度和线上资源辅助效率,2021级学生的整体学习成绩有所提升。结论 混合式教学模式下,线上教学是线下教学的有力补充,应充分发挥线上线下教学的优势,实施教学干预,改进教学策略,提升学生学习质量。

基于多尺度特征图卷积网络的教学行为识别及分析

在教育领域,课堂教学评价是提高教学质量的关键环节之一。随着数字化教育的推广,寻求一种智能化的评价方法变得尤为重要。为此,提出了一种基于骨架行为识别和滞后序列分析的新型方法,旨在更准确地对教师的教学行为进行捕获和分析,在减少人力资源消耗的同时,降低教学评价的主观性。首先,提出多尺度特征图卷积网络,并将其用于教师课堂行为分析。该网络在空间维度上使用多尺度语义特征融合模块捕捉骨架点和肢体部位两个尺度的特征;在时间维度上使用多尺度时序特征提取模块,并分别从全局和局部两个角度提取骨架数据的时间特征。然后,构建了教师课堂行为分析数据集,并在该数据集上验证了所提方法的有效性。最后,利用所提的骨架行为识别模型和滞后序列分析法,搭建了一套教学行为识别与分析系统。在进行不同课堂教学行为识别时,所提方法在教室行为识别与分析方面具有显著的优势。