基于均值漂移的关联关键设施网络抗毁性评估方法

随着不同基础设施网络之间的关联性日渐增强,也使得其在遭受区域毁伤时更为脆弱.区别于传统的节点破坏方式,考虑伤害衰减的区域破坏方式会导致毁伤区域内的节点或边部分失效,继而对网络系统功能造成严重的影响.文章提出了基于区域毁伤方式下关联基础设施网络抗毁性评估模型,用于识别关联网络的脆弱区域并评估网络抗毁性,并设计一种基于均值漂移法的算法搜索关键区域,采用归一化的网络流指标来评估不同规模之间的网络抗毁性水平.最后,通过数值实验验证了算法的有效性,相比于遗传算法和现有的算法,文章所提出算法求解速度更快,也具有更好的可拓展性.

基于PPG的地铁司机驾驶疲劳识别研究

目的本文旨在验证利用光电容积描记术PPG信号代替心电图ECG信号对地铁司机进行疲劳识别的有效性。方法通过设备获取司机PPG信号,并进行心率变异性分析,提取时域、频域及非线性领域等驾驶疲劳相关特征,将瞳孔面积作为疲劳分类的标准,并采用均值漂移聚类划分疲劳等级,最后代入支持向量机SVM模型进行训练。结果地铁司机在驾驶状态下的PPG信号与ECG信号也具有高度一致性;同时疲劳识别的准确率达到85%~90%。结论可以利用PPG信号构建驾驶疲劳实时监测系统,实现地铁司机疲劳状态的实时监测与警示。