随机森林手势识别算法的高效嵌入式软件实现

无接触手势识别技术作为一种自然的人机交互方式,可以应用于手机、平板和可穿戴设备。为了高效实现超声手势识别嵌入式系统中采用的"一对其余"多分类随机森林算法,提出一种其推理过程的嵌入式软件实现方案。设计更精简的模型节点数据结构,以降低手势模型占用的存储空间。为节省系统能耗并缩短运行时间,利用分支定界的方法及时排除不可能产生正确解的手势类型,在保证识别率的条件下避免不必要的FLASH读取和决策树判定过程。实验结果表明,与传统的随机森林算法相比,该方案在FPGA上运行的实测时间缩短约60%,一次推理的平均判定次数低至243。

基于ERF和BO-SVC的交流接触器触头故障识别方法

针对交流接触器各状态样本不均衡导致故障状态识别精度低和特征冗余度高的问题,文中提出一种基于嵌入式随机森林(embedded random forest,ERF)和贝叶斯优化非线性支持向量机(Bayesian optimization-support vector classification,BO-SVC)的复合识别方法。首先,通过交流接触器全寿命试验平台提取接触器状态特征,并针对各状态样本间不均衡导致识别精度低现象,提出一种基于权重法的样本均衡处理策略。然后,使用ERF对均衡后样本进行特征选择和降维,提取最能表征触头状态变化规律的最优特征。最后,将最优特征输入到BO-SVC识别模型,与另外2种代表性模型作为对比,以精确率、召回率和F1-分数3个指标对各模型性能进行评估。在3个指标上,文中方法的结果分别达到95.22%、98.91%和97.01%,均高于对比模型。以F1-分数为指标,在4组样本上对各模型性能进行测试,结果表明文中方法的F1-分数平均高出对比模型0.56%和27.28%,验证文中研究有效解决了交流接触器特征冗余和故障识别精度低的问题。

面向嵌入式控制终端的水培生菜光调控目标值模型

随着嵌入式系统的发展,如何在嵌入式控制终端上实现不同根温、气温、CO2浓度下光饱和点的动态获取,成为设施农业发展的重要问题。以水培生菜为试验材料,设计多因子嵌套试验方案,基于随机森林算法建立面向嵌入式控制终端的光调控目标值模型,研究随机森林算法参数对模型的影响,并对模型进行验证分析。结果表明:该模型可实现基于嵌入式控制终端的光饱和点的动态获取,模型决定系数为0. 9955,均方根误差为5. 677,平均绝对误差为5. 3475,可为面向嵌入式系统的光环境高效精准调控提供理论依据。

机器学习方法在学习评价改革中的运用探讨与实践研究

随着传统课堂向线上线下混合式教学模式发展,教学方法、考核方式、学习评价等均有必要做相应的改革。本研究基于能力本位理念,“岗、课、赛、证”分解重构教学内容,制订课程标准,创新“半翻转”混合教学模式,实施学习评价改革。在信息技术助力下,采集学生学情数据,基于课程培养目标建立评价体系,基于机器学习随机森林方法设计评价模型,实现嵌入式的自动学习评价。本方法通过实践,验证了本评价模型的有效性与准确度,并将学习评价嵌入学习过程,实现对学习评价与管理机制的精细化。