基于统计聚类方法的儿童下肢肌电信号周期识别

为运用肌电信号分析髋脱位儿童和正常儿童的差异,提出一种基于统计的聚类方法,识别步态中下肢肌电信号的周期起始时刻。使用非参数贝叶斯模型将肌电信号序列聚类为状态序列,并通过k均值聚类算法将该状态序列标记为肌肉活跃和不活跃两种状态,将肌肉活跃状态的起始时刻作为肌电信号周期的起始位置,并且利用窗函数方法提高预测准确性。实验结果表明,该方法对于预测正常儿童周期起始位置的识别误差较小,平均值为2.15%,并且在5%的置信度水平下与SampEN、SNEO和IP等检测算法相比具有较高的预测准确率。

京津冀地区冬小麦气候生产潜力的一种动态区划

以京津冀地区的冬小麦农业气候生产潜力为研究对象,根据统计检验聚类方法(CAST)与旋转主分量分析(RP-CA)相结合的气候分类区划新方法,对该区冬小麦气候生产潜力进行了区划试验,计算验证了理论与实际结果的一致性,从而进一步证明该方法的合理性及可靠性。同时也印证了CAST和RPCA用于气象场分类区划具有等价性和互补性的事实;此外,各分区具有不同的年际变化特征,也表明区划结果是合理的,从而较好地佐证了这一新的分区方法。