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。

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。

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。

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。

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。

用电行为分析系统的设计

随着居民用电需求的急剧增加,电能消耗日益庞大,这使得有效管理和控制电能的消耗显得尤为重要。此外,居民用电通常表现出一定的集中性,因此对电网的高负荷运行和电力供应稳定性构成了挑战。文章设计了一种用电行为分析系统,基于非侵入式负荷监测技术和区块链技术,该系统可实现居民用电行为分解、用电安全预警等功能,为居民安全用电和电力系统的稳定运行提供保障。

新通用顶级域名解析行为分析与恶意域名检测方法

自2013年ICANN发起新通用顶级域名(new gTLD)的授权以来,域名系统(domain name system,DNS)中已增加了上千个new gTLD.已有工作表明new gTLD在为域名注册者带来了灵活性的同时,由于注册成本低等原因也经常被用于恶意行为,识别恶意new gTLD域名具有重要的意义.然而,由于new g TLD域名在域名长度等方面的独有特征,已有恶意域名识别方法应用于new gTLD恶意域名的识别时准确率低.针对这一问题,首先基于海量域名解析数据,从顶级域名对应二级域名(SLD)数量、查询量、查询失败率、内容复制和承载基础设施共享5个方面刻画了new gTLD域名解析行为.然后分析恶意域名的解析行为并发现其在内容承载基础设施集中性、SLD对应的完全限定域名(FQDN)数目、域名查询次数、请求用户网络空间分布、SLD长度分布等方面的特征.最后根据这些特征设计了一种基于随机森林的new g TLD恶意域名检测方法.实验结果表明,所提方法达到了94%的准确率,优于已有恶意域名检测方法.

基于用户行为分析的APP用户知识图谱构建

为了更好地帮助开发者理解用户需求,从而优化APP功能和体验,提高用户满意度,文中提出一种基于用户行为分析的APP用户知识图谱构建方法。首先从用户行为分析出发,通过APP用户评论细化用户行为;接着,通过APP用户行为与用户关系属性的映射抽取用户关系属性;最后,基于关系抽取结果构建APP用户知识图谱。通过相关算法进行APP用户知识图谱的构建,结果证明了该算法的有效性,能够创建出信息更为丰富的APP用户知识图谱。

基于深度学习的鸡脸识别与行为分析算法研究

为探索深度学习在鸡脸识别及其行为分析中的应用,通过构建并训练深度神经网络实现了高效精确的个体识别和行为模式分析,为智能化农业和动物行为学研究提供技术基础。研究围绕鸡的个体识别,通过图像识别技术解决养鸡业的疫病传播问题。研究选用YOLOv4模型进行鸡脸和行为的识别,与FasterR-CNN网络模型相比,YOLOv4在精确度和召回率的精度上都优于FasterR-CNN,显著提升检测准确率,表现出较传统技术更优的实时检测能力。未来,研究将致力于数据集扩展和模型优化,以提高准确性和实用性,助力养殖业疫病防控。

深度学习在动物行为分析中的应用研究进展

近年来动物行为分析已成为脑科学与人工智能等领域的重要研究手段之一,研究者基于深度学习的图像分析技术,构建了自动化、智能化的动物行为分析方法。相较于传统的动物行为分析方法,该类方法无需对动物进行特殊标记,可高效地对动物的姿态进行估计和跟踪,实验情景贴近自然情况,为复杂的动物行为实验提供了潜在可能性。对深度学习在动物行为分析中的应用研究进行综述,首先简要分析动物行为分析的任务及现状;然后重点介绍并比较现有的基于深度学习的动物行为分析工具,根据实验分析的行为维度,将该类工具分为二维的动物行为分析工具和三维的动物行为分析工具,并对工具的功能、性能以及适用范围进行论述;进而介绍了现有的动物数据集和评价指标,对现有的动物行为分析工具所利用的算法机制从优势、局限性、适用场景做出总结;最后,从数据集、实验范式和低延时性等方面对基于深度学习的动物行为分析工具做出展望。

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。

基于微观行为分析的城市轨道交通车站内行人步行速度影响分析

城市轨道交通的建设和运营推动城市交通系统的完善和社会经济的发展,但随着客流量的日益增长,行人在城市轨道交通车站内的步行需求与站内引导行人流的设施设备之间产生矛盾,导致乘客步行时间增加。文章选取重庆市轨道交通3号线上的重庆交通大学站进行数据调研,将行人按年龄分为3个不同群体,并设定23组自变量。为探究自变量对行人步行速度的具体影响,建立基于行人微观行为的回归分析模型,将行人步行速度设为因变量。最后根据回归结果筛选出10组对站内行人步行速度影响显著的变量参数,以此帮助城市轨道交通车站提升服务水平,提高站内行人通行效率。

基于学生行为分析的民办高校课程教学质量评估方法研究

在当今社会,教学质量评估对于民办高校的重要性日益凸显。为提升民办高校的教学质量,文章提出基于学生行为分析的民办高校课程教学质量评估方法研究。首先,文章基于学生行为分析影响课程教学质量的因素,构建民办高校课程教学质量评价指标;然后,进行指标权重分配,完成民办高校课程教学质量评估过程设计;最后,应用对比实验验证所提方法的先进性。实验结果表明:应用基于学生行为分析的民办高校课程教学质量评估方法后,学生的平均成绩水平显著提升,远高于基于文本大数据的MOOC教学质量评估方法下的学生平均成绩。该方法对教学质量产生了积极的影响,说明了基于学生行为分析的民办高校课程教学质量评估方法能够准确有效地评估教学质量。

基于大数据技术的电商用户行为分析与可视化

随着互联网技术的进步,消费者逐渐形成在电商平台购物的习惯,由此产生了海量的用户行为数据。有效分析和挖掘这些数据并发挥其价值,是当前电商平台的迫切需求。文章详细阐述了从数据采集与预处理、数据存储、数据分析与可视化等多个方面。数据分析结果可为电商平台制定产品策略、优化用户体验和增强市场竞争力提供参考。

基于大数据行为分析的课后服务提质增效路径研究

“双减”政策实施以来,全国各地中小学广泛开展课后服务,为学校教育提供了新的发展动力。当下,如何促使中小学课后服务从“常态化”走向“高质量”发展,并切实做到提质增效,成为课后服务发展的关键所在。大数据行为分析可以精准定位学生的需求,帮助学校从学生的需求出发,自下而上地完善并优化中小学课后服务的发展。基于协同过滤算法构建的推荐系统可辅助课后服务实现从经验驱动向数据驱动转变、从被动响应向主动探索转变,从人力密集向科技集约转变、从千篇一律向精准发力转变,以期达到提质增效的目标。