CAS-Glove型数据手套运动建模与软件系统开发

数据手套是虚拟现实系统当中一种通用而且非常重要的交互设备。本文首先介绍了一种新型数据手套CAS-Glove,然后根据手指的生理约束条件,以及CAS-Glove中传感器的布置和特点,建立了一种改进的手指运动模型。最后对与其相配套的软件系统的组成、主要功能、实用的标定方法和数据处理过程做了详细介绍。

基于GloVe词向量的“技术——应用”发现研究

[目的/意义]本文探讨挖掘技术和应用间的关联关系,便于把握技术的目标应用场景和了解应用需求的可选技术方案,为技术转化提供基础。[方法/过程]首先,建立基于改进GloVe词向量的"技术——应用"发现模型,提出改进词向量的算法;然后,以机器学习技术为例,获取该领域学术论文文摘数据,预处理后建立训练文本集合,再使用改进GloVe模型训练获得词向量;最后,对词向量聚类获得"技术"和"应用"类词汇集,通过共现获得两者之间的关联并分析。[结果/结论]实验结果表明,本文改进GloVe模型后训练的词向量性能获得提升,聚类效果好,最终实现"技术——应用"的关联分析。

基于GloVe模型和注意力机制Bi-LSTM的文本分类方法

为了提高文本分类的准确性,扩展分类任务的多样性,提出一种结合一维卷积神经网络(1D-CNN)和双向长短期记忆网络(Bi-LSTM)的文本分类方法。首先,为了解决近义词、多义词的表征困难,采用GloVe模型表示词特征,充分利用全局信息和共现窗口的优势。然后,利用1D-CNN进行特征提取,以降低分类器或预测模型的输入特征维数。最后,对分类模块Bi-LSTM进行优化,其隐藏层由两个残差块组成,并引入注意力机制进一步改善预测的准确度。在多个公开数据集中进行二元分类和多元主题分类实验。实验结果表明,与其他优秀方法相比,所提方法在准确率、召回率和F1得分方面的性能更优,最高准确度达92.5%,最高F1得分为91.3%。

“互联网+”环境下融合多特征的弹幕数据情绪监测模型构建

针对企业营销活动中未充分考虑客户情感特征,导致营销效果达不到预期的问题,提出一种融合多特征的ALBERT-SA-BIGRU模型。首先,基于企业营销活动弹幕数据构建表情符号词典及相关语料库。其次,将弹幕文本与弹幕属性共同输入ALBERT模型中提取弹幕文本的特征表示,并与GloVe预先训练好的表情符号特征融合。再次,利用自注意机制捕捉表情符号与弹幕文本、弹幕属性之间的关系,将捕获的词语特征输入BiGRU中从前向、后向捕获信息,加强语义依赖,提取情感特征。最后,用Softmax逻辑回归进行情感倾向性分类,构建情绪监测图。以某互联网营销平台163253条弹幕数据对模型进行性能验证的结果表明,模型准确率、精确率、召回率分别为88.8%、88.7%、88.9%,相较于其他模型均有一定提升,可为企业在营销活动中实现用户情绪监测智能化精准营销提供支持。

一种改进的GloVe词向量表示学习方法

GloVe模型是一种广泛使用的词向量表示学习的模型。许多研究发现,学习得到的词向量维数越大,性能越好;但维数越大,模型学习耗时越长。事实上,GloVe模型中,耗时主要表现在两方面,一是统计词对共现矩阵,二是训练学习词向量表示。该文在利用GloVe模型统计语料中词对共现时,基于对称或非对称窗口得到两个共现矩阵,然后分别学习得到较低维度的词向量表示,再拼接得到较高维度的词向量表示。从计算的复杂度来看,该文方法并不会产生多的计算量,但显然统计共现矩阵和训练学习可通过并行方式实现,能够显著提高计算效率。在使用大规模语料的实验中,以对称和非对称窗口分别统计得到共现矩阵,分别学习得到300维词向量表示,再使用拼接方式得到600维词向量表示。与GloVe模型对称和非对称的600维的词向量相比,在中文和英文的词语推断任务上,显著地提高了预测的准确率,在词语聚类任务上,有较好的聚类效果,验证了该文方法的有效性。

基于专利文本语义距离的跨领域关键共性技术识别方法研究

[研究目的]跨领域关键共性技术强调技术的跨领域关联与主导作用,对其识别将为政府推动跨产业跨领域创新、提前布局相关技术领域提供决策支持。[研究方法]首先,运用GloVe模型向量化专利文本,按照专利与技术领域的语义接近程度划分专利所属领域;其次,基于GMM算法提取各领域技术主题,依据技术主题之间的语义距离,构建技术主题关联网络;最后,利用漏斗模型,依据技术主题的共性指标、跨领域指标、关键性指标筛选出跨领域关键共性技术。[研究结论]运用养老科技领域专利数据进行实证研究,结果显示“智能控制辅助技术”“无接触式躯体感知技术”“沟通与信息辅助技术”“适用性技术”为跨领域关键共性技术,通过比对国家相关政策内容,验证了方法的有效性。

基于虚拟现实技术的心理健康状况测评系统

传统测评系统难以构建出虚拟的测试环境,导致心理健康状况测评效果较差,因此设计基于虚拟现实技术的心理健康状况测评系统。该系统利用传感器、数据手套、头盔显示器等硬件设备采集测评人员心理健康数据;利用图像模块、交互控制等模块结合VC++和OpenGL构建虚拟现实心理健康评测环境,以提高测评有效性。使用层次分析法构建测评模型,完成心理健康状况测评。实验结果表明:该系统生态效度接近100%,且测评人员的空间存在感、参与感百分比均超过95%,虚拟现实模拟效果较好。

基于数据手套的人机交互环境设计

在对手结构和手关节运动深入分析的基础上 ,建立了基于约束的、以关节为节点的“父、子物体”链接的虚拟手模型 ,绘制了虚拟手 .通过对数据手套及接口的分析与设计 ,根据手运动类型的约束条件及图形变换原理 ,实现了基于数据手套的手势合成、碰撞检测和碰撞处理的三维交互操作环境 .在该虚拟环境中 ,虚拟手可以进行飞行、抓取。

基于数据手套的虚拟手精确建模的研究与实现

研究针对虚拟手与真实手的运动匹配问题,结合人手部的解剖学特征和机构学原理,提出将手部简化为合理的杆架机构,并采用实际物理参数测量等手段,为保证手部几何模型及运动映射的精确性与个性化,给出运动学建模、数据手套标定及采集数据处理的具体方法。结果搭建试验的平台对方法及实现进行验证,试验中虚拟手与真实手运动匹配良好,表明提出的实现方法有效且实用。

虚拟手模型及其抓取技术

在深入分析手的解剖结构和运动特点的基础上 ,采用层次结构建模方法 ,建立了虚拟手模型 .然后针对已有的虚拟手抓取规则过于简化的特点 ,提出了一种新的虚拟手抓取规则 .该规则能够使虚拟手正确地抓取虚拟环境中的物体 .最后运用虚拟手模型和抓取规则实现了虚拟手对虚拟物体的抓取。

基于数据手套和跟踪器的虚拟手臂建模

文中利用数据手套和跟踪器获取手臂各关节运动数据,根据关节运动限制对所获取数据进行处理,建立了符合人体运动规律的虚拟手臂数学模型,实现了虚拟环境中与试验者的手臂同步运动、效果逼真的虚拟手臂模型。

基于模糊神经网络的手势识别

本文通过对人手结构和手关节运动的分析 ,建立了手模型及其相应的数据结构 .由数据手套的数据接口获取各指节的曲伸角度 ,建立手势标准样本库 ,并提出了采用模糊神经网络进行手势识别 ,用手势标准样本加以训练 ,使其具备识别手势的功能 .试验结果表明 。

PVC手套生产线手模温度在线测量的研究与应用

为了解决PVC手套生产过程中手模温度在线测量难题,开发出一套移动物体在线测温装置。该装置安装红外测温传感器,采用PLC控制的同步跟踪技术对生产线手模进行跟踪,保证红外测温传感器和手模同步并正确测量其温度。用组态软件kingview开发出手模温度在线测量的监控界面,对手模温度进行实时监控。实验结果显示该装置运行稳定,采集的温度可靠。

基于数据手套的汉语手指字母流识别系统

针对目前研究中对数据手套硬件要求较高的现状,研究汉语手指字母流的识别分类问题,提出一种低要求、高识别精度的数据手套方法。该方法使用BP神经网络结合马尔科夫模型,按照汉语拼音规则进行输入拼音序列概率的估计,输出汉语拼音。仿真实验结果表明,采用该方法能获得91%以上的单个手指字母识别率,并能有效输出汉语拼音。

基于VR的航空发动机虚拟教学实验系统设计

通过航空发动机虚拟教学实验系统的建设,将VR(VirtualReality)技术中的三维立体仿真建模、三维场景管理、基于数据手套与碰撞检测的人机交互式虚拟装配、基于立体眼睛与头盔的立体显示等技术进行了一次综合的实验探索,是将VR综合技术与实验课堂教学相结合的一个尝试。重点论述了系统开发中模型建造的几何建模和实例化、视点控制、虚拟手建模及数据手套交互、立体显示技术等。该系统通过对某航空发动机提供虚拟装配及拆卸、模化教学实验、模型流场的动态显示及发动机试车等实验系统,将学生的视、听积极性充分调动起来,使学生可获得身临其境的感受和体会。

手模型分析及手势识别

对手结构和关节运动作了深人地分析，并建立了对其施加约束的手模型。根据所定义的约束及运动类型，建立了适合于手势合成的手数据结构。并采用神经网络理论进行手势识别，取得了较好的效果。

基于数据手套的虚拟人手运动建模系统的研究

研究了基于WiseGlove7S数据手套的虚拟人手运动建模系统的研究,阐述了数据手套的光纤传感器分布,提出了传感器值归一化和手势自定义的方法;对数据手套和虚拟手的软件开发包进行了详细的描述;最后基于OpenGL和Unity 3D平台分别实现了虚拟人手手势建模和虚拟人手运动运动建模。通过这些研究,可为虚拟现实中虚拟人手运动的应用提供一定的借鉴。

基于加权LeaderRank的用户社交网络排序算法

针对加权LeaderRank算法存在的权值均分、主题漂移等问题,提出一种用户社交网络排序算法。结合GloVe模型、余弦相似度计算方法和牛顿冷却定律,通过引入链入链出因子、主题相关度因子和时间衰减度因子,改善加权LeaderRank算法的不足。实验结果表明,与加权LeaderRank算法相比,该算法的精确率、点击率和NDCG值分别提高7.80%、6.73%和4.75%,可有效提高排序质量。

基于特征权重的词向量文本表示模型

针对传统文本表示方法无法准确表达文本信息、稀疏维度高等问题,提出基于特征权重的词向量文本表示模型。通过Glove模型获得词向量,然后分别与TF-IDF、N-Gram模型相结合,分析考虑了文本的全局信息,解决了传统表示方法中稀疏维度高的问题,更好地捕捉了文本的语义和语序等局部信息,提高了文本特征表达能力。最后,通过20NewsGroup和5AbstractsGroup测试,分类准确率分别为85.93%、87.02%,验证了文本表示模型的有效性。

基于近义词扩充的非通用语翻译评估

BLEU算法在用于非通用语翻译质量评估计算时,由于使用范围以及语料采集渠道的局限性等原因,导致难以获得足够规模的高质量非通用语语料作为参考译文,因而会造成在面对同一语义不同表述时BLEU误判低分。为此,该文采用预先对参考译文进行近义词分析提取的方法,扩展生成多参考译文,尽可能覆盖多种翻译的表达。同时设置阈值对提取出的近义词进行筛选,排除低质量近义词,避免因为扩展带来参考译文质量下降,再基于该扩充译文完成非通用语的质量评估。在实验中,以泰语为例,采用GloVe和Word2vec模型分别对语料库进行训练和近义词提取、参考译文扩充和BLEU评估。实验结果表明:在面对非通用语等参考语料不足的质量评估时,采用该方法可有效地提高评估的准确度,降低误判率。