摔倒行为视频监控及报警系统

针对当前视频监控系统对摔倒行为识别率低的情况,本文提出了一种摔倒行为实时监控预警的方法,解决了视频监控系统对摔倒行为误报、漏报等问题。首先,采用图像识别的方法对人的动作方向特征进行提取;其次,基于运动方向的隐马尔科夫模型(HMM)进行动作分割,在视频中分割出人的一些常见的动作;最后,依据这些动作的组合判断下一时刻是否存在摔倒行为,进而发出警报。该监控预警方法可对进入监控区的人与其他物体域进行自动区分,为行为监控系统提供一种理论依据。

基于隐马尔可夫模型的SQL注入攻击行为检测

为分析恶意用户对Web系统的攻击行为,提出基于隐马尔可夫模型(Hidden Markov Model, HMM)的SQL注入攻击检测方法。利用HMM模型对隐状态的描述能力完善Web用户行为模型,该方法能够基于自定义日志做出SQL注入的预测而无须捕捉用户提交的敏感信息,采用概率分析和偏离度分析的方法,得到用户SQL注入可能性的综合评价,从而发现潜在威胁,提升对目标Web应用的攻击检测能力。此外采用K-means和FCM两种方法对比实验,验证了所提出的方法在Web系统SQL注入攻击检测中的有效性。

城市道路车辆行为识别方法研究

为了提高城市道路驾驶的安全性,提出一种基于混合高斯隐马尔科夫模型的城市道路车辆行为识别方法。首先通过仿真平台获取城市三车道道路场景的车辆运动轨迹信息和车辆信息并对其进行数据处理和特征提取,选取目标车辆车头中心与初始所在车道右侧车道线的距离,以及目标车辆纵向和横向速度作为特征参数,再通过鲍姆-韦尔奇算法对模型参数进行训练迭代更新,最后结合前后向算法实现城市道路车辆行为的识别。仿真结果表明,采用混合高斯隐马尔科夫模型对城市道路车辆行为进行识别具有较高的精度。

基于用户行为的社交网络人格特质识别方法

社交网络已成为人们获取和发布信息的一个重要平台,也是黑客发起网络诈骗的主要场地。大多数黑客在发起网络诈骗之前,首先会判别目标用户的主要人格特点,然后根据主要人格特点制定与其接触的策略。因此,面向社交网络用户的人格特质识别方法的研究对提高用户识别社交网络诈骗能力具有重要意义。提出基于用户的人格特质识别方法。通过构建面向社交网络的人格特质词典提取用户发表或转发文本信息中能反映用户主要人格特质类型的观测值,采用5个具有不同参数值的隐半马尔可夫模型刻画用户在社交网络上发表或转发文本信息的行为过程。在人格特质识别阶段,通过计算每个用户在发表或转发文本信息过程中产生的观测序列相对于模型的平均对数似然概率,以识别用户所属的人格特质类型。在采集的新浪微博数据集上进行实验,结果表明,当假正率为10%时,该方法的总真正率为93.18%,能准确识别用户的人格特质类型。

基于FP-Growth算法的煤矿安全信息管理系统设计及应用

为将煤矿安全生产管理关口再度前移,强化对煤矿生产一线的安全管理,提出了基于FP-Growth算法的煤矿安全信息管理系统。首先明确了系统设计目标及架构设计方案,以移动智能手持终端等为前端设备,采用B/S模式结合JAVA、CSS等语言研发出可运行于内部局域网(Intranet)和互联网(Internet)并支持多终端互动的安全信息管理系统;其次研发了系统主要功能模块包括事故隐患排查、风险分级管控、不安全行为治理及其他功能等;最后将系统应用于陕北某矿,并基于FP-Growth算法对该矿事故隐患数据进行深度挖掘,分析其不同维度数据间的关联性。研究及应用结果表明:该系统的应用能够对煤矿事故隐患起到预防预警的作用,可有效遏制生产一线安全生产风险与事故隐患的发生,有效保障煤矿的安全、高效生产,为煤矿安全生产提供辅助决策。

应用隐马尔可夫模型和价格行为分析辅助原油采购决策

近百年来,世界各国围绕石油定价权展开了激烈争夺。大量衍生品和金融机构积极参与其中,使石油实体市场变成了瞬息万变的金融市场,石油消费国也因此收复了部分石油定价权。对石油消费国而言,通过科学使用金融策略,可在一定程度上削弱石油资源供应受制于人的巨大风险。隐马尔可夫模型(HMM)在当前金融工程的背景下已有很多应用,包括股指、原油期货、航油期货等走势预测,在没有突发极端因素的影响下,应用模型预测风险可以促进石油套期保值,平抑原料价格波动对下游企业生产效益的影响。我国在国际市场的原油采购规模巨大,在石油期货市场上的正确预测和决策有望带来较大的成本优势。

7个标准中危险源的定义、内容和分类研究

为更有效地识别危险源和管理职业安全风险,有必要明确危险源的定义和内容。用对比分析的方法,梳理7个标准中危险源的定义及识别危险源时需要考虑的因素。借助分析结果,研究危险源的内容、分类及其与隐患的关系。结果表明:危险源的内容非常宽泛,有可能造成事故的因素或原因的能量、物质、人、人的行为、人所在组织、系统、空间等是危险源;危险源的分类严格依赖于分类所依据的事故致因模型,危险源和隐患的含义相同。

代理人自利行为下的最优激励契约

在线性契约委托代理框架中引入代理人的自利行为,主要从隐藏收益和在职消费两种自利行为视角分析代理人的自利行为对最优激励契约设计的影响。通过理论模型和数值分析发现,代理人隐藏、转移收益自利行为降低了最优激励契约业绩薪酬系数。代理人在职消费自利行为提高了最优激励契约业绩薪酬系数。说明代理人不同自利行为下,委托人提供的最优激励契约是不同的。从代理人的最优努力程度来看,代理人的自利行为不同程度地提高了自身的努力水平。研究表明在当前我国企业薪酬激励制度背景下,代理人的自利行为可能表现为一种自我激励机制。研究结论为我国企业目前薪酬激励扭曲的后果和未来薪酬制度的改革提供了有意义的参考。

论《民法总则》上的通谋虚伪表示

通谋虚伪表示属于非自愿的意思表示瑕疵,可以分为虚构行为与隐藏行为两大类型,在基本原理上涉及意思自治与信赖保护原则。通谋虚伪表示与恶意串通行为不同,后者是当事人通谋为意思表示一致,而且具有损害第三人合法权益的意图。在通谋虚伪表示中,当事人之间虚构行为绝对无效,但是该无效不得对抗善意第三人。在存在隐藏行为的情形,不同的第三人之间有可能产生利益上的冲突,应确认外在的表见行为有效。《民法总则》第146条并未规定"通谋虚伪表示不得对抗善意第三人",应当通过司法解释予以完善。

基于启发式行为监测的手机病毒防治研究

快速发展的移动通信技术给人们带来新的应用和服务的同时,也吸引了手机病毒的攻击。本文总结了手机病毒的传播途径和共有特性,比较现有的防毒技术,结合手机的特点,提出一种基于启发式行为监测的手机病毒防治技术,采用隐马尔科夫模型启发式分析程序的行为,以阻止病毒的恶意行为,保护手机安全。

基于隐马尔可夫模型的用户行为异常检测新方法

提出一种基于隐马尔可夫模型的用户行为异常检测方法,主要用于以shell命令为审计数据的主机型入侵检测系统。与Lane T提出的检测方法相比,所提出的方法改进了对用户行为模式和行为轮廓的表示方式,在HMM的训练中采用了运算量较小的序列匹配方法,并基于状态序列出现概率对被监测用户的行为进行判决。实验表明,此方法具有很高的检测准确度和较强的可操作性。

基于高斯混合隐马尔科夫模型的高速公路超车行为辨识与分析

基于驾驶模拟器实验数据,结合高斯混合隐马尔可夫模型(GM-HMM),对高速公路的超车行为进行辨识,并对驾驶员意图和超车行为是否正常进行分析。结果表明,基于GM-HMM的辨识方法能有效辨识多种驾驶工况下的不正常超车行为。

基于GPS定位数据的高速公路换道特征分析与行为识别

为了实现对高速公路微观状态的监测,需要对车辆换道行为进行识别.利用车载GPS定位数据获取车辆换道参数,并分析换道车及其周围车辆在换道时的参数统计分布特征,提取换道行为表征参数,建立了基于隐马尔可夫的换道行为识别模型.结果表明:利用该模型可以实现对驶出换道、驶回换道和车道保持行为的较好识别,且能在换道发生后1s识别出换道行为,准确率高达92%.为后期实时换道预警提供参考.

司法经济学的研究方法及进展

司法经济学作为经济学的一个崭新分支,将定量分析和实证分析的经济学分析方法引入到法律及司法体系,研究经济社会中的不公平交易进而揭露其背后的隐藏行为。司法经济学的研究方法主要有直接观察法、衡量对比法、激励因素分析法、模型分析法等。作为阻止不公平交易的"战士",司法经济学研究具有重要的理论价值和政策意义。

基于行为特征分析的社交网络女巫节点检测机制

通过制造大量非法虚假身份,女巫攻击者可以提高自身在社交网络中的影响力,影响网络中社交个体中继选择意愿,窃取社交个体隐私,对其利益造成严重威胁。在对女巫节点行为特征分析的基础上,该文提出一种适用于社交网络的女巫节点检测机制,通过节点间静态相似度和动态相似度评估节点影响力,并筛选可疑节点,进而观察可疑节点的异常行为,利用隐形马尔科夫模型推测女巫节点通过伪装所隐藏的真实身份,更加精确地检测女巫节点。分析结果表明,所提机制能有效提高女巫节点的识别率,降低误检率,更好地保护社交个体的隐私和利益。

私播课论坛中学习者会话行为建模研究

私播课(Small Private Online Course,SPOC)论坛中的非结构性文本蕴含学习者认知和内部心理加工过程,对其分析有助于理解和解释学习结果的成因。以64名学生在SPOC论坛中的会话文本为对象进行数据挖掘,结合LDA主题建模和隐马尔可夫模型对学习者会话行为进行实体建模,并比较高低绩效组会话行为差异,最后运用回归分析和卡方检验探索了影响学习绩效的行为模式。结论表明高低绩效组的学习行为转移存在明显差异,高绩效组的行为转移具有渐进性和平滑性,倾向于序次解决问题,而低绩效组的行为转移则更倾向于浅层回溯。信息查阅、信息加工、信息发布、协作交互、问题解决和信息评价行为均与学习成绩有关,但信息查阅行为对学习成绩有着显著正向影响,且较多的协作交互和信息评价行为能够触发学习者的高阶认知。通过教育文本数据挖掘,教师能够发现不同群体的行为特征,从而进行适应性指导和精准教学,促进学习者高阶思维发展。

负风压下结构密封胶对隐框幕墙力学行为的影响

采用负风压加载的方式,研究了均布荷载下隐框幕墙玻璃面板应力和挠度随载荷变化的规律,隐框幕墙玻璃面板为1000 mm×1000 mm,厚度为6 mm的单片钢化玻璃,结构密封胶几何尺寸为9 mm×8 mm、12 mm×8 mm和15 mm×8 mm。实验结果表明:核心结构玻璃面板-结构密封胶-铝合金副框决定了隐框幕墙在承受负风压时承载能力和抗弯能力的下降;结构密封胶的粘接宽度不能影响隐框玻璃幕墙在负风压条件下的根本力学行为,但是支承条件的不同决定了隐框玻璃幕墙承载能力和抗弯能力不同;负风压下隐框玻璃幕墙的力学性能同结构密封胶粘接宽度之间的关系并非简单的线性关系,粘接宽度存在一个最优值。

基于PFIS的继电保护常态特性在线监视与隐性故障诊断

为提高电网继电保护运行管理能力,提出了多种基于PFIS(继电保护故障信息系统)的继电保护装置常态特性在线监视与隐性故障诊断方法。对继电保护运行自检告警信息进行分类实现本体运行状态在线监视;将继电保护装置运行时的配置信息与基准值进行一致性比较实现配置参数在线监视;在线采集继电保护装置模拟量信息采用同源比对法对模拟量准确性进行分析实现模拟量测量隐性故障诊断。辽宁电网PFIS采用上述方法实现了继电保护在线监视与状态评估,系统运行良好,证明了方法的正确性和有效性,具有较高的推广价值。

基于隐马尔科夫算法的课程教学质量评价的研究

以某大学学习某专业课的MOOC+SPOC的学习数据为样本,利用隐马尔科夫算法、数据挖掘技术,建立学生学习行为状态的评估模型,实时评估学生学习行为;教师根据评估结果对教学内容进行调整,对学生学习行为进行干扰,以提高教学质量。实证分析表明,基于隐马尔科夫算法的课程教学质量评价模型具有一定的有效性,分析结果有一定的参考性,方便教师在教学中有的放矢。

面向安全预警的机动车驾驶意图研究现状与展望

简述当前开展面向安全预警的机动车驾驶意图研究的目的和意义。分析国内外研究现状,得出从驾驶员行为及驾驶动作序列角度开展驾驶意图研究的可行性和有效性,同时介绍了2种基于概率与数理统计的机动车驾驶意图建模方法。结合驾驶员在直线封闭路段实施驾驶行为特征,阐述使用隐马尔科夫模型(HMM)理论建立驾驶意图模型的步骤以及模型参数学习和系统在线优化算法等内容。对驾驶意图模型网络结构、动态性能方面相关研究方向进行展望。