基于惯性传感器的轻量化卷积神经网络跌倒检测算法

在可穿戴式跌倒检测终端中部署微型机器学习模型,存在计算力弱、内存受限和传统机器学习算法手动选取特征不完善等问题,提出一种基于惯性传感器的轻量化卷积神经网络跌倒检测算法,设计并实现了高精度可穿戴式跌倒检测系统。该算法自动从跌倒数据中提取更完善的数据特征和采用深度方向可分离卷积,将标准卷积分解成深度方向卷积和点方向卷积,在只失去0.2%跌倒检测精度下,卷积层参数量减少75.32%,使之更适于资源受限的嵌入式终端中部署。实验结果表明该算法在实际跌倒测试环境中,平均准确率、敏感度和特异性分别达到了99.29%、98.00%和100.00%。该算法相比其他算法既减少了模型大小和计算量,又保证了跌倒检测精度,该系统的成功研发为老年人跌倒检测与报警提供了新的途径。

基于跨层连接的多通道DBiSAC网络欺凌检测模型

目的:网络欺凌文本存在特征稀疏、用词不规范、语义模糊等问题,导致简单的神经网络无法充分提取其语义特征和句法特征。因此,提出了一种基于跨层连接的多通道DBiSAC网络欺凌检测模型。方法:先利用Glove预训练模型实现文本的词向量化表示。其次构建并行的多尺度深度可分离卷积(MSDSC)和采用了跨层连接策略的双向简单循环(CBiSRU)的多通道特征提取网络,分别提取文本的局部特征和提取文本的上下文中语义信息的全局特征。再将局部特征和全局特征拼接之后利用多头注意力机制(MHA)对其重要特征信息进行捕捉。然后利用胶囊网络(Capsnet)对文本序列中空间层次的语义特征进行提取。最后将提取的文本特征信息通过含有Softmax函数的全连接层分类器输出分类结果。结果:实验表明,提出的模型在两个网络欺凌的数据集上均取得了最优的结果。结论:本文模型在能够有效提高模型准确率。。

基于随机森林的僵尸网络流量检测

近年来,僵尸网络已经成为互联网领域所面临的严重的安全威胁之一.僵尸网络的控制者使用僵尸程序进行例如DDOS攻击,发送垃圾邮件,盗取敏感信息等一系列恶意活动.在海量的互联网流量中,从正常流量中有效的识别出僵尸网络流量是亟待解决的问题.本文的研究目的是分析和识别僵尸网络流量.实验在真实的包含僵尸网络流量数据中提取了9种特征,采用随机森林算法作为训练模型,与5种其他机器学习算法进行比较,实验结果表明本文提出的模型在给出的评价标准下性能最优.

基于数组和辅助项头表的快速频繁项集挖掘算法

目的:针对FP-growth算法项结点查询耗时,频繁项集挖掘需要不断产生条件FP-tree等问题,提出了一种基于数组和辅助项头表的快速频繁项集挖掘算法。方法:首先算法使用Array-structure代替FP-tree;然后使用具有两层可hash结构的辅助项头表取代频繁项集头表,并存储项结点在Array-structure上的位置信息,结合数组可被索引和hash结构特性快速定位项结点;最后利用辅助项头表上存储的项结点信息直接挖掘频繁项集,无需生成条件FP-tree。结果:与FP-growth等算法相比,该算法在不同类型的数据集上极大地缩短了算法的执行时间。结论:基于数组和辅助项头表的快速频繁项集挖掘算法在密集型和稀疏型数据集上都具有更好的挖掘性能和更高的执行效率。

基于QT的Mifare IC卡读卡器上位机软件设计与实现

随着物联网不断发展,RFID技术越来越重要,该文设计了一个基于跨平台QT的Mifare IC卡读卡器上位机软件,使用读卡器的动态库,快速验证mifare ic卡的工作原理。首先分析了Mifare IC卡的内部结构和读卡器的通信过程,然后使用QT Creator的图形界面控件快速实现上位机软件界面,通过调用读卡器的动态库很好完成卡片的读写功能。经过实验验证,该上位机软件满足设计的要求。

基于重构的改进自然排序树算法

针对自然排序树(CAN-tree)算法构建的树结构节点个数过多、压缩性不高等问题,提出一种基于重构的改进CAN-tree算法。首先,使用自然排序法直接构建树结构,将频繁项集挖掘算法实现中数据库扫描次数减少至1;然后,对构建的树结构以支持度降序方式结合剪枝操作实现树结构的重构,得到高压缩性的树结构;最后,对重构的树结构进行频繁项集挖掘。实验结果表明,基于重构的改进CAN-tree算法所构建的树结构节点个数减少至原来的20%以下,执行效率提高了4至6倍,在频繁项集挖掘中有效地压缩了树结构,缩短了算法的执行时间。