基于主成分分析法和极限学习机的尿沉渣图像识别算法研究

针对尿沉渣中的有形成分进行检测和分析,提出结合主成分分析(PCA)和极限学习机(ELM)的识别和统计方法。该方法通过PCA对样本进行特征提取和降维后输入到ELM进行训练,根据训练得出的模型与未经PCA处理的样本训练的模型进行检测效果对比。实验结果表明,使用PCA处理后的样本训练得出的模型具有更高的识别准确度和稳定性,同时训练时间大幅减少。     

基于可穿戴加速度传感器的人体运动状态识别研究

探讨以加速度传感器模块监测人体运动状态的智能服装,提出一种识别人体运动状态的方法。该方法通过对采集到的数据进行处理,求取人体日常活动状态合加速度的平均值、标准差、峰峰值和平均偏差,从而有效识别人体日常活动的慢走、快走、上下楼梯以及跑步和跌倒,用快速傅里叶变换的方法求取慢走、快走和跑步的时域图对应的频谱图,分析它们的运动频率,从而更加准确的区分走路和跑步。为减少对跌倒的误判,对跌倒过程进行分析,用跌倒阈值以及加速度传感器初始状态位置的改变和跌倒后人体的倾角来对跌倒进一步进行判断。研究表明该方法应用在智能服装中可有效区分人体慢走、快走、跑步、上下楼梯和跌倒。     

基于LDA的英汉维文本聚类系统的设计与实现

以英汉维三种大规模文本聚类为目标,针对三种语言的特点实现基于LDA模型的静态文本聚类系统。因为存在博客、微博等网络媒体的文本不太规范及涉及的话题范围广泛等现象,对文本特征的提取及聚类算法的选择带来一定的难度。通过对样本文本的分析,计算出适当的聚类数k,再调用LDA算法将文本聚为k类并给出每类文本的关键词。测试结果表明,该系统能将英汉维三种语言的文本相似度高的聚为一类,可显著提高聚类效果。