K-means聚类算法在肿瘤基因变异识别中的应用

二代测序NGS(Next-generation sequencing)数据的迅速发展加快人们对于基因的探索,同时也给测序数据分析任务带来更大的挑战。癌细胞特异变异的识别是测序数据分析的一项重要基础性工作。当前的变异识别工具大多采用贝叶斯模型方法,特异度、灵敏度和速度都远远满足不了需求。K-means是一种简洁高效的无监督聚类算法,基于此将位点信息映射成多维的特征,再进行类别个数为2的聚类过程。该算法明显提高了准确度和召回率,实验结果验证了算法的有效性。     

基于线状特性的大数据地铁用户识别与定位方法

从MR原始数据特性出发研究数据结构与字段,采用基于线状特性分析MR大数据的地铁用户识别过滤方法和位置定位方法,该方法经过验证能够有效输出地铁用户数据并定位在地图上,解决人工地铁测试效率低且测试片面的问题,实现基于大数据的自动化地铁网络评估,提供海量的有效定位数据用于地铁评估与分析。     

深圳抽水蓄能电站监控新技术应用研究与实践

通过对安防、工业电视和门禁等新技术的研究,设计了一套先进的监控系统,包括硬件平台、系统管理、应用软件,利用深圳抽水蓄能电站已形成的光纤网络通道把分布在方圆10 km范围内多个站端设备以环路的方式连接起来,把可靠成熟的新技术融合到整个平台。自首台机组成功投运,监控系统为电站正常运行保驾护航,高清摄像机、视觉识别、行为分析、边界防护等新技术的应用为工程项目增添了亮点,使电站现场管理更加智能化、规范化。     

基于人体关节点数据的攻击性行为识别

针对人体攻击性行为识别问题，提出一种基于人体关节点数据的攻击性行为识别方法。首先，利用OpenPose获得单帧图像中的人体关节点数据，并通过最近邻帧特征加权法和分段多项式回归完成由人体自遮挡和环境因素所导致缺失值的补全；然后，对每个人体定义动态"安全距离"阈值，如果两人真实距离小于阈值，则构建行为特征矢量，其中包括帧间人体重心位移、人体关节旋转角角速度和发生交互时的最小攻击距离等；最后，提出改进的LightGBM算法w-LightGBM，并对攻击性行为进行识别。采用公共数据集UT-interaction对所提出的攻击性行为分类识别方法进行测试实验，准确率达到95.45%。实验结果表明，所提方法能够有效识别各种角度的攻击性行为。     

基于UKF航迹滤波的干扰目标智能识别算法研究

针对雷达导引头末制导阶段抗干扰技术,建立了典型的距离-速度拖引干扰模型,采用无迹卡尔曼滤波(UKF),研究了基于速度、加速度、过载等指标的干扰目标智能识别技术。首先建立距离-速度拖引干扰模型,通过引入弹目相对距离、径向速度、高低角与方位角建立了系统跟踪模型。其次,给出了基于UKF实现目标跟踪与识别的滤波框架。在此基础上,以径向速度、径向加速度、角加速度与过载为评价指标,建立了目标智能识别指标体系。最后,通过典型的目标运动模型(目标跃升),对目标施加的四次距离-速度拖引干扰(两次前拖、两次后拖)进行目标识别。仿真结果表明,利用UKF滤波信息能够有效实现对距离-速度拖引干扰下的干扰和目标智能识别,仿真结果验证了该识别方法的可行性与有效性。