基于监控视频的车型识别技术研究

监控视频识别技术,指的是人们利用计算机分析和理解视频监控画面的技术,通过这项技术的发展和应用,能够更好的对车型进行识别,有利于社会的发展和进步。在智能交通系统当中,基于监控视频的车型识别技术具有十分重要的作用,对于我国交通事业的发展具有十分良好的意义。     

机器学习在听性脑干诱发电位数据分析中的应用研究

近年来,许多学者将机器学习算法应用到肌电信号(EMG)数据分析中,取得了良好的效果,但是主要针对手势识别等应用研究,较少有学者对辅助临床诊断进行研究。针对模型训练所需数据较大和机器学习在听性脑干诱发电位(ABR)数据分析中的应用较少两种问题。研究了机器学习方法在基于小型ABR数据集数据的计算机辅助诊断中的应用。收集了四川省中医医院的2 352份肌电图检查报告,通过设计纳入标准并进行数据清洗,构建了包含233份ABR报告的数据集。之后,使用数据标准化方法对数据进行数据预处理,再使用随机森林、线性回归、Logistic回归和人工神经网络4种机器学习算法对数据集进行分析处理。4种算法的性能对比表明随机森林算法性能最优,其准确率、召回率、精确率分别达到了0.995 7、0.989 7、0.950 0。此外还对每种算法在数据标准化前后的性能进行了比较,表明标准化处理对准确率的提高有一定的提升效果。随机森林算法输出的特征重要性表明,ABR检查中最重要的指标是L_latency_5、L_latency_A和L_Interval_35,其次是L_latency_b和L_latency_4。这些指标重要性融入上位机软件有助于提高临床诊断效率,在临床应用中具有较高的临床判读潜力。     

轻量级MEMS-LIDAR测距去噪算法研究

为解决激光雷达定位回波峰值时容易受到噪声干扰而导致测距结果存在误差偏大的问题。采用以两次卡尔曼滤波算法为基础，提出一种能够有效抑制噪声的算法。首先对时域回波进行卡尔曼滤波，然后对连续周期内的峰 峰位置差再次进行周期域的卡尔曼滤波，最后将峰 峰位置差映射为真实的空间距离。实验结果表明，上述算法处理后的距离方差降为去噪前方差的6%以下，平均绝对误差和均方根误差降为去噪前的20%~50%，说明所设计的滤波算法能有效降低噪声影响，使得测距结果更加稳定。