Proposed network structures and combined adaptive algorithms for electrocardiogram signal denoising

An electrocardiogram (ECG) signal is a record of the electrical activities of heart muscle and is used clinically to diagnose heart diseases. An ECG signal should be presented as clear as possible to support accurate decisions made by doctors. This article proposes different combinations of combined adaptive algorithms to derive different noise-cancelling structures to remove (denoise) different kinds of noise from ECG signals. The algorithms are applied to the following types of noise: power line interference, baseline wander, electrode motion artifact, and muscle artifacts. Moreover, the results of the suggested models and algorithms are compared with those of conventional denoising tools such as the discrete wavelet transform, an adaptive filter, and a multilayer neural network (NN) to ensure the superiority of the proposed combined structures and algorithms. Furthermore, the hybrid concept is based on dual, triple, and quadruple combinations of well-known algorithms that derive adaptive filters, such as the least mean squares, normalized least mean squares and recursive least squares algorithms. The combinations are formulated based on partial update, variable step-size (VSS), and second iterative VSS algorithms, which are considered in different combinations. In addition, biased NN and unbiased linear neural network (ULNN) structures are considered. The performance of the different structures and related algorithms are evaluated by measuring the post-signal-to-noise ratio, mean square error, and percentage root mean square difference.     

基于Agent的信任的情感劝说决策模型

基于智能体(Agent)的信任的情感劝说能更好地发挥Agent的各项人工智能优势。针对其中决策模型建立不够的现状,首先基于Agent的自身性格、情感衰减及外界刺激,运用大五性格、OCC情感模型及情感强度第一定律等,构建了相应的情感强度算法;其次考虑交易质量对信任的反馈,综合运用语言评价法、三角模糊数及将模糊数转换为具体分数(CFCS)算法,对Agent的交易质量进行模糊化和去模糊化处理,构建了相应的交易质量算法;再次对已有的信任更新因子进行改进后,构建了Agent的信任更新算法;最后在构建以上算法的基础上,采用交互式多准则决策(TODIM)法建立了基于Agent的信任的情感劝说决策模型,并采用熵权法对模型中的属性权重进行设定。为验证以上研究的合理性和有效性,设计了相应算例进行阐述,分析了不同参数取不同值得到的决策结果,并与相关研究进行了比较分析,得出了相应结论和管理启示,进一步归纳了不足之处和未来研究方向。     

十二五期间电机节能改造、淘汰政策解读

解读、分析十二五期间国家相继出台的关于电机节能的《中小型三相异步电动机能效限定值及能效等级》、《关于组织实施电机能效提升计划(2013~2015年)的通知》、《高耗能落后机电设备(产品)淘汰目录》等一系列政策,并就电机使用单位淘汰旧电机、更新高效节能电机提出建议。     

一种增广拉格朗日优化方案及其非连续变形分析实现

接触力计算精度是关乎非连续变形分析结果有效性的关键因素之一。经典非连续变形分析法(DDA)采用罚法施加块体间的接触约束,实现简单,但合理的罚值选取困难。因此,提出了一种增广拉格朗日优化算法,改进DDA中接触约束的处理。通过结合开闭迭代算法和自适应罚值更新方案等,提出并实现了多面体DDA增广拉格朗日算法及其优化方案。最后,设计了2个经典数值算例,计算结果表明:改进后的三维DDA提高了计算精度且保证了计算效率,可用于复杂多面体块体系统的非连续力学行为分析,如大型节理岩体工程稳定性分析。     

融合视觉词与自注意力机制的视频目标分割

目的 视频目标分割(video object segmentation,VOS)是在给定初始帧的目标掩码条件下,实现对整个视频序列中感兴趣对象的分割,但是视频中往往会出现目标形状不规则、背景中存在干扰信息和运动速度过快等情况,影响视频目标分割质量。对此,本文提出一种融合视觉词和自注意力机制的视频目标分割算法。方法 对于参考帧,首先将其图像输入编码器中,提取分辨率为原图像1/8的像素特征。然后将该特征输入由若干卷积核构成的嵌入空间中,并将其结果上采样至原始尺寸。最后结合参考帧的目标掩码信息,通过聚类算法对嵌入空间中的像素进行聚类分簇,形成用于表示目标对象的视觉词。对于目标帧,首先将其图像通过编码器并输入嵌入空间中,通过单词匹配操作用参考帧生成的视觉词来表示嵌入空间中的像素,并获得多个相似图。然后,对相似图应用自注意力机制捕获全局依赖关系,最后取通道方向上的最大值作为预测结果。为了解决目标对象的外观变化和视觉词失配的问题,提出在线更新机制和全局校正机制以进一步提高准确率。结果 实验结果表明,本文方法在视频目标分割数据集DAVIS (densely annotated video segmentation)2016和DAVIS 2017上取得了有竞争力的结果,区域相似度与轮廓精度之间的平均值J&F-mean (Jaccard and F-score mean)分别为83.2%和72.3%。结论 本文提出的算法可以有效地处理由遮挡、变形和视点变化等带来的干扰问题,实现高质量的视频目标分割。     

建水历史文化名城的保护与发展

建水县位于云南省南部，红河彝族哈尼族自治州。建水县历史悠久，西汉时属益州郡毋掇县，三国时改属兴古郡。唐朝天宝年间南诏置建水县，元和年间筑惠历土城，古城古称“步头”，亦名巴甸．夏秋季节，河水暴涨，城周水淹如海，彝语谓海为“惠历”．”建水“即为其汉语意译。宋代属大理国，元灭大理后置建水千户，后改建水理，属临安路(驻通海)。明     

视频监控系统中的概率模型单目标跟踪框架

针对视频监控的特点与跟踪目标的强机动性,提出了一种新的基于概率模型的目标跟踪框架,从目标表观模型、系统动态模型以及系统观测模型3个方面对当前标准的粒子滤波目标跟踪方法进行了改进。首先,考虑人眼细胞的分布特点,基于人眼分布结构建立目标表观模型来提高跟踪系统抵抗局部遮挡的能力;然后,建立基于自适应目标运动的系统动态模型,提高跟踪算法对快速机动目标的鲁棒性;最后,采用实时更新的系统观测模型,有效避免目标在遇到遮挡、光照变化、剧烈变形等情况下发生的跟踪漂移现象。实验结果表明,本文算法的正确跟踪率可达98%;平均跟踪误差小于6个像元。实验证明本文算法在保证系统跟踪精度要求的同时,具有计算量小、抗干扰能力强等特点。     

基于STM32的在应用编程（IAP）开发

针对嵌入式终端设备程序升级困难的问题,设计了一种基于STM32的远程升级方案.该方案系统深入地研究了Ymodem协议的通信流程,以及基于STM32的在应用编程(IAP)的技术原理和关键技术的实现,关键技术包括程序起始位置和中断向量表设置、APP程序区flash擦除、APP程序写入flash、IAP跳转到APP程序等4个部分,利用RS232标准串口实现了上位机与嵌入式终端设备之间基于Ymodem协议的通信,即嵌入式终端设备的远程在线即时更新功能,实际应用表明,该方案具有良好的应用价值和推广价值.     

基于核函数极限学习机的微电网短期负荷预测方法

针对以单个或集体用户为业主的用户侧小容量微电网,考虑到成本约束及用电特征的不确定性,提出了一种基于核函数极限学习机的微电网短期负荷预测方法。使用核函数极限学习机、启发式遗传算法和分时训练样本,建立了包含离线参数寻优与在线负荷预测的预测模型;通过模型参数的周期更新来保证算法最优参数的时效性,同时降低在线预测系统的计算复杂度与历史数据存储量。通过对不同容量、类型的用户侧微电网进行短期负荷预测,分析了预测结果的准确度、参数周期更新的效果、预测结果对经济运行的影响和预测方法的计算效率。     

自适应权值的静态背景提取与更新算法

对比了多种视频中的静态背景提取方法,针对这些方法各自的局限性,提出一种新型的背景提取更新方法。该方法通过引入新参数背景权值及其变化量,背景权值作为评判背景可靠程度的标准,以其数值大小控制背景的维持或者更新。对每一帧图像进行二次判定,将读入的图像元素进行分类,分别产生不同的背景权值变化量,通过背景权值变化量控制背景权值。实验验证表明该方法具有原理简单,运算快捷,更新速度较快且抗前景干扰能力强的优点,而且通过调节定值参数可以适应多种不同情况下的背景提取。