基于二次特征提取与SVM的异常步态识别

长期以异常步态行走将导致人体足部、踝关节、大腿疼痛乃至身体骨骼疾病.针对目前普遍采用的基于计算机视觉的步态识别技术对数据采集环境要求严苛、视频图像分析受环境影响较大等问题,基于人行走时的足底压力变化特征进行步态识别,足底压力数据经由穿戴式步态采集器,可以不受环境限制且能实现较远距离的步态识别.并提出一种基于二次特征提取与支持先向量机的异常步态识别方法.该方法采用主成分分析法对从足底压力变化曲线中提取出来的步态特征进行二次提取.获取包含样本数据信息的主要特征信息,通过多分类支持向量机模型对步态进行识别.实验结果表明:该方法对异常步态的平均识别率达到92.625 5%,具有较高的识别精度.     

基础设施网络关联模型研究EI北大核心CSCD

随着社会与科技发展,基础设施网络之间的相互关联日趋复杂。为研究它们之间的关联关系对网络带来的影响,在对基础设施网络进行物理结构特性分析的基础上,提出一种基于网络图和泰森多边形的基础设施网络建模方法,在模型构建的基础上,研究对比网络独立运行和关联运行时效能的变化以及网络中不同节点故障对网络效能的影响。实验结果表明:故障在关联基础设施网络之间的传播比在独立网络中更为迅速,受故障影响,网络效能下降速度更快;网络中不同节点失效对网络效能影响程度不同,基础设施网络间的关联关系会使节点的重要性发生改变。这一结论为发现和识别网络中基础设施网络重要节点,加强重要节点的预防保护和故障发现后的应急策略提供了理论依据与决策支持。     

一种基于压力传感器的人体运动识别方法研究

不合适的运动量将会对锻炼身体产生不利影响,针对目前运动量测量方法和运动行为识别技术的种种问题,提出一种基于压力传感器运动识别系统,能区分常见运动行为。通过对压力数据的分析,提出一种新的特征提取方法,结合支持向量机实现对运动行为的识别。实验结果证明该方法具有较高的识别率和泛化性能。     

基于集对分析与马尔可夫链的生态安全动态评估

针对生态安全中诸多不确定性因素和动态变化的特点,将集对分析(SPA)理论和马尔可夫链(Markov Chain)相结合用于生态安全的动态评估中,提出一种集状态评价和趋势分析的生态安全动态评价预测方法。采用集对分析的联系度对不确定性知识进行表示,用联系数对生态安全的等级进行划分,构建系统综合评价模型,通过对生态安全发展趋势进行分析,运用Markov Chain的遍历性和蒙特卡洛(Monte Carlo)方法的统计特性,预测系统下一时刻的生态安全状态。该方法运用了有限的评估数据与历史数据,动态地评估了生态安全的发展变化,为安全管理提供了理论依据。     

基于改进的SOM神经网络在水质评价分析中的应用

随着人们对水资源环境的日益重视,各种水质评价方法层出不穷.传统的水质评价方法多采用精确的数学模型进行描述,无法很好的反映水环境中存在的复杂非线性关系,从而影响整体评价结果.因此,本文提出采用一种改进的自组织特征映射神经网络(SOM)方法来进行水质评价,利用SOM神经网络能在无监督、无先验知识的状态下对样本进行自组织、自学习,实现对样本的评价与分类这一特点.通过引入主成分分析,解决SOM神经网络处理高维和相关性强的指标时出现的问题,提高网络收敛速度和聚类准确性.仿真结果表明:改进后的SOM神经网络能够直观准确地评价水体质量,反映水质整体状况.     

无线传感器网络覆盖控制算法研究

无线传感器网络(Wireless sensor network, WSN)覆盖控制通常采用基于二元感知模型的几何计算方法休眠冗余节点, 其算法在实际应用中受到局限, 不够精确. 针对此问题, 本文采用概率感知模型, 提出新的覆盖控制算法, 将提高能量利用效率作为重要指标, 采用节点轮换周期工作机制, 每个周期逐个唤醒部分节点, 组成满足网络覆盖要求的覆盖集, 实现降低能耗、均衡节点能量的目的. 概率感知模型描述网络的覆盖能力更精确, 算法不受感知模型的限制, 原理简单, 易实现, 仿真结果验证了本算法的有效性.     

基于压力传感器的跌倒检测系统研究

通过研究中老年人常见的紧急事故——跌倒为研究对象,针对现有跌倒检测方法存在的诸多问题,我们设计了一种基于压力传感器的跌倒检测系统,该系统包含压力采集模块、基于微处理器的数据处理模块、无线通信模块和后台四个模块。通过检测并分析研究脚底压力在正常行走和跌倒状态下的变化,实现跌倒事件的实时检测。并在此基础上,提出基于支持向量机的跌倒识别方法。实验结果证明该系统的判别具有较高的可靠性和准确性。