基于TDC的施工人员非健康工作姿态评估研究

为预防施工人员因长期非健康工作姿态导致肌肉骨骼类疾病(WMSDs),利用3D人体姿态识别模型识别施工人员的非健康工作姿态,并提出施工人员非健康工作姿态评估机制.基于时间膨胀卷积网络(TDC)训练Human 3.6M数据集得到3D人体姿态识别模型;利用模型确定施工人员作业时躯干的倾斜角度α,根据《人机工程学-静态工作姿态...     

一种基于圆形分布的支撑向量机核选择方法

针对目前支撑向量机核函数的选择没有统一规则的现状,提出了一种结合数据分布特征进行支撑向量机核选择的方法。首先,采用多维尺度分析方法对高维数据集合理降维,提出判断数据集是否呈圆形分布的算法,在得到数据集分布特征的基础上进行核选择,达到结合数据分布特征合理选择支撑向量机核函数的目的。实验结果表明:呈圆形分布的数据集采用极坐标核进行分类,识别率达到100%,训练时间短,优于采用神经网络、决策树、高斯核及多项式核的分类效果。该方法提高了支撑向量机的泛化能力。     

基于卷积神经网络的手写数字识别研究

随着科技的不断发展,卷积神经网络被广泛应用于各个领域之中,研究热点之一就是手写数字的识别。文章基于深度学习卷积神经网络,用MNIST数据集作为训练集和测试集,同时对卷积神经网络中的卷积层、池化层和全连接层以及激活函数进行介绍,并在Python的环境下输入手写数字图片,然后通过卷积神经网络经典模型运用到所提供的数据集进行效果识别,将卷积神经网络数据集进行训练,在训练好的卷积神经网络中取得了较好的实验效果,最终该手写数字识别实验准确精度可以达到99.1%。     

姿态监测在海上吊装作业的应用

结合海洋工程吊装作业过程中被吊物体水平倾角实时监测,介绍了姿态传感器在吊装作业的应用过程。吊装作业过程中被吊物体的姿态实时监测,能够实时监测被吊物体的横摇/纵摇双轴方向的倾角,为海上吊装作业顺利进行提供了数据支持。吊装过程中监测数据可以通过无线传输设备实时传回到吊装船上,为吊装作业指挥人员提供数据支持。     

基于GAN网络的面部表情识别

本文为了解决姿态不变的面部表情识别即在任意姿态下的面部表情识别问题,提出了一种端到端的深度学习模型,该模型利用不同的姿态和表情进行面部图像合成扩充训练集,提高了模型的准确度,并有效地解决了姿态不变的面部表情识别问题。本文将介绍表情识别的主要过程以及模型中使用到的生成对抗网络(GAN)。     

基于九轴传感器的消防员步态监测装置研究

设计了一套基于九轴传感器（3 轴加速度、3 轴陀螺仪和3 轴磁力计）的消防员步态监测装置,对该装置的结构组成、器件选型、系统设计构建进行了研究。该装置为鞋垫式,可直接穿在作训鞋或消防靴内,可实时采集消防员的运动姿态,具有虚实步监测、步相分析、支撑分析、姿态追踪、摆动分析、微观动作分析等功能。该装置可用于消防员训练中的虚实步监测,测量的消防员步态数据可辅助评估训练强度,测试结果可为消防员定制个性化足部防护装备提供科学的数据支撑,有助于提升消防员身体协调性,缓解消防员膝盖部位冲击力。     

水下高分辨率声图中小目标的深度网络分类方法

针对声成像数据缺少条件下的水下沉底小目标分类问题,提出一种深度网络分类算法。首先,采用高斯混合模型对声影区统计特性进行建模并提取声图阴影,在此基础上构建仿真数据集和真实数据集。将仿真数据集输入卷积神经网络进行训练,保留其特征提取部分,用于对真实数据集进行特征提取.重建网络分类部分并采用真实数据集的特征向量进行训练。结果表明,所提出的方法分类正确率可达88.24%,与6种对照方法相比平均分类正确率分别提升8.67%,20.47%,19.78%,11.59%,9.01%,11.58%。验证了所提出方法在小样本条件下具有较好对水下沉底小目标的分类能力。其学习曲线收敛到96.25%,仅比验证曲线高5.14%,说明在一定程度上缓解了过拟合问题。将改进的卷积神经网络应用于融合分类器,通过与逻辑回归分类器、支持向量机对目标进行分类并融合决策,正确率为93.33%,可进一步提高算法的正确率和稳定性.     

基于合成点云与深度学习的建筑构件智能识别方法

本文研究了利用三维建筑信息模型生成的合成点云来训练深度学习算法以实现建筑构件智能识别的可行性。为了实现这一目标,本文首先提出了一种通过三种常见的商业软件将建筑信息模型转换为合成点云的原始方法。然后使用这些合成点云作为模拟数据集来训练深度学习模型,比较在不同数据集(真实数据集与合成数据集)下训练模型的智能识别性能,以验证合成点云数据集的有效性。实验结果证明了利用建筑信息模型生成的合成点云实现智能识别的可行性,合成数据集与真实数据集的训练模型其识别准确率仅相差3%,进一步表明了在智能识别中使用合成数据集代替真实数据集的可能性。该方法也为研究人员提供了一种新的方法来构建特定的数据集,用于他们自己的智能识别与语义分割研究,并为三维重建工作做出了贡献。     

基于轻量级CNN的电机轴承故障诊断研究

针对深度学习在嵌入式或移动端设备中用于故障诊断时,受限于有限的硬件资源而又需要有足够的效率和精度的应用需求,提出基于轻量级卷积神经网络的电机滚动轴承故障诊断方法。首先对滚动轴承的振动信号数据集进行连续小波变换生成固定尺寸的时频图,并以此方式生成数据集输入网络进行训练。使用测试集进行测试,结果表明,所生成的故障诊断预测网络模型具有较高的识别精度和识别速度,准确率达到99%。通过验证噪声对网络的影响,表明所使用的网络具有较好的鲁棒性和泛化能力。     

生活圈环境要素对居民健康影响 ——以北京市石景山区居民肥胖状况为例

肥胖可能与建成环境有关。本文通过 建立包含建成环境5D变量的密度、多样性、可 达性、设计、换乘点距离等15小类要素在内的环 境量化数据集;使其与医疗机构居民肥胖状况 登记数据叠加,得到的“居民健康——城市建成 环境”综合数据集并建立多维度居民肥胖情况 与建成环境指标判断矩阵,采用机器学习随机 森林算法对数据集进行分类,判断出各个环境 要素对居民肥胖程度影响的相关性和贡献度。 发现北京市石景山区中,可达性特征中街道中间 性和街道弯曲度对居民肥胖影响的贡献度最 大,生活圈公园覆盖数和生活圈水系数量贡献 度最小。通过环境要素的改善对居民肥胖状况 进行干预是具有可行性的。