可穿戴式跌倒检测系统综述

在全球范围内,老人跌倒是主要的公共卫生问题.可穿戴式跌倒检测系统可以自动发现跌倒并有效降低跌倒相关并发症发生的风险.成功应用可穿戴式跌倒检测系统主要取决于3种因素:算法性能、电池寿命以及用户接受程度.首先介绍了传感器(类型、放置位置和采样率)、提取的特征以及分类算法对这3种因素的影响,并讨论了它们的优点和不足.然后总结...     

基于递归神经网络的跌倒检测

为了快速、准确地检测老人的跌倒行为而引入递归神经网络,通过递归神经网络自动提取跌倒数据特征进行跌倒检测.结果显示:利用递归神经网络可有效提取跌倒行为特征,跌倒检测准确率在93％以上,灵敏度在97％以上,评测值在93％以上.     

基于多传感器信息融合的跌倒监测系统设计

研究了一种实时动态检测老人跌倒的穿戴式监测系统,该系统以嵌入式处理器MSP430F169为处理内核,加速度传感器采集3轴加速度信息,磁传感器获取人体的倾角信息以及压力传感器采集两脚的压力数据,通过阈值算法来判断是否跌倒并能自动报警和联系救护。该系统体积小、功耗低,安装于腰间皮带上和脚底鞋垫里,符合人们的穿戴习惯,各个模块间通过APC220实现无线通信。为了验证该系统和算法,选取24岁以上不同体型的5人做跌倒检测实验和日常生活误报实验,结果表明该系统具有较高的可靠性和准确性。     

人体活动识别数据集的数据处理方法

对由可穿戴设备采集的针对人体活动识别的数据集进行处理,并用处理后的数据对一维卷积神经网络进行训练,测试并得到精准度结果。对数据集的处理使得原本数据集中一些噪音和无效数据被过滤排除掉,在训练神经网络时减少了运算量,提升了神经网络的效率。后经测试,在神经网络结构不变的情况下,处理后的数据集可以使神经网络性能得到提升。     

窃电行为检测方法研究综述

电力系统中因窃电行为对电网公司造成的非技术损失一直是电网公司迫切解决的难题。伴随电网大量部署智能电表,利用电力计量自动化系统采集的用户侧数据开展窃电行为准确检测受到研究者和电网公司的普遍关注。首先,介绍用户窃电行为基本分类情况、评价指标与现有窃电检测数据集;然后,从基于电网状态分析、机器学习、博弈论以及硬件4个方面对现有窃电行为检测方法进行全方面整理、剖析与对比,总结出各方法基本思路和优缺点;最后,对当前窃电行为检测领域研究中存在的挑战深入分析,并对未来研究工作重点进行展望。     

可穿戴人机交互中的Eyes-Free技术研究进展与分析

可穿戴人机交互技术是普适计算的组成部分,提供了一种无处不在的计算和人机交互体验,当前可分为基于视觉的人机交互技术和无视觉人机交互技术.本文结合无视觉交互技术的概念与发展,从交互技术和交互模型等几个方面系统阐述了当前无视觉交互技术的核心理论和技术,分析了触控技术、触听觉交互技术、基于手势的交互技术几种交互技术的特点并指出其所存在的缺陷,为解决在无视觉情况下的移动与可穿戴设备的交互界面问题的研究提供了理论依据和导向.     

结合残差神经网络和语音诊断的帕金森病识别研究

为降低临床上诊断帕金森病对量表和穿戴设备仪器及医生临床经验的过度依赖,为PD患者在诊断方法上提供新的思路.采用信号处理方法对数据集MDVR-KCL提取包含周期变化、峰值变化及谐波信噪比3大类、12个复杂语音特征形成一维向量数据集.采用传统的决策树和残差神经网络分类方法进行训练和测试,通过对比实验,发现可以有效解决因神经...     

采用卷积神经网络的老年人跌倒检测系统设计

为了利用便携式设备准确检测老年人的跌倒状况,针对传统算法中人为设计特征造成的不完备性,构建一种基于卷积神经网络（CNN）的老年人跌倒检测模型. 以智能手机内置的三轴传感器作为数据获取源,将采集的人体姿态信息进行滤波、标准化、采样等操作后,输入到所设计的模型中;采用梯度下降和适应性动量优化方法进行多层卷积神经网络训练和优化,获得模型关键参数训练并优化模型关键参数;利用学习到的深层次特征进行样本分类. 实验结果表明：所设计的模型对于跌倒检测的准确率明显高于一般的机器学习算法模型,并且在对跌倒和非跌倒的区分检测中,精确率和召回率都保持了较高的稳定水平.     

老年智能可穿戴服装研究现状及面临问题

随着人们对功能性服装的追求和人口老龄化的加快,老年智能可穿戴服装开发需要重视.通过分析老年智能可穿戴服装的研究现状,指出其主要涉及对老年人慢性病的生理数据监测,对老年人频发疾病的理疗养护,防摔警示等老年人尤需的安全防护,针对老年人心理需求开发出的辅助娱乐4个方面,并对老年智能可穿戴服装现今存在的问题、难点、发展趋势进行...     

基于信息增益和随机森林分类器的入侵检测系统研究

目前,许多误用检测系统无法检测未知攻击,而异常检测系统虽然能够精确检测未知攻击,但由于入侵检测固有的特性,入侵事件与正常事件类间存在极大的不平衡性,这导致很难利用机器学习的方法高效地进行入侵行为检测.为此,提出了一种基于信息增益和随机森林分类器的入侵检测系统.为了解决类之间的不平衡性,对训练数据集应用了合成少数过采样算法.提出了一种基于信息增益的特征选择方法,并用于构建一个数据集的特征约减子集.首先,利用随机森林算法从训练集中建立入侵模型,构建误用检测模型,通过网络连接的特征来匹配检测已知攻击.然后,利用信息增益的特征选择方法,根据特征约减获得的特征,将不确定性攻击的网络连接数据通过随机森林进行聚类,进而实现未知攻击的检测.实验采用的NSL-KDD入侵检测数据集是KDDCUP99数据集的增强版本.由于入侵检测固有的特性,NSL-KDD数据集设计时类间存在极大的不平衡性.实验结果表明,结合合成少数过采样算法以及基于特征选择的信息增益的随机森林分类器对少数类别异常检测率可达到0.962.     

基于SCA100T角度传感器的跌倒检测研究

讨论了一种基于双轴角度传感器SCA100T的装置,采集人体运动时的角度数据,并通过无线数据传输装置发送到PC机。然后,通过将跌倒过程划分为三个检测阶段,在每个阶段对角度数据进行短时特征提取与分析,做出基于阈值的判决。最终,综合三个阶段的判决结果给出较为准确的跌倒检测结果并可以驱动外部设备予以保护。实验结果表明,基于角度的跌倒检测能够较为有效,跌倒检测正确率达到97.23%,且同时漏检率为零。     

用于可疑金融交易监控的对比离群点检测模型

对基于单数据集和多数据集的离群点算法进行研究，提出一个基于距离模式进行数据集间参照对比的离群点判别模型，该模型通过数学定义清晰描述了参照集和对比集之间离群点模式的判别检测关系，为深入研究切合金融数据挖掘特点的算法建立形式化描述体系。这一模型也可推广应用于网络入侵检测、财务审计、图像识别、电子商务、医疗疫情监测等领域。     

基于合群度-隶属度噪声检测及动态特征选择的改进AdaBoost算法

为了提高AdaBoost集成学习算法的数据分类性能,提出基于合群度-隶属度噪声检测及动态特征选择的改进AdaBoost算法. 综合考虑待检测样本与邻居样本的相似度及与不同类别样本集的隶属关系,引入合群度和隶属度的概念,提出新的噪声检测方法. 在此基础上,为了更好地选择那些能够有效区分错分样本的特征,在传统过滤器特征选择方法的基础上提出通用的结合样本权重的动态特征选择方法,以提高AdaBoost算法针对错分样本的分类能力. 以支持向量机作为弱分类器,在8个典型数据集上分别从噪声检测、特征选择及现有方法比较3个方面进行实验. 结果表明,所提算法充分考虑了噪声样本和样本权重对AdaBoost分类结果的影响,相对于传统算法在分类性能上获得显著提升.     

融合注意力机制和多任务学习的机器人抓取检测算法

抓取主要分为抓取检测、轨迹规划和执行环节，准确的抓取检测是完成抓取任务的关键。为进行更准确的抓取检测，提高机器人抓取性能表现，本研究以关键点检测算法为基础，提出了一种融合注意力和多任务学习的抓取检测算法。首先，针对任务特点，在特征提取环节引入CA(coordinate attention)注意力模块，显式的学习通道和空间特征，充分利用特征信息。其次，在损失函数环节加入多任务权重学习算法，学习抓取中心坐标、抓手开合宽度及旋转角度信息的最优权重。最后，在Cornell数据集以及更大规模的Jacquard数据集上进行试验。研究结果表明，所提方法相比滑动窗口和锚框类型等经典方法在检测速率上有明显提升，且与单纯的关键点检测方法相比有更高的准确率，所提模型在两个数据集上分别取得98.8%和95.7%的准确率。检测示例体现出所提模型对于非常规物体也有良好的抓取结果，不同Jaccard系数条件下的抓取结果显示模型在精准抓取方面有优秀性能，而对于权重学习算法的不同初始值试验则表明所提模型具有良好的鲁棒性。此外，通过消融实验分析了不同模块对于模型性能表现的影响程度。     

基于图卷积网络的归纳式微博谣言检测新方法

为了解决传统图卷积神经网络在进行谣言检测时面临的未充分考虑单词语义信息以及池化方法选择困难的问题,提出基于图卷积网络(GCN)的归纳式微博谣言检测新方法. 考虑单词之间的语义关系,结合传统词共现建图方法提出基于词语义相关性的微博事件建图方法,并结合图卷积网络和门循环单元(GRU)实现节点信息聚合;为了有效融合不同节点状态的特征信息,提出基于注意力机制的多池化方法融合策略融合最大池、平均池和全局池以获取最终的图级向量;为了提高微博谣言检测效率,探究微博评论时间对检测结果的影响,获得用于模型训练的最佳评论利用时间阈值. 实验结果表明,本研究方法在给定数据集上的表现普遍优于Text-CNN、Bi-GCN、TextING等典型方法,验证了其在微博谣言检测领域的有效性.     

电火花间隙放电状态检测方法综述

间隙放电状态检测是电火花加工过程中重要的一个环节,它的性能直接影响加工过程的稳定性.针对电火花间隙放电状态检测的问题,总结了电火花间隙放电状态检测的研究现状.介绍了电火花间隙放电状态的分类和特征,论述了基于间隙脉冲的传统识别方法和人工智能识别方法,指出各自的特点和存在的问题,并对放电状态检测技术的发展方向进行了展望.     

基于机器视觉的太阳能电池片表面缺陷检测研究现状及展望

鉴于基于机器视觉的太阳能电池片表面缺陷检测方法具有操作简便、检测精度高的优势,对此类方法所涉及的各个环节进行了综述.首先,对太阳能电池片表面的各种成像方式和常见缺陷类型进行了归纳总结;其次,对现有的检测方法按照数学建模思路的不同进行了分类介绍和对比分析;最后,对内容进行了小结并对太阳能电池片表面缺陷检测方法的后续研究进行了展望.可以看出:基于机器视觉的太阳能电池片表面缺陷检测方法已经取得了较大的发展,但在特征提取算法设计方面仍有改进空间,如基于深度神经网络的特征提取算法.     

入侵检测中基于序列模式的告警关联分析

提出一种基于序列模式的告警关联分析模型,实现对攻击告警的分析。该模型预处理部分利用网络拓扑信息和告警属性相似度隶属函数对原始告警进行过滤和融合;在WINEPI算法的基础上,考虑告警数据库增长的情况,提出一种告警的增量式序列模式挖掘算法,用于关联规则发现;在线关联模块匹配规则库形成攻击场景图,并预测未知攻击事件。使用2000 DARPA攻击数据集测试表明,该模型能够明显改善入侵检测系统的性能,验证了模型和算法的有效性。     

导电高分子基柔性应变传感材料研究进展

随着人机交互、电子皮肤、可穿戴电子等新兴领域的迅速发展,作为核心部件之一的柔性应变传感材料成为人们关注的热点。由导电材料与柔性高分子复合而成的导电高分子基复合材料具有柔韧性好、质轻、易加工成型等优势,且材料导电性能在应变刺激下发生改变,因此可用作柔性应变传感材料。综述了基于导电高分子复合材料的柔性应变传感材料的分类及特点,详细介绍了该类传感材料的应变响应机理,并总结了影响导电高分子复合材料应变传感性能的因素。     

Review: Wearable Sweat Sensors for Diseases Prevention and Monitoring

Advanced in wireless technologies and flexible materials with great biocompatibility, wearable devices have been utilized in the field of healthcare, sports management, and diseases prevention, which have been widely applied in current electronic equipment. Sweat, as a common metabolite on the skin surface, contains a wealth of biomarkers for disease detection and diagnosis. Therefore, developing wearable sweat sensors can provide a non-invasive method for health data collecting, sports monitori...