基于改进随机森林算法的铁磁材料硬度预测

为了提高基于巴克豪森噪声信号的铁磁材料硬度预测方法的精度并使其自动化,提出一组基于巴氏噪声自回归（auto regression,AR）谱一阶导数、二阶导数的预测特征;设计一种特征抽取算法,以统一频域特征的维度;通过改进随机森林算法的群投票机制减少噪声干扰与运算复杂度.通过2种金属的硬度预测实验,获得预期的结果,采用本文特征与算法的预测方法均方误差仅分别为60.3、81.3,与经典时域预测方法的均方误差229.8、298.7相比,所提出的特征与算法的预测方法具有明显的精确度和优越性.

     

嵌入式系统中USB总线驱动的开发及应用

在对USB系统软件的组成进行介绍的基础上，探讨了嵌入式系统中USB总线驱动的开发和应用。     

基于表面肌电信号双谱分析的动作分类

为了提高人体上肢动作识别正确率,提出了一种基于表面肌电信号双谱分析的动作分类方法,以信息增益作为表面肌电信号起止点分割效果衡量标准,结合TKE算子提取出肌肉运动起止区间的表面肌电信号,对提取到的表面肌电信号进行双谱变换,提取双谱的正反对角切片作为表面肌电信号特征,以概率神经网络作为分类器,以100次10折交叉验证为一次动作分类实验,计算10次分类实验的平均正确率,最终得到正对角切片、反对角切片和正反对角切片的分类正确率分别为94.56%、90.93%和95.48%.     

基于Kinect的上肢康复网络系统的设计与实现

目前上肢运动功能障碍患者的康复训练一般为人工指导的方式,针对此训练方式的人员、场地资源限制,以及训练数据难以记录管理的问题,设计并实现了一套可进行自主训练,可详细记录、查询训练数据的网络康复训练系统。系统通过Kinect传感器采集人体的运动信息,计算人体骨骼向量,并结合Dynamic Time Warping (DTW)算法,将患者的实际动作与标准动作进行匹配,根据匹配结果指导患者进行自主康复训练,节省了指导人员与场地资源,并与游戏相结合,提高了趣味性;基于Spring、SpringMVC、MyBatis（SSM）框架的康复训练数据管理系统,提供了记录、查询、统计训练数据的功能,将病人的训练时间与完成情况绘制成图表,方便专业人员跟踪病人的训练情况,使康复训练更加自动化、数据化、高效化。     

自然光普通摄像头的眼部分割及特征点定位数据集ESLD

目的 眼部状态的变化可以作为反映用户真实心理状态及情感变化的依据。由于眼部区域面积较小,瞳孔与虹膜颜色接近,在自然光下利用普通摄像头捕捉瞳孔大小以及位置的变化信息是当前一项具有较大挑战的任务。同时,与现实应用环境类似的具有精细定位和分割信息的眼部结构数据集的欠缺也是制约该领域研究发展的原因之一。针对以上问题,本文利用在普通摄像头场景下采集眼部图像数据,捕捉瞳孔的变化信息并建立了一个眼部图像分割及特征点定位数据集(eye segment and landmark detection dataset,ESLD)。方法 收集、标注并公开发布一个包含多种眼部类型的图像数据集ESLD。采用3种方式采集图像：1)采集用户使用电脑时的面部图像;2)收集已经公开的数据集中满足在自然光下使用普通摄像机条件时采集到的面部图像;3)基于公开软件UnityEye合成的眼部图像。3种采集方式可分别得到1 386幅、804幅和1 600幅眼部图像。得到原始图像后,在原始图像中分割出眼部区域,将不同尺寸的眼部图像归一化为256×128像素。最后对眼部图像的特征点进行人工标记和眼部结构分割。结果 ESLD数据集包含多种类型的眼部图像,可满足研究人员的不同需求。因为实际采集和从公开数据集中获取真实眼部图像十分困难,所以本文利用UnityEye生成眼部图像以改善训练数据量少的问题。实验结果表明,合成的眼部图像可以有效地弥补数据量缺少的问题,F1值可达0.551。利用深度学习方法分别提供了眼部特征点定位和眼部结构分割任务的基线。采用ResNet101作为特征提取网络情况下,眼部特征点定位的误差为5.828,眼部结构分割的mAP (mean average precision)可达0.965。结论 ESLD数据集可为研究人员通过眼部图像研究用户情感变化以及心理状态提供数据支持。     

自然背景中交通标志的检测与识别

根据我国交通标志的颜色和几何属性,提出了一种适用于自然背景下的交通标志识别系统.该系统采用RGB彩色分量差对自然背景下的交通标志图像进行分割,而后采用先分类后识别的两级神经网络结构,分别提取交通标志的轮廓特征和不变矩特征作为分类网络和识别网络的输入特征,最终对交通标志图像进行分类识别.实验结果证明,该系统能对自然背景下的交通标志图像达到较好的识别效果,并且具有较强的鲁棒性和广泛的适用性.     

重稀土氧化物对钯催化剂活性影响的研究

研究了重稀土氧化物对钯催化剂活性的影响.实验结果表明,添加重稀土氧化物的钯催化剂,其对CO的氧化活性都有提高,特别是Yb2O3.同Pd催化剂相比,添加Yb2O3的钯催化剂,其CO氧化温度有明显下降.     

基于神经网络的图像混合噪声消除

神经网络在智能化信息处理和非线性滤波方面的优异表现，使得越来越多的人将神经网络应用到图像处理中。提出一种将非线性滤波器和神经网络结合所构成的滤波器，实验证明这种滤波器在消除图像的混合噪声、保护图像的边缘信息方面具有明显的效果，通过对受到较大噪声影响的输入图像进行滤波，可使输出图像的信噪比提高10dB以上。     

一种基于DDM的数据库累积异常识别方法

针对传统数据库识别中,异常识别方法对磁盘读写次数的解决效果不佳的问题,为防止非法使用数据,提出一种基于DDM的数据库累积异常识别方法。根据数据库模式以及涉及的数据,通过隶属度函数对数据库的可疑度在一定区间内进行测定,提供DDM有效的识别数据库累积异常的方法进行实验。实验结果表明在DDM、无DDM、单客户端和并行客户端的情况下,基于DDM的数据库累积异常主动模糊识别方法对磁盘写次数几乎没有影响,结果证明方法能是一种识别数据库累积异常的有效方法。     

基于加速度传感器的上肢运动信息采集与姿态识别

为了对脑卒中病人的康复训练效果进行评价,针对基于加速度传感器的人体上肢动作识别这一新兴的领域开展研究,提出了一套基于蓝牙4.0的人体上肢姿态采集系统,对患者上肢康复训练中常见的7种运动信息进行采集和姿态识别.系统包括运动信息采集、信号传输、信号去噪声、动作识别等几个主要部分.实验结果表明:将传统的时域特征和过零点特征与上四分位点和下四分位点的特征进行组合,能够更好地将曲肘侧平举与曲臂弯曲静止等动作分开,有效提高识别的准确率.与BP神经网络相比,基于径向基核函数的支持向量机(support vector madine,SVM)分类器具有明显的性能优势,获得了较好的姿态识别性能,交叉验证平均正确识别率可达90%.