一种基于嵌入式平台的非接触式心率监测系统研究

心率的长期监测对心血管疾病的预防和治疗具有重要意义。当前心率检测常用的监护仪、心电图机、智能手表和运动手环等均属于接触式测量装置,长期佩戴易产生压痕,甚至给使用者带来不适。在非接触测量方面,远程光电容积脉搏波描记法(remote photoplethysmography, rPPG)可以通过分析面部视频获取心率,是一种很有潜力的心率长期监测方法。目前,绝大多数对于rPPG的研究都在使用电脑做数据分析,体积过大不易摆放,难以满足医学临床和家庭日常使用的需求。针对这一问题,本文尝试在嵌入式平台上依据rPPG原理实现心率监测。监测系统主要由树莓派4B开发板、相机和触摸屏组成。采用AdaBoost算法实现人脸识别与追踪,选取额头和脸颊作为感兴趣区域(range of interest, ROI),利用巴特沃斯带通滤波去噪,根据POS模型提取BVP波形,对来自不同ROI的BVP波形做盲源分离得到最终的脉搏波,最后利用能谱分析计算心率。实验结果表明本文所研究的系统具有与PC端相同的心率检测准确性和鲁棒性。本文的研究成果可以为心率长期监测设备的小型化和普及做出自己的贡献,也可以为智慧医疗中的远程监测...     

基于相同保护度的随机化装置效率比较

早期关于不同随机化策略之间的效率比较的文献大多数只考虑估计量方差的大小却忽略了不同策略对个体隐私保护的差异。这就使得原有的一些效率比较是基于对个体不同保护度的不公平比较。本文在相同的保护度下,精确比较了已有的五种随机化策略,得到的结果表明:这些早期的随机化策略没有一种是无条件一致最优的。     

粗糙支持向量机

支持向量机(SVM)是一种重要的数据机器学习工具,其有效性依赖于对数据信息获取的准确性.以往的支持向量机模型都没有考虑到数据等价类信息.为此,基于粗糙集理论和支持向量机思想,提出了一种新的支持向量机模型--粗糙支持向量机(RSVM).采用UCI机器学习数据库中的数据做对比实验,结果表明RSVM比传统支持向量机(SVM)和模糊支持向量机(FSVM)都有较高的测试精度.     

基于JBoss的高速公路路域气象信息采集与发布系统设计

路域气象信息采集与发布是减少交通事故的重要环节.搭建基于JBoss的C/S架构公路路域监控与气象预警联网联控系统;采用ARM+ Linux技术设计了高速公路路面实时监控系统与气象信息采集终端.系统可为司机提供现场实时气象信息,实现气象信息共享,为高速公路的指挥、调度提供评判依据.经现场安装测试表明:系统运行良好,实测温度误差小于0.1℃,风速误差小于2％,雨量误差小于3％,可满足高速公路对气象信息采集与发布的需要.     

Windows环境下的数字图像采集技术研究

介绍了Windows环境下进行数字图像采集的两种方法:一种是根据图像采集卡自带的工具箱中的函数进行开发,另一种是利用Windows提供的视频开发组件VFW(VideoforWindows)进行视频开发。对于第一种方法,作者以大恒公司生产的QP-300视频采集卡为例详细介绍了如何利用生产商提供的各功能函数进行实时视频捕获和图像采集;采用第二种方法时,开发人员不用了解硬件特性及SDK中的功能函数也能熟练地开发采集程序。     

基于支持向量机的彩色图像水印算法

提出了一种基于回归型支持向量机(SVR)的盲检测彩色图像水印算法。为了改善可见性,根据人眼视觉特性（HVS）自适应选择其嵌入位置。水印嵌入是通过修改图像中像素蓝色通道信息来实现,水印提取时结合图像局部相关性,选取稳定的特征向量并获取SVR训练模型,进而利用SVR训练模型进行预测提取数字水印信息。在嵌入过程中通过高斯模板来均衡调整嵌入水印后对宿主图像影响的强度,仿真实验证明本文算法不仅具有非常好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何变换、图像增强等攻击也具有很好的鲁棒性。     

声表面波传感器Q值改善的理论分析与实验结果

报道了带变迹叉指换能器（IDT）和倾斜金属反射栅的高Q值Y型声表面波（SAW）质量沉积传感器。用P矩阵方法分析了三种不同传感器的通带纹波。分别在振荡和非振荡模式下比较了这些传感器的通带纹波和Q值。分析了获得高Q值的原因。理论和实验结果表明：均匀孔径无反射栅的传感器旁瓣抑制为10dB，振荡模式下其Q值为5289；通过孔径变迹设计，传感器的旁瓣抑制和Q值分别改善到25dB和8689；而对孔径变迹并加入倾斜反射栅的传感器，这两个参数提高到25dB和12477。非振荡模式下带反射栅的传感器比没有反射栅器件的通带纹波约低2dB。因此，变迹IDT和金属反射栅的应用是SAW质量传感器Q值的改善的两个重要因素。由于Q值改善，质量沉积灵敏度达到5.24GHz?cm2/g     

基于密度信息的改进降维方法

扩散映射(diffusion maps)是一种基于流形学习的非线性降维方法。为了提高降维的效果, 根据近邻点的选取对diffusion maps的降维效果影响, 利用数据近邻点分布的不同, 挖掘该数据点局部的密度信息, 能够更好地保持数据的流形结构。利用样本点聚类后的类别信息构造密度信息指数, 提出了一种改进的diffusion maps算法, 有效地保持了高维数据中的流形结构, 所提的新算法在多种实验中得到了证实。     

结合粗糙集与集成学习的中文文本分类方法研究

介绍中文文本分类的流程及相关技术。在分析传统的文本特征选择不足的基础上,提出了基于粗糙集与集成学习结合的文本分类方法,通过粗糙集进行文本的特征选择,采用一种集成学习算法AdaBoost.M1来提高弱分类器的分类性能,对中文文本进行分类。实验证明,这种算法分类结果的F1值比C4.5、kNN分类器都高,具有更加优良的分类性能。     

交互式进化计算中保持用户理性的最大进化代数

交互式进化计算中用户保持理性是算法全局收敛的重要条件,为确保用户保持理性,必须设计合理的最大进化代数。文中首先提出3类最大进化代数,其次,结合6种常见的适应度赋值方法分别研究最大进化代数的定量计算方法。理论分析和实验都表明,采用最值赋值和分等级赋值方法不仅切实可行,而且可以让用户在较大的代数内保持理性状态。文中研究为选择合适的适应度赋值方法提供参考依据。