基于蚁群算法的行为识别特征优选方法

为了降低特征冗余,提高移动用户行为识别的准确率,提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理,根据特征对不同行为的分类敏感度进行初次优选,降低特征搜索空间的维度;然后利用蚁群算法结合神经网络分类器,以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明,该方法优选出的特征集具有较好的识别性能。     

一种位置无关的多模型移动用户行为识别方法*

针对智能手机佩戴位置多样性对移动用户行为识别结果的影响,提出一种位置无关的多模型移动用户行为识别方法。该方法通过计算手机加速度传感器所采集到的行为信号在不同佩戴位置的特征相似度,与预先计算的不同佩戴位置特征相似度进行比较,并采用相似度最大的位置特征作为测试样本,利用极速学习机ELM（Extreme Learning Machine）分类器对移动用户行为进行识别。实验结果证明,相对于不区分佩戴位置的行为识别方法,本方法可将识别准确率提高11%,是一种有效的移动用户行为识别方法。     

基于压缩感知的移动用户行为识别方法

为了提高移动用户行为识别的准确率,提出一种基于压缩感知的行为识别方法,其可对原始加速度数据或压缩后的加速度数据进行行为识别。依据压缩感知理论中可以由冗余字典重构数据的原理,将原始三轴加速度数据作为训练样本构造冗余字典,基于该字典求解最小l1范数得到待识别样本的稀疏系数,根据稀疏系数计算并选取最小残差值对应的行为作为识别结果。实验结果表明,该方法识别移动用户行为的准确率可达82.64%,高于传统方法的识别准确率,且对随机投影压缩后的行为数据也具有良好的识别效果。     

多频段时域分解的行为识别特征优选方法

为了降低外界环境对移动用户行为识别的影响,保留行为敏感特征、提高行为识别的准确率,提出了一种多频段时域分解的人体行为识别特征优选方法.该方法对行为样本数据进行多频段分解,计算样本数据在不同频段信号的特征,利用遗传算法以决策树作为分类器进行特征优选,在多组特征中搜索出近似最优的特征组合.实验结果表明,该方法优选出的特征组合能有效提高行为识别的准确率.     

基于WEB的本科毕业设计管理平台设计与运行

为了克服传统毕业设计管理模式的缺陷,运用计算机和信息技术,开发与实施了基于网络的毕业设计管理平台。实现了本科毕业设计全过程的计算机网络化管理和监控;实现了无纸化办公方式,降低了毕业设计的管理成本;同时该平台还提供了强大的查询和统计模块,使用者可以及时便捷地根据选定的查询条件生成不同的数据报表,随时监控毕业设计过程中各个环节的执行情况,提高了毕业设计过程的管理工作的力度和效率。     

220kV微机母差保护双重化应用

220kV母差保护是保证电网安全稳定的重要技术手段之一,回顾220kV母差保护的应用,母差保护已进入微机化时代。文章针对近年来电网事故中母差保护暴露的问题,通过对各类微机母差保护的比较,提出了上海电网220kV母差保护微机双重化应用技术原则和技术要求,介绍了上海电网220kV微机母差保护双重化的应用问题,以进一步增强上海电网220kV母线运行的安全性。     

线性粘弹性本构方程及其动力学应用研究综述

综述了近年来线粘弹性材料本构方程的研究成果,介绍和讨论了复常数模量模型、标准流变学模型、分数阶导数模型、分数指数模型、微振子模型等典型和常用的五种模型,同时简单介绍了这些模型的动力学应用。     

ERP系统用户权限分配问题的实现

这了实现对某ERP系统的用户权限分配问题，给出了一种分配策略，并利用基于角色的访问控制技术实现了这一策略。这种分配策略能够将企业的实际岗位情况以及企业的业务部门之间的相互关系，同所开发的系统中的特定角色较一致地结合起来。在实际应用过程中，这种方法提高了开发效率，简化了授权管理，取得了比较好的应用效果。     

基于Agent的个性化主动KDD系统

介绍一个用多Agent实现的主动式KDD系统的设计与实现。系统在建模的基础上挖掘知识,结合Agent技术和机器学习的方法,逐步建立出越来越符合用户兴趣的模型,并试图发现尽可能多的用户兴趣点。     

EFSM最小可达图的同步生成算法

针对EFSM可达性分析过程中的状态空间爆炸问题,提出了一种基于变量值域划分的EFSM最小可达图的同步生成算法。该算法将EFSM可达图的生成与最小化两个过程结合在一起同步进行,引入特征配置的思想,依据特征配置指出变迁有效性组合,以及变迁的赋值动作与终止状态分组变量值域的关系,在进行可达性分析的同时仅对可达的状态分组进行稳定性判定及必要的分裂,直到所有可达状态分组均稳定为止,EFSM最小可达图即构造完毕。文中算法最大限度地减小了中间结果如不可达分组等对求解过程的影响,从而降低了传统算法因可达性分析与最小化过程相分离而引起的时间与空间上的巨大代价。