跑步智能可穿戴产品的消费需求与现状匹配分析

为了解智能可穿戴产品的发展现状、满足消费者对智能可穿戴产品的期望,以跑步智能可穿戴产品为例,采用问卷调查和产品调研的方式,对其消费需求与产品现状进行匹配分析。将国内外38款跑步智能可穿戴产品的常见功能、个性化运动计划定制情况和价格同消费需求进行对比,发现所调查的产品都已基本具备数据记录功能,其中5.2%的产品可"监测肌肉活动",但没有产品能满足消费者需求最强烈的"检测关节活动"功能; 26.3%的产品可以根据用户个人的运动数据变化而给出相应的运动建议,或定制个性化的运动计划,与消费需求的匹配度较低;国内外智能可穿戴产品价格差异较大,国内产品基本满足了71.12%的消费者对跑步智能可穿戴产品价格不超过1 000元期望。说明当前跑步智能可穿戴产品的功能不够完善,产品与需求的匹配度不高,有待进一步的研究和改进。     

基于多扰动的局部自适应软子空间聚类融合算法

提出基于随机初始化、参数扰动和特征子集映射的多扰动的局部自适应软子空间聚类(LAC)融合算法(MLACE)。MLACE具有以下特点:(i)多扰动融合:从初始化、参数和特征子集等不同侧面,探测数据内部结构,使之相互融合,从而达到改善聚类正确性的目的;(ii)融合信息提升:根据LAC算法输出的子空间权重矩阵,定义数据属于每一类的概率,形成提升的融合信息;(iii)融合一致性函数改进:融合信息的形式由0/1二值信息转换成[0,1]实值信息,因此,一致性函数采用了性能较优的实数值融合算法Fast global K-means来进一步改善融合正确性。实验选取2个仿真数据库和5个UCI数据库测试MLACE的聚类正确性,实验结果表明,MLACE聚类正确性优于K-means、LAC、基于参数扰动LAC融合算法(P-MLACE)。