特征与分类算法在基于肌音信号的头部运动分类中的对比研究

提取颈部肌肉的肌音（Mechanomyography, MMG）信号时域、时-频域和非线性动力学的15个常见特征,按照其性质分为5个特征集,并选择其中一部分构建高维特征矢量后进行主成分分析（Principal component analysis, PCA）降维处理,应用于头部动作的模式识别研究中。分别采用支持向量机(Support vector machine, SVM)、K近邻(K-nearest neighbor,KNN)和线性判别分析(Linear discriminant analysis, LDA)3种分类器,对6种头部动作（低头、抬头、左摆头、右摆头、左转头和右转头）的MMG信号进行分类。实验结果表明,选用时域、时-频域和非线性动力学特征组合的方式,以及使用SVM作为分类器,可使各类动作的分类精度均达到80%以上,从而获得相对较高的准确率。     

基于实例分割模型优化的道路抛洒物检测算法

在交通安全领域,道路抛洒物易引发交通事故,构成了交通安全隐患。针对传统抛洒物检测方式识别率低、对于多类抛洒物检测效果不佳等问题,提出了一种基于实例分割模型CenterMask优化的道路抛洒物检测算法。首先,使用空洞卷积优化的残差网络ResNet50作为主干神经网络来提取特征并进行多尺度处理;然后,通过距离交并比（DIoU）函数优化的全卷积单阶段（FCOS）目标检测器实现对抛洒物的检测和分类;最后,使用空间注意力引导掩膜作为掩膜分割分支来实现对于目标形态的分割,并采用迁移学习的方式实现模型的训练。实验结果表明,所提算法对于抛洒物目标的检测率为94.82%,相较常见实例分割算法Mask R-CNN,所提的道路抛洒物检测算法在边界框检测上的平均精度（AP）提高了8.10个百分点。     

表面肌电信号模式识别在康复工程中的研究

本文针对近年来基于sEMG的动作模式识别研究进展做分析,对于在康复工程领域的应用进行介绍。     

江苏纺织服装行业竞争力分析

经笔者研究，江苏省纺织服装产业具备诸多优势与特点，如独特的地理优势；科研教育、人力资源优势；纺织业是江苏省传统优势产业，产销衔接状况良好；近年来行业生产增长速度较快，经济效益有所提高；棉纺织行业和服装行业是江苏纺织行业中举足轻重的两大行业，具有典型的代表意义；