基于子空间集成学习的3维人体运动识别

如何对3维运动数据进行自动识别,是提高数据利用效率和进行计算机动画创作的前提。为了有效地识别运动数据,需要把运动数据投影到非线性流型低维子空间中,先识别出运动的内在结构,然后对运动的各个关节点分别进行学习,最后基于集成学习的方法产生强的隐马尔可夫学习器,以便能够对一些常见的运动类型进行自动识别。实验结果表明,这种基于子空间集成的人体运动识别方法较传统方法的检索精度、检索速度均有较大提高。     

AJAX技术在基于web的信息管理系统中的应用

AJAX（Asynchronous JavaScript and XML）是当前非常热门的一门网络技术,gmail,google map等都是用它来实现的,是web应用开发的一种新理念。本文首先介绍了AJAX的基本概念和工作原理,然后介绍了一种基于AJAX的JAVA开源项目DWR并就其在基于web的信息管理系统中的具体应用作了举例介绍,并总结阐述了这种技术的优势。     

数字家庭遥控器的研究与开发

数字家庭是融合了家庭控制网络和多媒体信息网络于一体的信息化平台,遥控器是数字家庭的控制终端.本文设计的数字家庭遥控器采用了32位ARM处理器内嵌操作系统和网络通讯的解决方案,具有较强的处理能力和可扩展性,实现了家庭网络系统控制、游戏娱乐、视频播放等数字家庭功能.     

智能家居电力线总线研究与实现

随着信息通讯技术及智能化技术的高速发展,智能楼宇、智能家居成为当今IT技术发展的一个新热点.通过电力载波通讯技术实现智能家居的电力线总线网络,能为智能家居网提供最大的便利.本文正是以TDA5051为基础,实践了一个电力线家居总线方案.     

雷达辐射源信号的多重分形特性研究

分形维数可以描述信号的复杂程度.但是单个分形维数描述信号是不够的,故对不同调制雷达辐射源信号的多重分形特性进行研究.通过仿真六种常见脉内调制雷达辐射源信号,并计算它们在不同情况下的多重分形广义维数,结果发现多重分形广义维数时噪声不敏感,同时,同一种调制方式下调制参数对广义维数的影响也不大.因此.多重分形广义维数可以作为雷达辐射源信号脉内调制方式识别的分类特征.     

CF卡在采煤机振动检测中的应用

本设计给出大容量闪存卡CF及文件系统在采煤机振动检测中的应用.介绍了CF卡的基本结构和工作原理,实现了系统软硬件的设计.采用CF卡做媒介,将检测到的大量数据按FAT16格式记录并存入CF卡,为后续采煤机故障诊断及改进设计打下了基础.     

信息抽取中基于DOM树的过滤器方法的研究

分析了信息抽取中各种页面预处理的方法,提出一种改进方法一基于DOM树结构的过滤器,并设计了三种过滤器.讨论过滤器的原理,给出了具体的实现算法.最后根据过滤器的一个具体应用,总结出其适应于当前网页的结构和设计的特点,验证了方法的正确性和适用性,大大提高了信息抽取的效率和准确率.     

基于改进三维块匹配滤波的红外全息降噪算法北大核心CSCD

红外全息技术更适用于长距离的大视场成像,但其散斑噪声与高斯噪声对图像质量的影响也更加显著,限制了红外全息技术的应用与推广。本文通过引入全局傅立叶阈值与自适应维纳滤波的方法对三维块匹配滤波算法进行优化,提高了其对红外全息图像降噪的适应性与细节保留,得到改进的三维块匹配滤波算法,并与多种采用传统滤波方法的结果进行了对比。结果表明,改进后的算法可以在对红外全息图像中的高斯噪声等环境噪声与散斑噪声进行降噪的同时保留更多细节,是一种更加适用于红外全息图像的降噪方法。     

基于自适应对比度增强的红外小目标检测网络

红外探测系统需要尽早发现目标以便及时拦截,但是红外图像上的小目标检测是一个挑战十足的任务。为了提高检测准确率,提出一种基于自适应对比度增强的红外小目标检测方法。为了利用自注意力机制和卷积各自的优势,设计了一个高效的特征提取网络和一个面向小目标的检测头。同时为了解决实际应用中出现的弱目标,在检测子网络前添加了一个图像预处理子网络,该模块可以自适应地调节图像对比度。在红外空中小目标数据集上的实验表明,提出的方法能达到93.76%的检测精度,与经典的检测方法相比,能够更好地平衡检测精度和召回率,证明了方法的巨大应用潜力。     

基于对称双通道脑电信号的注意力检测

注意力不能集中是一种注意力障碍,该现象普遍存在于青少年中,这直接影响人们的学习和工作效率.传统的注意力检测方法大多依赖对表情、姿势等行为的观察,难以客观精准地反映注意力情况.随着生理检测技术的迅猛发展,基于脑电信号的注意力检测近年来受到极大的关注.然而,相关研究仍存在检测准确率不高的问题.本研究收集了155位大学生在注意力集中、注意力非集中和放松3种状态下的脑电信号,并基于信号的小波特征、微分熵特征及功率谱特征,采用多种机器学习方法对3种注意力状态进行了识别.结果表明,脑电信号的小波特征,微分熵特征及功率谱特征可以有效区分被试的注意力状态,且基于对称双通道特征的平均准确率为(80.84±3)%,其检测精度明显高于基于单通道特征的检测精度.