BH随机邻域嵌入在驾驶行为识别中的应用

针对驾驶系统处理大量驾驶数据时出现的效率和精度不足的问题,提出一种基于巴恩斯哈特随机邻域嵌入(BH-SNE)和径向基函数神经网络(RBFNN)的识别算法。从手机传感器中获取加速度数据、陀螺仪数据和磁强计数据,融合这三种传感器数据,经过预处理后使用BH-SNE完成降维处理,将降维数据输入到RBFNN中识别出驾驶行为。实验结果表明,BH-SNE的效率远高于t分布式随机邻域嵌入(t-SNE),并且可视化效果优于t-SNE,该模型的整体识别率为98.8%,分类效果优于传统的机器学习算法。     

国内重组木发展中存在的问题及前景

综述了重组木发展中存在的主要问题,以及重组木发展趋势,并对市场前景进行预测,提出了解决重组木发展中遇到问题的解决思路。分析了重组木的发展前景带来的经济效益,并简述了在木材资源供需缺口比较大的情况下的新思路,提出了适当建议。