基于谷歌眼镜传感器的曲线拟合计步算法

当前独立的计步器普遍要考虑行人佩戴的部位,如基于手机的计步方法可靠性受限于手机放置位置。根据谷歌眼镜的位置固定特性设计了一种新的计步算法,有效地解决了平地、斜坡、上下楼梯等场景下的计步问题。该算法综合运用谷歌眼镜采集的加速度传感器信号和旋转矢量传感器信号,对这些信号进行快速傅里叶变换滤波处理,用二次曲线拟合信号序列,根据曲线参数阈值进行计步判断。实验结果表明：该算法在平地、斜坡、上下楼梯等场景具有96%以上的准确率。     

带源节点的快速社区发现算法

提出了一种改进的带源节点的CNM快速社区发现算法,用于含有部分已知社区属性节点的复杂网络的社区结构划分。算法中将这部分节点作为源节点,采用模块度增量最大化为目标函数对待划分节点进行聚合,并在取得最大全局模块度值时得到社区划分结果。以深圳市手机基站用户流量网络为例,将位于各规划城市中心的基站点作为源节点引入,对城市进行区域划分。结果表明,该算法不但能够发现基于各城市中心的服务边界,也能发现一些隐含的城市区域。