可穿戴式青少年体质健康监测研究

为更好地对青少年体质进行监测,提出一种基于等区域划分的RFID防碰撞算法的体质健康监测手环。首先,利用RFID防碰撞算法对系统的可用性进行改善;然后采用模块化方法对系统结构设计,并分别从系统硬件和软件角度进行具体设计;最后,对RFID防碰撞算法性能和软硬件进行测试和分析。测试结果表明,RFID防碰撞算法的时隙数比FSA＿256和DFSA算法分别低了82.54%和83.18%,说明该算法能够减少碰撞时隙和系统识别时间,提升系统的性能。同时系统测试表明,手环系统可实时、准确地监测到青少年的体质信息,有利于教师监督学生进行体育锻炼,从而提升学生的身体素质。     

面向学生体质测量的数据异常可视化检测方法

单一的学生体质测量数据异常很难形成标准化判断方案，存在预测偏差准确性差、异常数据检测率低、异常数据误报率高的问题。提出面向学生体质测量的数据异常可视化检测方法，标准化处理数据，从而降低数据维度，清洗数据后预测出异常数据量最多的残缺数据。其次利用信息增益完成学生体侧数据特征的筛选以及排序，结合信息增益和正常数据点降低数据复杂度并识别出异常数据，实现学生体质测量异常数据检测。实验结果表明，所提方法的预测偏差准确性较高、异常数据检测率较高、异常数据误报率较低、检测运行时间较短。     

基于节点地位和相似性的社交网络边符号预测

边符号预测即根据网络拓扑结构挖掘符号相关隐含信息,旨在揭示用户之间的潜在关系。节点地位和相似性能够较好地体现边符号属性,为改善预测效果提供了理论基础。通过探究二者与边符号属性之间的强相关性,建立符号预测模型。首先,利用排序算法prestige评估用户节点的社会地位,同时使用余弦相似度表示用户的社交偏好;然后,在逻辑回归学习模型的基础上融合二者建立边符号预测模型LR-SN;最后,在模型训练过程中采用随机梯度上升算法优化求解。三个真实网络数据集的实验结果表明,相比于现有基准方法,LR-SN模型的符号预测准确率显著提高且具有一定的推广性,说明通过融合局部信息与全局信息能够进一步改善预测效果。