基于肌音信号的步态动作模式识别研究

通过采集腿部肌肉5个通道的肌音信号,利用3层决策树对跑步、上楼、下楼、走路、静止5种步态动作进行模式识别研究。在决策树的第1层和第2层,应用双阈值门限法识别静止和跑步两种步态模式,在第3层,提出基于步态信号的自适应不等长分割算法以及改进的模糊熵算法,利用线性分类器对走路、上楼、下楼进行分类识别。结果表明:双门限阈值法可有效地对静止和跑步进行识别,当采用改进的模糊熵特征时,对走路、上楼、下楼3种步态模式的分类准确率达到了94.87%;而当综合利用近似熵、样本熵和改进的模糊熵3种特征时,其分类准确率达到了98.76%。     

SVM-KNN 分类器在异常行为检测中的应用

提出了一种新的异常行为检测方法,将SVM算法和KNN算法结合,在对识别样本判别时,当其与最优分类面的距离大于给定阈值时,采用SVM分类算法,否则采用KNN算法,从而减少了SVM算法的错误率.实验结果表明,SVM-KNN算法对异常行为检测的准确率达到95.86%.     

SVM-KNN分类器在异常行为检测中的应用

提出了一种新的异常行为检测方法,将SVM算法和KNN算法结合,在对识别样本判别时,当其与最优分类面的距离大于给定阈值时,采用SVM分类算法,否则采用KNN算法,从而减少了SVM算法的错误率。实验结果表明,SVM-KNN算法对异常行为检测的准确率达到95.86%。     

基于综合特征的花卉种类识别方法研究

提出了1种基于综合特征的花卉识别方法﹒该方法首先利用图像显著性进行分割,以实现前景背景分离;然后分别提取花卉的颜色特征、形状特征和纹理特征,在提取纹理特征时,为了提高特征对花卉的表述能力,对图像进行边缘增强和压缩处理;最后使用SVM分类器进行分类识别﹒实验分别与BP神经网络、KNN最近邻分类这2种分类方法进行了对比分析,相对于BP神经网络的分类识别率(85.81%)和KNN最近邻分类的识别率(84.09%),基于综合特征的识别方法具有更高的准确率,识别率可以达到93.7%﹒     

基于麻雀搜索算法优化支持向量机的刀具磨损识别

针对微小深孔钻削刀具磨损状态检测的工程需求,提出了基于钻削声信号的麻花钻头磨损状态识别方法。根据不同磨损程度的麻花钻在钻削过程中的声信号,使用经验模态分解(empirical mode decomposition, EMD)将声信号分解成若干个固有模态函数(intrinsic mode functions, IMFs),通过时频联合分析探索刀具磨损与声信号特征之间的关联规律;再使用麻雀搜索算法(sparrow search algorithm, SSA)优化支持向量机(support vector machine, SVM)的参数,并利用SVM实现基于声信号特征的刀具磨损状态识别。实验结果表明,微小深孔钻头磨损程度与钻削声信号特征之间存在非线性耦合关系,声信号高频特征对钻头磨损程度的变化非常敏感;采用经过SSA优化后的SVM算法,基于优选的IMF特征能够准确识别钻削刀具磨损状态,识别准确率可达98.246%。     

基于改进VMD和CNN的滚动轴承故障诊断方法

针对现场采集的滚动轴承信号易受噪声影响而使微弱故障特征难以提取的问题，基于灰狼优化算法(GWO)、变分模态分解(VMD)和卷积神经网络(CNN),提出了一种滚动轴承故障诊断的新方法.首先，利用GWO优化VMD实现其分解层数及二次惩罚因子2个重要参数的自适应选择；其次，提出有效加权相关稀疏度指标(EWCS),并以此筛选VMD分解的有效本征模态函数(IMF);最后，使用GWO优化CNN参数，并采用2层卷积模块的CNN进行识别分类.基于所提方法，对滚动轴承4种不同运行状态的样本进行了分类识别，并与其他几种诊断方法进行比较.结果表明，该方法用于滚动轴承故障诊断是可行的，且具有更高的分类准确率.     

基于脑电的立体视频加速度的特征识别

构建一种能够自适应提取脑电特征的PMEMD-2JSD-CSP模型,明确了立体视频的两类匀加速深度运动的可分性.利用部分噪声辅助多变量经验模态分解(PNA-MEMD)对脑电(EEG)信号进行分解得到本征模态函数(IMF),应用基于詹森-香农散度(JSD)的有效因子对IMF进行两次不同范围的自适应筛选,筛选结果按照权重叠加构成重构信号.利用共空间模式(CSP)对重构信号进行空域特征提取,支持向量机(SVM)对特征进行分类,分类正确率最高为73.16%,证明了该模型对两类EEG信号特征提取的有效性.     

相空间重构与差分进化算法-烟花算法-支持向量机结合的高压开关机械故障诊断方法

振动信号特征识别是一种有效地非侵入式高压开关机械故障诊断方法。提出采用互补集合经验模态分解(CEEMD)结合相空间重构提取有效特征,输入到差分进化算法(DE)和烟花算法(FWA)优化支持向量机(SVM)核函数参数的分类器,实现DE-FWA-SVM对机械故障诊断的准确识别。首先,通过CEEMD将振动信号分解成一系列固有模态函数(IMF),对相关系数较大的IMF分量进行相空间重构,提取表征混合特征的最大李雅普诺夫指数和关联维数构造特征向量;引入DE算法优化FWA算法的求解精度和收敛速度,再以DE-FWA对SVM参数寻优,解决SVM参数选择敏感问题;最后根据模拟四种典工况进行试验分析,结果表明:该振动提取方法能准确提取特征,DE-FWA-SVM表现出更优分类性能。     

参数自适应VMD在高速列车轴箱轴承故障诊断中的应用

针对高速列车轴箱轴承故障特征提取困难和变分模态分解(VMD)参数的人为设置影响分解效果的问题,提出参数自适应VMD轴箱轴承故障诊断方法。首先,以平均包络谱熵为适应度函数,利用麻雀搜索算法自适应地寻找不同工况下的最优模态数K和惩罚因子α;其次,对原始轴承时域信号进行VMD分解,利用快速谱峭度图分析最小包络熵的IMF分量,并根据分析结果对该IMF分量进行带通滤波以增强故障特征;最后,对滤波后信号进行希尔伯特包络解调分析,并将分析结果与理论计算所得特征频率进行对比,对轴箱轴承故障进行分类辨识。研究结果表明：与经验模态分解(EMD)、局域均值分解(LMD)、集合经验模态分解(EEMD)等自适应信号分解方法相比,本文所提方法能更有效地降低噪声的影响,提取复杂耦合工况下轴箱轴承振动信号中的故障特征。     

改进的mRmR特征选择方法在人体行为识别中的应用

在基于惯性传感器人体行为识别的研究中,特征选择的作用是挑选相关特征,以提高分类性能,去除冗余特征以降低计算复杂度。针对传统的过滤式特征选择方法仅使用一种相关度量系数筛选特征效果不佳的问题,提出一种改进的基于最大相关与最小冗余(mRmR)准则的特征选择方法。该方法在基于mRmR准则下,采用多种相关度量系数融合的方式,在考虑分类类别的条件下,分析待挑选特征与已选特征间的相关性对特征筛选可能产生的积极影响,以去除部分冗余、不相关特征,进而得到初选特征子集;然后利用二进制数对筛选后的特征编码,通过遗传算法搜索最优或次优特征子集。分别使用SVM和KNN分类器对7种日常行为进行分类。实验结果表明,与其他几种方法相比,该方法对实验分类的7种行为有最高的总体平均识别精度,通过SVM和KNN分类的各行为总体平均识别精度分别达到了97.02%和95.73%,与传统的mRmR方法相比,分别提高了13.72%和9.92%。     

分组密码算法的快速认证模式研究与设计

CBC-MAC模式速度较慢.本文提出了分组密码算法的2种快速认证模式:一种为基于双重分组的串行认证模式(KCBC),另一种为适合于硬件的基于密钥计数的并行认证模式(KCTR-MAC).KCBC模式的速度约为CBC-MAC模式的2～3倍;KCTR-MAC模式同并行认证模式PMAC相比,安全性显著改善.KCBC或KCTR-MAC认证模式和CTR(计数器)加密模式结合可构成分组密码算法的新工作模式.新工作模式同标准模式CCM(CTR with CBC-MAC)相比,有明显的速度优势,其综合性能优于CCM.     

铁磁性双层薄膜中的自旋波

本文采用界面重标度方法严格求解了双层铁磁性薄膜中自旋波的本征值问题，结果表明：在一般情况下，自旋波分为扩展模，共振禁闭模，完全禁闭模和界面模四种类型。对各种模在体内和界面处的性质与特点，以及各层薄膜中自旋波的色散关系和能量范围作了详细讨论。     

矿井中漏泄电缆电磁波的传播

本文研究了矿井中漏泄电缆电磁波传播问题,给出了场分布公式解及单线模式和双线模式传播常数数值解。现场实测表明文中所给理论成果正确。     

浅谈连接SQLServer数据库的几种参数存放方式

以VB为例,介绍了连接SQLServer数据库的几种参数存放方式,包括ODBC方式、注册表方式以及udl文件方式,比较了这些方式的优缺点。     

高等职业教育四种模式建设内涵的浅析

高职教育内涵建设的成效取决于办学模式、培养模式、教学模式和评价模式的建设.要正确理解四种模式的内涵和清晰界定四种模式的建设内容,使办学模式和培养模式成为教学模式和评价模式建设的基础,使教学模式和评价模式成为办学模式和培养模式建设的内涵,使四种模式相互促进形成有机的整体,从而推动高职教育的内涵建设,提升高职教育的人才培养质量和社会服务能力.     

振型数的选取及扭转振型的确定

在地震作用下，振型分解法是进行抗震分析最常用的方法，该法的优点在于根据要求的精度只取部分振型即可代表结构的总体反应．本文讨论了合理振型数的有效选择方法；并且讨论了振型方向因子和判定扭转振型、     

复合型研究生培养模式的理论思考与现实探索

当前我国硕士研究生教育中,主要存在学术型和应用型两种培养模式,前者侧重于培养研究生的理论深度与科研能力,后者侧重于培养研究生的技能提升与实践能力。两种培养模式并行不悖,各自具有自身的优势与局限。正在探索中的复合型研究生培养模式,本具有综合两种培养模式的优点,但在实践中仍然面临着考验。     

混凝土干燥收缩经验公式研究

介绍了国外关于混凝土干燥收缩经验公式方面最新研究成果,并进行了分析比较,供研究设计人员参考。     

对聚束和滑动聚束模式下星载合成孔径雷达的旁瓣侦察比较研究

聚束模式是合成孔径雷达常用的工作模式,聚束模式的精度高,在军事上发挥着很大的作用。滑动聚束模式是一种新兴的工作模式,它有着比条带模式分辨率高,比聚束模式成像区域大的优点,因此受到广泛的利用和研究,文章在此基础上,根据合成孔径雷达的特点,展开了对合成孔径雷达的侦察研究,并比较分析了星载合成孔径雷达工作模式的侦察,仿真实验验证了可行性。     

美国模式:中国房地产业的"救星"

所谓香港模式,是指以开发商为中心的一条纵向价值链,从买地、建设、售房到后期物业服务,通常由一家企业独立完成,开发商也因此被称为"全能开发商"。美国模式的核心则是金融运作,房地产信托基金和投资商成为房地产的主导者,地产开发建造商或中介商成了围绕资金的配套环节。该文分析了这两种模式的利弊并重点分析了美国模式在中国的发展以及前景。