美国人效能增强技术发展应用

 美国一直在进行士兵“超级”能力方面的研究，采用多项举措推动人效能增强技术发展。从顶层战略设计、科研机构任务、经费持续投入3个方面对美国人效能增强技术发展特点进行了综合分析，概述了美国人效能增强技术在体能、技能、智能等领域研究成果与进展，并分析了美国人效能增强技术的发展趋势和可能导致的社会伦理学问题。     

基于Mesh网的矿工心电信号无线监测系统研究

在矿难事故发生后实时监测被困矿工的生命体征,能够给营救工作提供重要的信息参考,因此设计了一款基于Mesh网的矿工心电信号无线监测系统.通过ADS1292心电检测模块对矿工的实时心电信息进行监测,然后将心电数据经过STM32F103单片机处理后通过OLED屏显示出来.同时,处理后的数据还可以通过无线组网模块发送至上位机进行显示,从而实现对井下采煤工人生命体征进行远程监测的目的.测试结果表明:该系统可以准确获取矿工心电信号波形,实测心率误差不超过4％,具有良好的应用前景和实用价值.     

基于主成分分析的叶片温度分布一致性研究

采用特征向量比对的方式进行研究.通过对叶片温度数据时域和频域空间特征提取,获得能够体现叶片温度分布信息的特征向量,并采用主成分分析(PCA)对特征向量进行去相关和降维,进而得到包含绝大部分叶片温度分布信息的低维特征向量.根据叶片温度特征向量与基准特征向量间的对比,评估叶片温度分布情况的一致性.实验结果表明,叶片的特征偏差均在5%以下,偏差较大的叶片数量占总量的5. 8%,该研究成果可以用于从温度特征上反映叶片工作状态,为叶片故障诊断及寿命预测提供基础.     

基于支持向量机的典型宽带电磁干扰源识别

由于民航周围电磁环境复杂, 一旦产生电磁干扰(electromagnetic interference，EMI), 就不易被排查, 特别是随机性较强的宽带干扰。对此, 提出一种基于支持向量机(support vector machine, SVM)的干扰源识别方法。通过实时测量干扰信号的频谱数据, 并分析其特点, 选择包络因子、频谱能量、频谱峰值、均值和方差5个特征向量, 用主成分分析法降低数据冗余程度, 最后采用SVM来判断干扰源类型。仿真结果证明, 所提算法能有效识别6类典型机场宽带干扰源, 识别精度可达98.33%。     

基于深度无监督学习的图像分类算法

为了取得精确的图像分类效果,一方面需要提取大量的图像特征数据进行样本分析,另一方面大量的数据又造成了维数灾难.因此,为了解决信息全面与维数灾难的矛盾,引入了深度学习.深度学习利用分层结构处理复杂的高维数据,可以完成复杂函数的逼近,是一类具有多层非线性映射的学习算法,但深度学习模型优化困难且对隐层参数敏感.针对上述问题,将无监督算法引入深度学习,这种学习方法无须人工设计特征提取数据,训练过程中样本标签是未知的.实验表明,该算法在不影响图像分类效果的前提下,可以大大降低计算复杂度,具有一定的时效性.     

基于校园一卡通的门禁道红外线识别方法研究

为实现对校园一卡通门禁道红外线主动识别,提出基于红外成像特征检测的校园一卡通门禁道红外线识别方法,建立门禁道红外线识别的成像模型。采用主动边缘轮廓检测方法进行门禁道红外线的特征提取,采用Harris角点检测方法对校园一卡通门禁道红外图像的特征点进行检测。结合相邻帧像素融合的方法进行红外图像的信息融合,采用目标主动检测方法进行门禁信息的特征检测和提取,构建校园一卡通门禁道红外图像的模糊特征检测和信息跟踪融合识别模型,实现校园一卡通的门禁道红外线识别优化。仿真结果表明,采用该方法进行校园一卡通的门禁道红外线识别的特征分辨能力较好,识别精度较高。     

基于去噪自编码器的镜像极限学习机设计

针对极限学习机在高维度、含噪声数据集中需要大量隐含层节点来保证分类性能的问题，设计了镜像极限学习机.该算法使用伪逆法确定输入权值，随机生成输出权值和偏置，在对数据进行分类时，它仅需极少的隐含层节点.为了提升镜像极限学习机的分类性能和抗噪性，将它与去噪自编码器相结合.利用去噪自编码器对输入数据进行特征提取，并将提取到的特征作为镜像极限学习机的输入数据，再进行网络训练.在无噪和含噪声的MNIST，Fashion MNIST，Rectangles和Convex数据集中，将基于去噪自编码器的镜像极限学习机与ELM，PCA-ELM，SAA-2和DAE-ELM作对比实验，结果表明，基于去噪自编码器的镜像极限学习机的综合性能最优，用于分类的网络隐含层节点数最少.     

血浆N末端脑利钠肽水平和心脏超声功能参数在评估临床心功能分级中的价值研究

目的探讨血浆N末端脑利钠肽(NT-proBNP)水平和心脏超声功能参数在评估临床心功能分级中的价值.方法选取慢性心力衰竭患者106例,入院次日清晨抽取患者空腹肘静脉血,采用酶联免疫法检测血浆NTproBNP水平,并对患者进行纽约心脏病协会(NYHA)心功能分级评定,之后进行心脏彩色多普勒超声检查.结果血浆NT-proBNP水平与心功能分级之间呈明显正相关(P0.01);左心室短轴缩短率、左心射血分数与心功能分级之间呈明显负相关(P0.01);左心室舒张末期内径、左心室收缩末期内径与心功能分级之间呈明显正相关(P0.01);不同心功能分级之间血浆NT-proBNP水平、各心脏超声功能参数均存在明显差异(P0.01);其中,心功能Ⅰ级和Ⅱ级,Ⅲ级和Ⅳ级之间差异均无统计学意义(P0.05),Ⅲ级与Ⅰ级、Ⅱ级,Ⅳ级与Ⅰ级、Ⅱ级之间差异均有显著统计学意义(P0.01);NT-proBNP联合心脏超声检查对不同心功能分级的诊断特异性和敏感性明显高于血浆NT-proBNP水平、心脏超声检查,差异具有统计学意义(P0.05).结论血浆NT-proBNP水平联合心脏超声功能参数能够客观准确地判断慢性心力衰竭患者的心功能情况,有助于指导临床对该类患者的治疗及判断预后.     

多特征和神经网络相融合的体育视频识别

为了提高体育视频识别的精度,提出一种多特征和神经网络相融合的体育视频识别模型(MF-RBFNN).分别提取反映体育视频的静态和动态特征,然后采用RBF神经网络对静态和动态特征分别分类,并将初步识别结果构造基本概率指派,运用证据理论对初步结果进行融合,得到体育视频识别结果.结果表明,相对于对比模型,MF-RBFNN提高了体育视频识别精度,是一种有效的体育视频识别方法.