基于物联网的学生体育测试监测系统

一种基于STM32单片机的可穿戴式学生体测智能检测系统,通过血氧心率传感器MAX30101固定在手指上,通过红光和红外光检测运动中学生的心率和血氧饱和度,将数据进行一阶滞后滤波算法处理得到稳定的数据,并在0.96寸OLED显示屏上显示.同时将学生的姓名学号和体测数据通过LORA无线技术传输到应用端.应用端再将学生的身份和体测数据实时显示在7寸液晶串口屏上.该系统能满足多名学生体测时同时使用,可以实现远程发送并记录数据,在实际测试过程中工作稳定,具备智能、实时性等优势.     

仿生学习的机器鱼运动模式分析

运动行为建模是机器鱼研究领域的重点和难点,研究将一种新颖的仿生学习方法应用到多关节机器鱼运动模式学习和生成上。首先,通过视频采集设备对鲤鱼的运动行为进行记录,并对记录的视频数据作离散化处理后进行分析,提取得到了鲤鱼的3个基本运动模式:"巡游"、"游动转弯"和"C形急转"。然后采用通用内部模型(general internal model,GIM)对鲤鱼的运动模式进行学习,利用其函数逼近能力和在时间、空间上的可伸缩性,机器鱼可以学习、修正和再现真鱼的运动模式。最后结合红外传感器及避障算法实现了机器鱼的自主避障行为,从而证实了该方法的有效性。     

商务类院校学生上网行为研究

通过对商务学院学生进行为期一学期的上网行为的跟踪与分析,得到了该类学生上网行为的特征,这些特征有代表性地反映了当代大学生利用网络来学习、生活、娱乐、消费等各种行为。这些数据及行为特征为高校教师进行思想政治、学习方法教育等多方面提供了现实依据。     

基于学习风格分类的SPOC平台在线学习行为与学生成绩的关联分析

随着在线教育的发展,各平台积累了大量的在线学习行为数据。如何挖掘在线数据背后巨大的价值,已成为新的研究热点。该文通过收集学生SPOC平台在线行为数据和学生Felder-Silverman学习风格调查表,对所有样本学生和学生学习风格类型方式,开展SPOC平台在线学习行为数据与学生期末考试成绩的关联分析。通过对比研究,不同学习风格类型学生的在线学习行为数据与学生成绩的相关系数有明显变化,数据分析结果为教师决策与学生提高学习效率提供了科学依据。     

基于多任务权重参数学习的兴趣点推荐算法研究

基于位置的社交网络的快速发展,通过借助社交网络来分享用户位置信息,其中包含了丰富的上下文信息,比如用户签到、兴趣点地理位置、用户社交关系等,从而对兴趣点推荐的发展提供了很大的机遇.但是,如何有效地利用这些上下文信息,解决数据稀疏和隐式反馈等问题,是很大的挑战.针对这一问题,提出了一种能够动态融合不同上下文因素的推荐算法,该推荐算法可以融合不同类型的上下文因素,比如地理信息、类别信息、时间信息等,通过一种类似梯度下降的动态权重参数学习的方法,动态地学习每个因素的权重,适应不同类型用户特点,从而改善兴趣点推荐效果.     

基于人脸识别的实验室上机考试身份验证

实验室上机考试在越来越多的领域得到应用,比如注册会计师考试,银行业从业资格考试等。大部分考场都采用人工身份验证的方式。但是人工识别的局限和机房电脑显示屏的遮挡给替考作弊行为的查找带来了困难。该文注意到深度学习在人脸验证领域得到了长足的发展,提出一种新的基于人脸识别的上机考试身份验证系统。该系统首先通过考生准考证号登陆进系统,再通过人脸检测方法得到人脸,然后使用深度学习方法比对得到的人脸与系统中保存的人脸,最后使用活体检测方法排除替考者使用照片验证的情况。     

融合人体姿态估计和目标检测的学生课堂行为识别

在课堂教学中,人工智能技术可以帮助实现学生行为分析自动化,让教师能够高效且直观地掌握学生学习行为投入的情况,为后续优化教学设计与实施教学干预提供数据支持.构建了学生课堂行为数据集,为后续研究工作提供了数据基础;提出了一种行为检测方法及一套可行的高精度的行为识别模型,利用Open Pose算法提取的人体姿态全局特征,融合YOLO v3算法提取的交互物体局部特征,对学生行为进行了识别分析,提高了识别精度;改进了模型结构,压缩并优化了模型,降低了空间与时间的消耗.选取与学习投入状态紧密相关的4种行为:正坐、侧身、低头和举手进行识别,该检测与识别方法在验证集上的精度达到了95.45%,在课堂上玩手机和书写等常见行为的识别精度较原模型有很大的提高.     

基于MATLAB的MIMO通信系统教学平台的设计与实现

多输入输出(Multiple-Input Multiple-Output,MIMO)系统利用发射端的多个天线独立发送信号,在接收端利用多个天线接收并检测信息。针对MIMO通信系统中空时编码和检测技术理论性强且抽象的特点,设计了一个基于Matlab的MIMO系统教学演示平台。在该平台上可以演示采用不同信道编码、不同调制方式以及不同的检测算法下MIMO系统的信道容量以及误码率性能,通过性能演示学生可以直观地了解编码、调制以及检测模块对系统性能的影响。学生还可以通过该演示平台选择不同的发送天线和接收天线数目,实时演示收发天线数目对MIMO系统性能的影响。教学实践表明,通过该平台的实时演示可以加强学生对通信原理课程的理解,调动学生编程实现MIMO系统模块的积极性,为进一步学习现代通信的关键技术奠定了基础。     

基于FCM的E-learning学习过程评价

对学生E-learning学习过程进行评价既可以实时监控学生学习效果,又可以对教学产生正反馈。采用数据挖掘的方法从E-learning学习平台中实时抽取出学生在线学习行为数据,提出了基于FCM的E-learning学习过程评价方法,构建了形成性评价系统模型。实验结果表明,该评价方法具有较高准确性。     

基于深度学习的行为检测方法综述

行为检测在自动驾驶、视频监控等领域的广阔应用前景使其成为了视频分析的研究热点。近年来,基于深度学习的方法在行为检测领域取得了巨大的进展,引起了国内外研究者的关注,对这些方法进行了全面的梳理和总结,介绍了行为检测任务的详细定义和面临的主要挑战;从时序行为检测和时空行为检测2个方面对相关文献做了细致地分类,综合分析了每一类别中不同研究方法的思路和优缺点,并阐述了基于弱监督学习、图卷积神经网络、注意力机制等新兴研究话题的相关方法;介绍了行为检测领域常用的数据集以及性能评估指标,在这些数据集上比较了几种典型方法的性能;总结了当前行为检测方法需要解决的问题以及进一步发展的研究方向。     

基于学生个人大数据的行为特征分析

高校各类教学管理业务系统记录着大学生日常学习和生活的行为数据，逐步形成规模较大，类型多样的学生个人大数据环境.该文从学生学籍信息、学习表现、校园生活三个维度进行分析，构建学生个人大数据行为分析模型，并对学生校园消费数据进行挖掘，探究学生饮食规律和消费水平.通过数据分析，得出以下特征：1) 在校期间学生就餐总人次和早餐就餐率均呈递减趋势；2) 大一新生早餐就餐时间早于全校早餐就餐高峰1 h；3) 学生消费水平越稳定、饮食越规律、学习努力程度越高，学生学业表现水平越好；4) 学生的学业成绩与正餐就餐率、早餐就餐率、就餐消费水平等变量有较强的相关性.     

基于聚类算法的线上学习行为分析

为了有效利用线上学习平台记录的学生学习行为数据,从多方面刻画学习者画像,充分发挥线上教学的作用。在人工智能技术的驱动下,首先统计学生学习时间和视频内容数据,分析他们的观看习惯和对重点、难点内容的重视程度;然后在k-means++ 聚类算法的基础上,分析课程视频、章节检测、学习次数、作业和签到等特征对学习效果的影响。上述方法可以帮助总结学生的学习态度、偏好和习惯,将相似学习风格的学生聚为一类。老师可以通过线上学习行为的分析调整教学内容,改进教学方法,从而改善线上教学效果。     

基于余弦距离的人体运动数据行为分割算法

对人体运动捕捉数据进行行为分割是人体运动数据分析与合成中的关键处理步骤,为此,提出一种新的人体运动数据行为分割算法。采用骨骼夹角直方图刻画人体运动统计特征,使用余弦相似度作为人体运动数据骨骼夹角直方图特征的相似性度量,实现对运动行为的自动分割。对于给定的人体运动捕捉序列,首先定义滑动比较窗口,计算当前窗口范围内运动序列前、后2部分骨骼夹角直方图统计特征的余弦相似度,然后通过在运动序列上滑动该窗口,获得运动序列的余弦相似度曲线,曲线最小值位置即为不同类型行为的分割点。在CMU人体运动捕捉数据库上进行数值实验。研究结果表明:本文算法能够实现对人体运动捕捉数据的自动行为分割;与广泛采用的基于PPCA的行为分割方法相比,本文算法具有良好的性能。     

基于深度学习的课堂教学行为评价方法

课堂是教学活动的主阵地,是教学质量的基础。当前,职业教育的课堂教学评价存在模式陈旧、指标单一、数据匮乏和算法灵活性差等问题,深度学习技术应用为解决这些问题提供了可能。基于深度学习的课堂教学行为评价方法（Class Learning Evaluation Method, CLEM）的第一步是利用智能设备获取课堂教学行为的视频信息,第二步是对视频中教师和学生的表情、姿态、语音等进行检测与教学行为识别,最后以某高职院校课堂教学视频为例开展教学行为统计分析和实证研究。实验表明,CLEM方法能够快速、准确地识别师生教学行为和开展课堂教学评价。     

基于联邦迁移学习的应用系统日志异常检测研究

迄今为止，基于日志的异常检测研究已经取得了很多进展，然而，在现实条件下仍旧存在两个挑战：（1） 是日志数据通常以“数据孤岛”形式储存在不同的服务器上，单一公司或组织的日志数据中异常样本量不足，且异常模式较为固定，很难通过这些数据训练出一个准确率高的检测模型. 为了解决这个问题，将不同来源的日志数据整合成更大的数据集可以提高模型训练的效果但可能会在数据传输过程中产生日志数据泄露问题；（2） 是不同应用系统类型的日志数据通常在结构和语法上存在差异，简单地整合并用于训练模型效果不佳. 基于以上原因，本文提出一种基于联邦迁移学习的日志异常检测模型训练框架LogFTL，该框架利用基于匹配平均的联邦学习算法，在保证客户端数据隐私安全的前提下于服务器聚合客户端的模型参数形成全局模型，再将全局模型分发给客户端并基于客户端的本地数据进行迁移学习，优化客户端本地模型针对自身常见异常行为的检测能力. 经过实验表明，本文提出的LogFTL框架在联邦学习场景下效果超过了传统的日志异常检测方法，同时也证明了该框架中迁移学习的效果.     

基于无线网络集群的故障诊断系统设计

本文针对高职高专汽车检测专业基础电路课程,设计了一种基于无线网络集群的故障诊断系统。该系统由教师PC机和实验箱组成,教师PC机上具备服务器功能,实验箱内部配置带有10寸触摸屏的嵌入式设备。学生可以通过实验箱内部触摸屏进行独立、自由的故障排查练习;教师可以在教师PC机上设置各种故障类型、排布故障点,再由无线网络发送到各个实验箱实现统一故障设置,指导学生统一练习;教师可以通过教师PC机统一发出实操考试试卷,学生在实验箱上进行操作,同时在10寸触摸屏上进行过程记录,操作结束前提交记录;教师PC机可以对每一场考试学生提交结果进行自动阅卷,并自动生成考试成绩。该系统可以替代传统单个实验箱故障设置模式,既方便学生自主学习的操作,提高学生学习的积极性,提升学习效率;更提升了教师上课以及考核的工作效率。     

多运行水平马尔可夫可修系统的新型可靠性指标研究

将系统运行水平相同的状态归为一类,整个状态空间被划分为多个运行水平,建立了多运行水平马尔可夫可修系统模型并对其进行可靠性分析。 运用生物药理学中的离子通道建模理论、Markov过程理论、矩阵分块方法给出度量该系统可靠性的几个新型指标:点可用度、区间可靠度、点区间混合可用度等。 通过数值算例对所得结论进行了模拟实现,表明这些新的指标可以运用到马尔可夫可修系统模型中。      

基于运动轨迹的徘徊行为检测

针对金融场所(比如银行)的智能视频监控系统中徘徊行为的检测进行了研究,采用了基于运动轨迹的方法检测徘徊行为.利用混合高斯模型和背景差分法,画出运动物体的外接轮廓,通过计算外接轮廓质心移动的路程和方向来判断是否进行徘徊行为.实验结果表明,这种方法能够简单快速的检测出徘徊行为,并且不用进行任何的样本进行训练,大大地节约了时间和空间.     

Hopfield神经网络系统中的若干动力特性指标分析

本的主要目的是对Hopfield神经网络系统（HNNS）给出了一种称为双向对称型的感知机学习算法（简称NIS学习算法），并对该算法的动力特性指标进行模拟计算分析，在大量模拟基础上，得到了该学习算法的容量，平均假吸引点等特性指标的统计特性数据，从这些分析结果可以说明，NIS学习 算法较HNNS的“联想记忆学习算法”等有关算法有更好的动力特性。     

基于行为序列灰色模糊判定的计算机木马检测方法

针对计算机木马判定困难的问题,提出了一种对行为序列进行多属性灰色模糊木马判定的方法.通过对计算机木马定性分析构建了木马攻击树,归纳了木马使用攻击树叶子节点方法实现不同功能的概率等级.使用基于木马行为的检测技术检测出主机包含网络通信、隐蔽运行、开机启动、自我防护四要素的所有行为序列,视这些行为序列为木马设计方案,使用模糊数量化定性指标,将灰色系统理论与模糊优选结合,计算各方案的木马灰色模糊的优属度,最后使用危险指数进行木马判定.应用示例表明该方法可以有效区分正常程序,检出木马程序.