基于量子遗传和无迹粒子滤波的人体运动跟踪

提出一种人体运动跟踪算法,用于解决多关节人体运动跟踪问题.由于无迹粒子滤波存在样本贫化现象,因而对目标运动估计产生影响,尤其估计模型为复杂的马尔可夫链的时域问题的影响尤为严重.通过分析产生该现象的原因,在无迹粒子滤波中引入量子遗传算法:一方面,增加样本集的多样性而缓解样本贫化现象的影响;另一方面,改善其估计、跟踪能力并有效缩短了计算时间.实验结果表明,所提出算法很好地减轻了样本贫化现象对无迹粒子滤波的影响,并提高了多关节人体运动跟踪的准确性,跟踪结果令人满意.     

基于活性成分筛选及近红外快检技术的车前草含量研究

利用网络药理学筛选车前草的有效活性成分，采取高效液相色谱法建立指标性成分大车前苷含量测定的方法，将含量作为参比，借助偏最小二乘回归算法建立车前草大车前苷的定量校正模型，并对未知样品中大车前苷含量进行预测.结果显示，网络药理学筛选出排名靠前的活性成分有木犀草素、黄芩素、大车前苷、羟基木犀草素和高车前素.近红外检测的大车前苷定标标准偏差、相对分析误差、交叉检验标准误差、校正模型的决定系数、交叉验证相对分析误差和相关系数分别为0.043、7.030、0.265、0.600、1.140和0.993.本研究建立的模型检测速度快、效率高、结果可靠，可用于车前草大车前苷的质量控制.