【摘 要】
：
基于惯性传感器的人类活动识别一直以来都是研究热点,大多数的研究都是基于单个动作的分类识别,面对日常生活中具有多个运动状态且连续的动作信号时,很难对其中存在的运动状态进行精确分割和识别.论文提出一种面向复杂运动的运动状态转移识别模型,将人类日常动作分为动态动作、静态动作和过渡动作,并对这几类动作进行分割和识别.通过滑动窗口分割法进行预分割,分割周期性强的动态动作和易识别的静态动作,获取动态动作分割结果和静态动作先验.根据静态动作和过渡动作变化率的差异,设置阈值来区分静态动作和过渡动作的边界.最后,根据静态动
【机 构】
：
常州大学 计算机与人工智能学院,江苏 常州213164
论文部分内容阅读
基于惯性传感器的人类活动识别一直以来都是研究热点,大多数的研究都是基于单个动作的分类识别,面对日常生活中具有多个运动状态且连续的动作信号时,很难对其中存在的运动状态进行精确分割和识别.论文提出一种面向复杂运动的运动状态转移识别模型,将人类日常动作分为动态动作、静态动作和过渡动作,并对这几类动作进行分割和识别.通过滑动窗口分割法进行预分割,分割周期性强的动态动作和易识别的静态动作,获取动态动作分割结果和静态动作先验.根据静态动作和过渡动作变化率的差异,设置阈值来区分静态动作和过渡动作的边界.最后,根据静态动作状态和过渡动作状态持续时间不同的逻辑关系建立有限状态机,利用静态动作先验将过渡动作识别出来.该模型在UCI公开的数据集上随机抽取了五组测试样本,整体分割识别准确率最高达到98.25％,最低也达到95％以上.
其他文献
为明确谷子八氢番茄红素合成酶基因与谷子米色形成的相关性,本研究从黄色和白色2种不同米色谷子中克隆出SiPSY1基因的cDNA全长序列,并进行生物信息学分析,同时,利用实时荧光定量PCR方法检测该基因在谷子米色形成过程中的表达模式.结果表明,SiPSY1基因编码序列(CDS)全长为1 248 bp,共编码415个氨基酸.SiPSY1蛋白的理论分子量为46.866 kDa,等电点为8.97,为不稳定亲水性蛋白.该蛋白的二级结构由α螺旋(57.35％)、不规则卷曲(29.64％)、延伸链结构(9.88％)和β转
MBD模型在包含几何信息和非几何信息同时还包含了大量的潜在语义关系.传统的推理算法存在推理深层次实体关系能力有限、时间复杂度大、推理多跳路径能力不足等问题,难以满足面向MBD模型的语义推理需求.本文在基于MBD的STEP知识图谱构建基础上,提出了基于改进深度强化学习的MBD设计语义推理方法.将基于MBD的STEP语义元模型映射到马尔可夫决策模型,通过对动态贪心算法参数、奖励值和学习率的改进来加快神经网络的收敛速度,实现对STEP知识图谱中MBD潜在语义规则的推理.最后以减速器传动轴的MBD语义推理为例证明
某含砷难处理金精矿焙砂氰化尾渣中的有价元素为金、银,试验采用氯化挥发法进行回收.研究了氯化钙用量、焙烧温度、焙烧时间对金、银等氯化挥发率的影响.结果表明:随着氯化钙用量的增加,氰化尾渣中各金属元素的挥发率呈先增大后稳定或略有降低的变化趋势,且不同金属元素实现最大挥发率所需的氯化钙用量不同;在氯化钙用量7％、焙烧温度1050℃、焙烧时间30 min时,各金属元素完成氯化挥发过程;当焙烧时间75 min时,可实现氯化剂分解率99.0％以上.
兴趣点(POI)推荐为用户推荐未访问的POI,是基于位置的社交网络(LBSN)的基本问题.LBSN的迅速发展,使得大规模LBSN异构数据急剧增加,签到评分数据极其稀疏,如何充分利用LBSN中的异构数据,解决数据稀疏性的问题,提高推荐准确性是POI推荐的面临的挑战.本文首先对签到信息建立二分网络,学习用户和兴趣点的嵌入向量,得到用户对未访问兴趣点的评分,缓解签到数据的稀疏性.然后在签到数据中提取用户的签到序列,学习用户签到序列模式,进一步提高推荐准确性.最后利用Bayesian算法处理LBSN中的地理信息,
为了解甘肃玉米镰孢茎腐病致病菌的种群结构和数量,于2015和2017年在甘肃省10个市(州)采集玉米茎腐病样品42份,根据形态学特征和EF-1α(tef)基因序列分析进行病原菌的种类鉴定.结果表明,共获得10种镰孢菌,分别为禾谷镰孢菌复合种(Fusarium graminearum species complex,FGSC,59.3％)、拟轮枝镰孢(F.verticillioides,11.5％)、木贼镰孢(F.equiseti,10.3％)、胶孢镰孢(F.subglutinans,5.9％)、层出镰孢(
随着微博平台的飞速发展,数以亿级的博文信息容易造成网络舆情,故基于微博网络的观点演化模型的研究逐渐成为了研究热点.经典舆情演化模型Hegselmann-Krause(HK)在观点演化时,仅考虑了邻居节点对自身节点的影响,而忽视了非邻居节点所带来的影响.因此本文提出了一种基于用户推荐的HK(URHK)模型,该模型不仅考虑了非邻居节点的影响,同时可以展示用户对某一话题的观点或态度,也改进了经典HK模型权重设置中所存在的缺陷.最后该模型在微博真实数据集上进行实验测试,实验结果表明URHK模型的正确率达80.4％
神经机器翻译是人工智能和自然语言处理领域中的一个非常重要的研究方向,而句法分析在信息处理中起着承上启下的作用,在翻译过程中融入句法层面的语言学知识,对于推动机器翻译的发展具有重要的理论意义和应用价值.针对句式结构复杂的长句翻译效果不佳的问题,本文提出了一种句法规则层次化分析方法,识别并提取出最长短语和句子框架部分,再采用分而治之的策略,训练基于自注意力机制的Transformer模型,对短语和框架分别翻译再组合,得到最终译文.在中-英翻译任务上,实验结果表明,与基准系统相比,该方法能显著提高翻译性能,译文
随着物联网的发展,工业设备上安装了大量的传感器,用来监控工业设备的状态.为了提高设备的可靠性,需要通过对多源传感数据的分析,来预测设备的故障,以便安排预测性维护.工业设备之间的相互作用往往具有传递性,存在复杂的时序依赖关系.因此本文旨在挖掘传感器异常事件之间复杂的时序依赖关系,找到设备故障的根本原因,从而避免故障再次发生.本文通过识别多源传感器事件的频繁共现模式,提出一种新的时序依赖关联挖掘算法“GFE-mining”,挖掘事件之间复杂的时序依赖关系,形成异常预测模型.并通过实验来证明该方法的有效性.