摘要：为提高老人跌倒检测的准确性,提出基于自回归模型系数和神经网络的跌倒检测算法。采用陀螺仪获取人体运动的三维加速度和角速度值,研究人体日常活动和跌倒的运动特征,构建关于自回归系数、SMA和倾角的组合特征向量,建立神经网络分类器,实现对跌倒和日常动作的识别。实验数据共390例样本,包括9类日常动作和4类跌倒,其中195例为训练数据,另外195例为测试数据,测试结果表明,敏感度为97.2%,特异性为99.74%,准确率为98.97%,该方法达到了良好的分类性能。

摘要：为解决Kmeans算法随机指定初始点聚类和海洋Argo浮标数据异常问题,提出一种改进Kmeans算法的海洋数据异常检测方法。提出一种改进Kmeans算法DMKmeans(density mathematics Kmeans),选取给定邻域范围内最近邻数据点最多的点为初始中心点,迭代聚类,直到准则函数收敛,聚类结束;基于DMKmeans算法对数据集聚类,使用数学模型为准则进行海洋监测数据异常检测。通过海洋监测数据异常检测仿真实验,将DMKmeans算法与传统Kmeans算法及MinMaxKmeans算法做对比分析,其结果表明,提出算法能有效提高聚类准确率和异常检测率。

摘要：针对基于深度学习的苗族服饰图像语义分割模型存在提取过程中服饰掩码拟合质量不高的问题,文章提出一种基于渐进式注意力学习的多尺度深度学习金字塔模型(Multi-scale Deep learning pyramidal network of progressive attentional learning,MultiDeepPPL)分割苗族服饰。首先,设计了一种密集跨级连接网络,充分利用多尺度方式提取特征的特性,融合不同尺度特征;然后,嵌入了一种渐进式注意力学习金字塔结构,从不同的特征图中迁移相似性与跨尺度相似性,并采用空域注意力和3D卷积对前述特征进行融合。实验结果表明,所提模型在苗族服饰数据集上平均交并比(Mean Intersection over Union,MIoU)达到0.873,类别平均像素准确率(Pixel Accuracy,MPA)达到0.943,Dice相似系数达到0.912,召回率(Recall)达到0.8951。上述评估指标结果表明,文章所提方法明显优于当前其他语义分割算法,为少数民族文化的研究提供了一种有效可行的方法。

摘要：为解决传统的基于人工视觉特征的图像哈希检索方法不一定能保留图像语义相似性,导致检索性能不好的问题,提出一个高效的基于卷积神经网络的哈希编码检索方法。去掉AlexNet网络原来的F7层,加入新的节点为48且激活函数为sigmoid函数的全连接层,采用该改进网络模型针对目标数据集进行微调,阈值设置为0.5,二值化新加入层的激活值得到哈希二进制编码,采用哈希编码进行检索。在CIFAR-10数据集上的实验结果表明,该方法与CNNH+相比性能提升了30%,在MINST数据集上也优于其它方法,验证了该方法对于大规模图像检索的有效性。

摘要：为解决低照度图像对比度低、细节模糊的问题,提出基于人眼视觉的多尺度融合图像增强算法。将图像从RGB空间转换到HSV空间,分离图像的色彩信息和亮度信息;将HSV空间的H和S通道的信息Image H和Image S转换为权重图,对V通道的亮度信息Image V进行增强;利用引导滤波算法增强图像的细节信息。为验证该算法的优越性,对比其它传统增强算法处理后的结果发现,该算法的增强效果优于几种传统的增强算法。

摘要：针对石刻及书法字识别时笔迹特征提取复杂且缺乏通用性的问题,提出一种基于深度学习的卷积神经网络(CNN)的自学习特征的书法字识别方法。对拍摄的笔迹图像进行预处理,分割出单个字体并提取字体骨架;利用基于RPReLU(随机参数化修正线性单元)改进的卷积神经网络,分别对笔迹图像和骨架图像提取特征;将两种特征融合成新的特征后,利用三层神经网络提取更高层次的特征实现笔迹的准确识别。实验结果表明,该方法对石刻和书法字的识别率达到99.1%,是一种高效的石刻书法字识别方法。

摘要：数据倾斜是海量数据分析与处理中常见场景之一.在数据倾斜场景下,传统MapReduce连接查询算法并不能充分利用Hadoop平台并行计算编程模型特性.本文主要研究基于数据倾斜的M apReduce连接查询算法.针对传统多表连接查询算法不能有效解决数据倾斜导致的性能瓶颈问题,设计并实现统计倾斜轮询分区连接查询优化算法,该算法以HDFS作为数据存储层,通过统计倾斜与轮询分区策略有效将数据分发到Hadoop集群各个计算节点.实验表明,本文提出的算法在不同数据倾斜率下均能有效实现负载均衡,充分利用MapReduce并行计算特性,并已在实际应用场景中获得较好性能提升.

摘要：针对目前推荐系统对评论文本的特征提取能力不足导致的性能局限,以及数据稀疏性问题和用户兴趣漂移问题导致的推荐精度下降问题进行研究,提出一种契合用户兴趣变化的评论文本深度建模方法,基于深度学习改进传统推荐算法。使用词嵌入技术,挖掘并利用数据集评论中的语义得到表达结果;通过使用并行的一组卷积神经网络,充分挖掘用户和项目评论数据中的隐含特征;设计兴趣衰减曲线,针对用户兴趣漂移现象进一步调整用户建模的契合度;设计一层耦合结构,将两组特征作为输入使用因子分解机进行评分预测,得到推荐结果。仿真结果表明,推荐结果的准确度得到了提升,该方法可行有效。

摘要：混沌系统具有非线性、伪随机性、初始值敏感等特性,为基于动力系统构造性能良好的S盒提供了基础,进一步保证了分组加密算法安全性.目前,基于混沌构造S盒的方法大多数针对单个性能指标进行优化,难以获得全面的性能提升.针对此问题,结合混沌映射与多目标遗传算法,提出了一种新的S盒设计方法.首先,利用混沌映射的特性产生初始S盒种群;然后,以S盒的非线性度和差分均匀性为优化目标,基于遗传算法框架对上述两指标进行优化.针对S盒的特点,在优化算法中引入了交换操作,设计了新的变异操作以及非支配序集计算,有效提升了S盒的非线性度和差分均匀性.实验结果表明该算法产生的S盒其差分均匀度为6,非线性度值至少为110,有效提升了S盒的综合性能.

摘要：针对传统的线性频率调制(LFM)波和频移键控(FSK)波体制的车载雷达系统存在的一些问题,提出了一种LFM和FSK结合的多频移键控(MFSK)波形雷达测量方法。首先,理论推导出了MFSK体制的测量原理,采用了全相位FFT(ap FFT)算法来提高相位估计精度;然后,结合该算法设计出了系统信号处理方法,并对系统的性能进行对比分析。仿真结果表明:文中所设计的MFSK车载雷达系统在多目标情况下具有很高的测量分辨率、可以实现无模糊测量、有效避免虚假目标出现等优点,满足车载雷达测量系统对各项性能的要求。