检索结果-南通市图书馆

建筑结构学报 2024年第3期45卷 113-122页

作者：高珂翁顺陈志丹朱宏平夏勇华中科技大学土木与水利学院湖北武汉430074 华中科技大学控制结构湖北省重点实验室湖北武汉430074 国家数字建造技术创新中心湖北武汉430074 香港理工大学土木与环境工程系中国香港999077

实际结构监测中不可避免出现异常数据,干扰结构的安全评估并引起误判。针对实际监测中多类型异常数据检测效率低和检测结果不准确的问题,提出一种基于特征提取和模式识别神经网络(PRNN)的多类型异常数据识别方法。针对不同类型异常数据... 详细信息

实际结构监测中不可避免出现异常数据,干扰结构的安全评估并引起误判。针对实际监测中多类型异常数据检测效率低和检测结果不准确的问题,提出一种基于特征提取和模式识别神经网络(PRNN)的多类型异常数据识别方法。针对不同类型异常数据的特点建立特征指标集合,通过特征提取将冗长原始样本转化为简短特征向量,显著提高了数据处理和异常检测的效率;进一步引入极坐标化AUCs曲线对多种异常的识别效果进行精确描述,提高了特征指标选取和网络参数调节的优化效率。建立武汉长江航运中心(335 m)健康监测系统,采用该超高层建筑的监测数据对所提方法的精度和效率予以验征。结果表明,基于特征提取和PRNN的多类型异常数据识别方法对6种数据异常的识别准确率达到99.7%,且运算时长仅为深度学习方法的数十分之一。

关键词：结构健康监测异常数据检测模式识别神经网络特征提取极坐标化AUCs曲线

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

移动环境下用户行为姿态提取

移动环境下用户行为姿态提取

引用

作者：刘猛五邑大学

学位级别：硕士

随着移动应用的快速发展,“互联网+”时代的到来,基于智能硬件以及可穿戴设备等多方面学术研究的不断探索,用户行为识别作为这方面的发展基础和前提条件,逐渐被广大学术研究者所关注。行为姿态识别旨在通过传感器传输的数据来判断用户... 详细信息

随着移动应用的快速发展,“互联网+”时代的到来,基于智能硬件以及可穿戴设备等多方面学术研究的不断探索,用户行为识别作为这方面的发展基础和前提条件,逐渐被广大学术研究者所关注。行为姿态识别旨在通过传感器传输的数据来判断用户的表现行为。为了在移动环境中检测到用户的行为姿态,本文提出了一种基于时间表和支持向量数据描述算法SVDD(Support Vector Data Description)的交互式分类代理(Agent)。在智能手机的代理软件,通过使用支持向量数据描述算法比较用户预设的日程安排和他当前地理位置的纬度,经度和用户加速度来获取用户的连续性行为状态。用户连续性行为的标识是通过用户的手机Agent来实现的。该手机系统首先比较了用户的行为状态和计划在日程安排中,决定实际的行为是否与计划的偏差,确定当前用户的行为类型和行为状态。如果当前位置数据通过支持向量数据描述算法计算后,是在超球面边界上或在超球面范围内,用户行为被视为商务行为,或称作正常行为。否则,用户的行为被视为非正常行为,将会通过手机软件提示以确认其是否是遵循或是偏离的计划。在正常计算范围内的行为,本文将通过神经网络模式识别方法对用户姿态进行识别。基于超球面支持向量数据描述算法SVDD计算的结果,采用公共标准化数据集PAMAP2,我们得到的用户行为传感器数据是一个具有54维的高维数据量,并运用主成分分析法对高维数据进行降低维度处理,获得贡献率较高的低维样本数据,然后进行神经网络模式识别模型仿真,提出了一种识别用户行为姿态方法。本文分别对4个子样本数据集设定了4个不同的模式识别神经网络,每一个模式识别神经网络之间是互不干扰、没有任何影响的。通过这种方式,很大程度上减小神经网络训练的成本,提高了整个训练成功的效率。将4个模式识别神经网络进行结合,体现出了这种模型的高效率的特性以及最终导出结果集的准确性。在手机和用户之间的一些交互技术基础上,基于手机振动,铃声以及图形化界面进行了讨论。最后,由MATLAB软件进行实验来验证所提出的算法在用户行为认知方面的准确性,其结果证明,该算法是有效的。

关键词：移动计算 SVDD 分类算法行为姿态识别模式识别神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自动编码器和神经网络的人体运动识别

引用

国外电子测量技术 2018年第1期37卷 78-84页

作者：司阳肖秦琨李兴西安工业大学电子信息工程学院

当前传统的人体运动识别是基于卷积神经网络（CNN）的方法,但存在原始数据维数高,利用CPU训练时间长及硬件要求高的缺点。针对以上问题,提出一种由自动编码器与模式识别神经网络（PRNN）组成的识别人体运动的深度神经网络模型。算法分... 详细信息

当前传统的人体运动识别是基于卷积神经网络（CNN）的方法,但存在原始数据维数高,利用CPU训练时间长及硬件要求高的缺点。针对以上问题,提出一种由自动编码器与模式识别神经网络（PRNN）组成的识别人体运动的深度神经网络模型。算法分为系统学习阶段和动作识别阶段。在系统学习阶段,首先得到每帧的人体轮廓,构建二进制重叠图像作为训练数据,并训练一个自动编码器来提取动作特征;其次,利用所得到的特征通过监督学习训练PRNN;最后建立新的深度神经网络,通过微调获得最佳性能。在动作识别阶段,人体的运动行为序列首先被翻译成二进制重叠图像,然后使用APRNN进行识别。测试结果表明,这种方法具有很好的性能。

关键词：动作识别自动编码器模式识别神经网络深度神经网络二进制重叠图像

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：