202308 文章 進入202308技術(shù)社區(qū)
居家養(yǎng)老視角下老人過久離床監(jiān)測系統(tǒng)設(shè)計
- 針對當(dāng)前老年人居家場景夜間過久離床提醒解決方案存在的不足，設(shè)計了一種基于離床時間變異系數(shù)的過久離床監(jiān)測系統(tǒng)。通過睡眠狀態(tài)監(jiān)測模塊，獲取老年人最近夜間正常離床時間數(shù)據(jù)，對正常離床時間變異性系數(shù)進行統(tǒng)計和分析，進行過久離床時間的預(yù)測和判斷，并根據(jù)過久離床時間情況，通過遠(yuǎn)程消息或SOS報警的方式通知異地子女，從而達到遠(yuǎn)程健康預(yù)警的目的。系統(tǒng)能有效預(yù)測和優(yōu)化過久離床時間的演變趨勢和波動范圍，預(yù)防老年人夜間離床過久的健康風(fēng)險。
- 關(guān)鍵字： 202308 居家養(yǎng)老 睡眠監(jiān)測 變異系數(shù) 過久離床 SOS 健康預(yù)警
基于類別圖增強算法的融合異構(gòu)數(shù)據(jù)會話推薦分析
- 為了提高融合異構(gòu)數(shù)據(jù)會話推薦效率，設(shè)計了一種通過類別圖來實現(xiàn)增強效果的推薦算法。在融合層內(nèi)融合物品與類別表征結(jié)果，確保物品表征中包含類別數(shù)據(jù)；根據(jù)注意力機制建立全局表征，再通過局部表征建立最終表示；通過預(yù)測層計算各候選對象推薦參數(shù)。研究結(jié)果表明：設(shè)計得到的CaSe4SR模型對各類數(shù)據(jù)集都表現(xiàn)出了最優(yōu)推薦性能，CaSe4SR-W模型表現(xiàn)出了比Concat與CaSe4SR兩種模型更差的性能，推斷類別信息需結(jié)合物品信息共同建模，需根據(jù)物品參數(shù)才可以發(fā)揮信息補充功能。
- 關(guān)鍵字： 202308 會話推薦 類別圖增強算法 異構(gòu)數(shù)據(jù) 全局表征
基于自適應(yīng)軟掩模的語音混合特征增強分析
- 為了提高語音混合特征增強效果，設(shè)計了一種以自適應(yīng)軟掩模與混合特征共同分析算法來實現(xiàn)。以混合特征分析可以消除單一梅爾域濾波器無法提供高頻特征的缺陷。研究結(jié)果表明：選擇融合相位自適應(yīng)軟掩模方式時，能夠最大程度去除背景噪聲。以本文融合相位差自適應(yīng)軟掩?？梢垣@得比IRM更顯著優(yōu)勢，經(jīng)過優(yōu)化處理的語音特征與學(xué)習(xí)目標(biāo)構(gòu)建得到的語音增強算法能夠促進語音質(zhì)量的明顯提升。以自適應(yīng)軟掩模與混合特征訓(xùn)練神經(jīng)網(wǎng)絡(luò)處理獲得優(yōu)秀的信 噪比，達到更優(yōu)的算法性能。
- 關(guān)鍵字： 202308 語音增強 自適應(yīng)軟掩模 DNN 混合特征
適用于手語采集與輸入的智能手套及翻譯系統(tǒng)
- 設(shè)計并實現(xiàn)了一款以ESP32-C3-WROOM-02為核心，基于物聯(lián)網(wǎng)、UDP協(xié)議、姿態(tài)傳感器和彎曲傳感器的適用于手語采集與輸入的智能手套及翻譯系統(tǒng)。該系統(tǒng)通過在手套上綁定姿態(tài)傳感器MPU6050，配合彎曲傳感器動態(tài)監(jiān)測手的運動和姿態(tài)，通過ESP32芯片采集傳感器數(shù)據(jù)并做初步處理，經(jīng)單片機上的Wi-Fi模塊通過 UDP 協(xié)議傳輸給云端采用 SVM 算法識別靜態(tài)手勢，此外，本設(shè)計還搭建了基于Python的Web應(yīng)用程序框架Streamlit實現(xiàn)在網(wǎng)頁上實時呈現(xiàn)處理結(jié)果和全平臺兼容，方便用戶使用。
- 關(guān)鍵字： 202308 手勢識別 ESP32 彎曲傳感器 SVM 神經(jīng)網(wǎng)絡(luò)
基于ELM改進K-SVD算法的多特征融合物體成像識別
- 通過極限學(xué)習(xí)機ELM算法改進K-SVD字典學(xué)習(xí)算法，并成功應(yīng)用于多特征融合物體成像識別領(lǐng)域。研究結(jié)果表明：通過ELM算法，字典精確度和優(yōu)勢在處理后的提升效果均十分顯著。不論是從計算效率還是計算準(zhǔn)確率來看，改進的K-SVD算法表現(xiàn)出較佳優(yōu)勢。K-SVD算法性能可通過ELM顯著提升，算法識別準(zhǔn)確率在多特征加入后也相應(yīng)快速增長。將較低分辨率的樣本從圖像中篩選出來，有利于減少傅里葉疊層成像數(shù)量。
- 關(guān)鍵字： 202308 K-SVD算法 算法改進 圖像識別
無人機航拍建筑物視圖網(wǎng)絡(luò)融合目標(biāo)識別分析
- 為了提高無人機航拍目標(biāo)識別精度，提出一種基于視圖融合的目標(biāo)識別方法，該方法利用3個2DCNN分別提取無人機航拍3D體數(shù)據(jù)3個視圖的特征，本文方法有效性主要采取室內(nèi)實測數(shù)據(jù)進行驗證。研究結(jié)果表明：不論是從F-score還是從準(zhǔn)確度數(shù)據(jù)來看，視圖融合方法顯優(yōu)勢較為突出，保證分類結(jié)果更佳。相比于基于B-scan圖像的傳統(tǒng)方法，在分類性能方面?zhèn)纫晥D立方體與正視圖立方體占據(jù)更大優(yōu)勢。本文提出的目標(biāo)識別方法以視圖融合為理論基礎(chǔ)，實驗結(jié)果顯示無人機航拍目標(biāo)識別精度得到進一步提升。
- 關(guān)鍵字： 202308 ?無人機航拍 視圖融合 目標(biāo)識別 Alexnet方法 精度
基于卷積神經(jīng)網(wǎng)絡(luò)的人臉識別檢測分析
- 為了提高人臉識別檢測精度，應(yīng)用卷積神經(jīng)網(wǎng)絡(luò)進行分析。在建立AlexNet網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，將Dropout技術(shù)引進全連接層中，給出了具體的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)。研究結(jié)果表明：本文算法表現(xiàn)出較高的召回率，人臉簽到系統(tǒng)的基礎(chǔ)需求得到滿足。側(cè)臉及戴頭盔遮擋照片觀察對比得出，檢測人臉圖片的準(zhǔn)確度及清晰度均相對較高，表明對于部分遮擋人臉或側(cè)臉采用本文算法展示的魯棒性較佳。該研究有助于提高在遮擋情況下人臉識別能力，對圖像處理優(yōu)化起到一定的理論支撐。
- 關(guān)鍵字： 202308 人臉識別 卷積神經(jīng)網(wǎng)絡(luò) 網(wǎng)絡(luò)結(jié)構(gòu) 檢測精度
基于雙無跡卡爾曼濾波的自動駕駛狀態(tài)慣性監(jiān)測
- 自動駕駛的完成需要設(shè)計合適的線控轉(zhuǎn)向系統(tǒng)。為了能夠?qū)囕v動力慣性參數(shù)開展非線性評價，開發(fā)了一種分布結(jié)構(gòu)驅(qū)動力電動汽車雙無跡卡爾曼濾波(Dual unscented Kalman filter, DUKF)方法與狀態(tài)觀測系統(tǒng)聯(lián)合系統(tǒng)車輛慣性監(jiān)測方法。在分布結(jié)構(gòu)驅(qū)動電動汽車傳感器中，除了具備傳統(tǒng)傳感器慣性量參數(shù)如質(zhì)心橫擺角速度、縱向和側(cè)向加速度以外，還可以提供輪轂電機傳感器進行車輪角速度測試。研究結(jié)果表明：采用DUKF方法觀測數(shù)據(jù)比DEKF方法更加符合實際情況，促進觀測精度的顯著提升。
- 關(guān)鍵字： 202308 電動汽車 狀態(tài)觀測 慣性參數(shù) 雙無跡卡爾曼濾波
基于微能量采集技術(shù)的無源物聯(lián)網(wǎng)研究與應(yīng)用
- 基于微能量采集技術(shù)設(shè)計一款無源、無線智能開關(guān)。微能量(光能)采集使用E-PEAS的 AEM1094方案，藍牙使用凌思微的LE5010方案。實驗證明本文設(shè)計的無源、無線智能開關(guān)具備環(huán)境部署的便利性也擁有極高的可靠性和穩(wěn)定性。
- 關(guān)鍵字： 202308 無源物聯(lián)網(wǎng) 微能量采集技術(shù) AEM10941 LE5010
202308介紹
您好，目前還沒有人創(chuàng)建詞條202308!
歡迎您創(chuàng)建該詞條，闡述對202308的理解，并與今后在此搜索202308的朋友們分享。 創(chuàng)建詞條
歡迎您創(chuàng)建該詞條，闡述對202308的理解，并與今后在此搜索202308的朋友們分享。 創(chuàng)建詞條
關(guān)于我們 -
廣告服務(wù) -
企業(yè)會員服務(wù) -
網(wǎng)站地圖 -
聯(lián)系我們 -
征稿 -
友情鏈接 -
手機EEPW
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473
Copyright ?2000-2015 ELECTRONIC ENGINEERING & PRODUCT WORLD. All rights reserved.
《電子產(chǎn)品世界》雜志社 版權(quán)所有 北京東曉國際技術(shù)信息咨詢有限公司
京ICP備12027778號-2 北京市公安局備案：1101082052 京公網(wǎng)安備11010802012473