视频监控中人体行为识别的研究

提出一种人体行为识别模型和前景提取方法.针对人体运动过程中产生新的行为问题,该模型用分层Dirichlet过程聚类人体特征数据来判断人体运动过程中是否有未知的人体行为模式:用无限隐Markov模型对含有未知行为模式的特征向量进行行为模式的有监督的学习,由管理者将其添加到规则与知识库中.当知识库的行为模式达到一定规模时,系统便可以无监督地对人体行为进行分析,其分析采用Markov模型中高效的Viterbi解码算法来完成.对于前景的提取,提出了基于背景边缘模型与背景模型相结合的前景检测方法,此方法能够有效避免光照、阴影等外部因素的影响.仿真实验证明,本文提出的方法在实时视频监控中的人体行为识别方面有独特的优势.     

基于曲线拟合的多传感器时间对准算法研究

由于二维Q分类数据融合解决不了时间不同步的问题,提出了一种基于最小二乘法曲线拟合的时间对准算法。介绍了该算法的2个基本原理:最小二乘法拟合原理和时间对准原理;仿真分析该算法对2个不同采样周期的传感器进行数据融合。仿真结果表明,该算法计算速度较快,融合效率较好。     

有上下文感知能力的智能教室系统设计与实现

目前,有许多教育专家采取很多措施来提高教学效率,而应用先进技术是一条切实可行的方法。通过利用多agent、语义Web、推理和用于安全和隐私的声明性规则等技术,参考早期的普遍深入的计算系统,开发了一个新的智能教室系统模型。该模型使用本体Web语言——OWL来实现知识共享和上下文推理,使用逻辑推理来检测和解决上下文知识的不一致问题,并向老师和学生提供一种策略语言来控制他们的私人信息。ICS将完全改变传统的教学方法并为未来的教学工作提供更多的便利。     

有上下文觉察能力的智能会议室系统模型的研究

通过利用多Agent、语义Web、上下文觉察和逻辑推理等技术，参考早期的普适计算系统，提出了一个新的智能会议室系统模型。该模型使用本体Web语言——OWL实现知识共享和上下文推理；使用逻辑推理检测和解决上下文知识的不一致问题，并向使用者提供一种策略语言来控制他们的私人信息。     

城市导游系统的设计与实现

拥有强大空间分析和可视化表达方式的GIS技术为旅游信息系统的建立提供了技术支撑.提出了城市导游系统的体系结构,概要介绍了GIS的核心技术及其发展状况.最后以"南京导游系统"的开发为例给出了系统的实现.     

约束驱动的语义Web服务相似性问题研究

目前,在Web服务处理过程中,服务需求者和服务提供者间还是以语法的形式去理解对方,Web服务发现的目的只是能够查找到满足需求者基本要求的服务,很难按照需求者的具体要求细致地描述服务,这样查找到的服务很难达到优化的目的。我们主张通过对Web服务添加丰富的语义描述,将需求者的要求按约束的形式形成服务模板,然后将服务模板与从服务注册库中的服务进行基于语义的相似性评价,从而形成候选服务集合,最后从该集中找到能全面满足需求者要求的最佳服务。这在很大程度上提高了Web服务处理的精准度和效能,同时将以往能否找到合适Web服务的问题提升为怎样选择最佳Web服务的问题。     

网络化软件异常行为传播研究

软件中的漏洞不可避免,研究由漏洞引发的网络化软件的异常行为传播机制,为人们把握异常行为传播规律并采取相应的牵制措施提供了依据。根据异常行为在不同粒度的软件实体中传播的情形,提出了影响异常行为传播的三类因素：传播概率、交互频率和连接率,并给出了相关定义及其计算方法;结合仓室模型和个体模型及上述三因素,构建了描述软件异常行为传播过程的模型,提高了模型的表达能力,增强了模型的完备性和准确率。将异常行为传播分析方法应用于典型的网络化软件系统,通过实验计算出各参数及其变化规律,验证了该传播机制的正确性和可行性。     

空巢老人智能监护系统中异常情况检测的研究

对空巢家庭的老人和设备的异常检测与即时预警是智能家居系统的重点和难点问题。利用多模态联合传感技术获取时空上下文信息,由各类感知组件进行处理而获取居住者的动作,用改进的多层隐马尔科夫模型对离散的动作进行抽象而获得人的高层行为——事件。居住者常态的表示模型被构建并作为行为正常与否的分类器来检测异常行为。为了表达上下文信息,采用语义分级、逐层抽象的方法设计了一套多媒体本体,用于智能家居系统中对媒体信息的语义化标注和推理。改进了针对室内多活动设备的多交叉事件的悲观情感模型,用以解决视频组件难以检测的活动设备状态变化的问题。实验证实该方案在异常检测和预警方面有很好的性能。     

用于轴承故障诊断的两步迁移学习法

由于轴承故障数据存在数据量少和分布不均衡的问题,将迁移学习引入故障诊断领域,同时由于轴承故障数据的分布与源数据集分布差异巨大,直接采用迁移学习的方法会产生负迁移效应,即由于源数据集与目标数据集间分布差异过大而导致无法学习到源数据集的知识,提出一种对迁移学习进行改进的诊断新方法:即两步迁移学习法,使用DCGAN来制作辅助...     

数据失衡下基于WGAN和GAPCNN的轴承故障诊断研究

针对轴承故障数据严重失衡导致所训练的模型诊断能力和泛化能力较差等问题,提出基于Wasserstein距离的生成对抗网络来平衡数据集的方法。该方法首先将少量故障样本进行对抗训练,待网络达到纳什均衡时,再将生成的故障样本添加到原始少量故障样本中起到平衡数据集的作用;提出基于全局平均池化卷积神经网络的诊断模型,将平衡后的数据集输入到诊断模型中进行训练,通过模型自适应地逐层提取特征,实现故障的精确分类诊断。实验结果表明,所提诊断方法优于其他算法和模型,同时拥有较强的泛化能力和鲁棒性。