线性映射函数对无损颅内压估计的影响

提出了一种基于截断奇异值分解的线性映射函数颅内压无损估计方法。在基于时间序列的数据挖掘框架基础上,分别推导了基于总体最小二乘法的线性映射函数和基于截断奇异值分解法的线性映射函数,通过实验仿真比较证明:不同的线性映射函数对颅内压的预测确实有较为明显的影响,在所采用的方法中,基于截断奇异值分解法的线性映射函数效果明显优于基于总体最小二乘法的线性映射函数。因此,在该数据挖掘框架中,选择合适的线性映射函数对无损颅内压预测精确性的提高有着非常重要的意义。     

基于迁移学习和显著性检测的盲道识别

为了帮助对视觉障碍患者有效识别道路周围的场景,提出一种基于迁移学习和深度神经网络方法,实现实时盲道场景识别。首先提取盲道障碍物的瓶颈描述子和判别区域集成显著性特征描述子,并进行特征融合,然后训练新的盲道特征表示,用Softmax函数实现盲道场景识别。实验中,对成都不同区域盲道周围障碍物采样,分别采用基于Mobilenet模型不同参数训练和测试了提出的新模型,最后在实际应用场景,实现了盲道周边障碍物的实时分类和报警,实验证明提出的方法具有很高准确率和良好的运行性能。     

支持向量回归的颅内压时间系列无损估计方法

在对时间序列数据挖掘框架进行研究时发现:在利用线性映射函数刻画误差和特征间的关系时,不能获得对颅内压力信号的精确估计.为了提高对颅内压估计的精确性,本文采用支持向量回归构建存在于特征和误差间的非线性映射函数,实验结果表明:基于支持向量回归的非线性映射函数预测效果明显优于先前所采用的线性最小二乘法所构成的线性映射函数策略...     

一种改进的时间序列分段趋势预测法

提出了一种基于累积和的趋势分段检测方法。并把该方法运用于心脏停搏病人的MEMS时间序列中的趋势变化检测。在该改进方法中,通过引入一个自适应参数能够自适应地把较小的碎片段连接生成一个较大、平缓的分段。实验证明自适应时间序列分段趋势法能够用于小样本的预测,有效地改善了基于残差的累计和法不能对小样本进行很好预测的缺点。该方法运用于心脏停搏病人的MEMS时间序列中的趋势变化的检测,结果表明：该方法在对心脏停搏病人的发病时刻的预测方面可能具有潜在的应用价值。     

语言区间直觉模糊Frank算子

针对语言区间直觉模糊信息的集结问题,文中提出Frank集结算子,并构建解决供应商选择问题的群决策方法.首先引入拓展Frank t-模与s-模定义语言区间直觉模糊集的Frank运算法则,提出语言区间直觉模糊Frank加权平均(LIVIFFWA)算子与几何(LIVIFFWG)算子,证明算子的幂等性、封闭性、单调性等基本性质,剖析算子关于参数的退化性.然后,基于LIVIFFWA算子与LIVIFFWG算子构建语言区间直觉模糊多属性群决策方法,用于解决供应商决策问题.最后,通过共享单车回收供应商选择的案例分析验证文中决策方法的可行性和灵活性,讨论参数变化对决策结果的影响,并验证参数具有表征和反馈决策者态度的能力.     

微通信元构架基于虚电路的通信策略研究

在分析现存网络构架的技术弱点后,简述了微通信元构架的思想。针对微通信元构架的特点,分析了其基于虚电路结构的工作机制,提出了以虚电路为基础的三种通信策略,并给出了各自的应用场合。