基于心电信号的身份识别研究综述

基于心电信号的身份识别技术是一种较为新颖的生物识别技术,本文首先分析了心电信号的特性和作为身份识别的可行性,然后介绍了当前国内外研究人员对ECG信号用于身份识别的处理方法,接着介绍了其实现的过程,以及心电身份识别研究中存在的问题,最后提出心电身份识别的应用前景。     

基于Wi-Fi信道状态信息的行走识别与行走参数估计

行走是日常生活中最常见的行为之一,它的特征可以反映人的身份、健康等重要信息.例如,行走的速度、方向、步数、步长等细粒度的参数可以为室内追踪、步态分析、老人看护等情境感知应用提供关键信息.因此,在近几年中,利用环境中已有的Wi-Fi信号对行走进行感知受到了研究人员的广泛关注.为了利用Wi-Fi信号感知行走,当前的方法都需...     

改进KNN算法对人体身份的识别

为了理解特征学习过程、减少数据存储和提高识别率,提出使用Kinect v2的面部数据和骨骼数据作为数据集和一种改进KNN算法对人体身份的识别。使用Kinect v2提取出人体脸部特征点和骨骼关节点的三维位置信息,通过提取出的特征点的坐标计算出理解性强的特征信息如眼宽、臂长等。利用一种改进的截断均值聚类方法,通过排序把奇异值分布到数据集两端,截取数据集中间特征以抑制奇异值,利用基于匹配识别准确度的改进KNN算法对人体身份进行预测。实验结果表明提出的聚类方法匹配识别准确度更高,改进的分类方法也提高了识别的准确率。     

去身份识别技术综述

首先对去身份识别技术的应用背景和影响因素进行了概括;然后对以影响因素为基础的去身份识别研究成果进行了全面论述,并对去身份识别算法的健壮性要求进行了讨论;最后归纳了当前研究存在的问题与挑战.     

Wi-Fi技术在人体行为感知中的应用探讨

人体行为感知主要用于监测人的行为动作、生命体征、物理位置等信息,是构建以智慧健康、智能家居、虚拟现实为代表的智能物联网应用的重要媒介。文章主要对Wi-Fi感知技术及其在人体行为感知领域中的应用进行探讨与分析,旨在为构建具有非侵入、低成本、易部署的智能感知系统提供一种新思路、新方法。     

基于步态特征的身份识别算法研究

步态识别根据人走路的姿势进行身份识别,由于人在行走时在空间呈现出的不同几何模式,单一几何特征难以全面描述步态特征,导致身份识别正确率不高。为提高身份识别的正确率,提出一种空间和频率特征模式相融合的身份识别算法。首先利用摄像机采集步态图像序列,然后分别采用极坐系和傅里叶变换提取步态空间特征和频率特征,并对两种特征进行融合,最后采用支持向量机对融合特征进行学习和分类,进行身份识别。结果表明,相对于单一步态特征为参数的身份识别算法,融合算法的身份识别正确率有了明显提高,且具有更好的稳定性。     

基于HMM和WNN的心音信号身份识别研究*

将隐马尔可夫模型（HMM）与小波神经网络（WNN）相结合,提出了一种基于心音信号的身份识别方法。该方法首先利用HMM对心音信号进行时序建模,并计算出待识别心音信号的输出概率评分;再将此识别概率评分作为小波神经网络的输入,通过小波神经网络将HMM的识别概率值进行非线性映射,获取分类识别信息;最后根据混合模型的识别算法得出识别结果。实验采集80名志愿者的160段心音信号对所提出的方法进行验证,并与GMM模型的识别结果进行了对比,结果表明,所选方法能够有效提高系统的识别性能,达到了比较理想的识别效果。     

基于手写体的身份识别

以前许多文章曾介绍过一些基于手写体的书写人身份识别技术，其中多数都假设所写的文本是固定的。本文中，我们试图通过一种自动的不依赖文本的书写人识别听新颖算法，来消除这种假设，假定不同的人手写体存在明显的区别，我们采用一种综合方法，它基于纹理分析，每个人的手写体都被看成一种不同的纹理。原则上，我们可以采用任意一种标准的纹理识别算法（例如：多通道伽柏滤波器方法）。在对40名书写人的1000份测试文档的分类中，测试结果非常令人满意，识别率最高达到了96%。     

基于生物特征的身份识别技术

就目前的技术发展情况来看，指纹识别与虹膜识别将成为未来身份认证的主流技术，传统的密码认证将被逐渐淘汰。[编者按]     

基于Wi—Fi的医学信号采集系统研究

介绍了基于Wi—Fi的超低功率芯片GS1011在生物信号采集与传输系统中的应用。GS1011通过外部接口与TI公司高精度、低功耗、低噪声的16通道（多路复用的）24位模／数转换器ADS1258相结合,实现了一个体积小、接入方便、功耗低的生物信号采集与传输系统,并通过仿真实验验证。     

一种基于Wi-Fi信号指纹的楼宇内定位算法

由于GPS无法在楼宇内使用,而目前的楼宇内定位技术一般都需要预先部署额外的设施,因此楼宇内无基础设施定位成为了一个热点研究问题.提出了一种利用Wi-Fi接入点的MAC地址和RSSI(received signal strength indication)值,通过机器分类的方式实现楼宇内房间级定位的算法R-kNN(relativity k-nearest neighbor).R-kNN是一种属性加权k近邻算法,它通过将AP之间的相关性反应在权值的分配上,有效地降低了维度冗余对分类准确率的负面影响.R-kNN没有对房间和AP的物理位置做出任何假设,只需要使用环境中现存的AP就可以取得较好的定位效果,无需部署任何额外设施或修改现有设施.实验结果表明,在AP数量较多的楼宇环境中,R-kNN能够取得比k近邻算法和朴素贝叶斯分类器更好的定位效果.     

基于HHT的人员脚步信号识别算法

针对地面环境监控中的人员脚步信号识别问题,提出一种基于希尔伯特-黄变换的识别算法。利用经验模态分解方法将探测得到的震动信号分解成若干个固有模态函数分量,找出各分量在频谱上的奇异点,通过对这些奇异点的希尔伯特谱进行判定,实现对人员脚步信号的识别。实验结果证明,该算法具有较高的正确识别率。     

盲信号分离技术研究与算法综述

盲信号分离技术是从接收信号中恢复未知源信号的有效方法,已经成为神经网络和信号处理等领域新的研究热点。首先介绍盲信号分离的发展状况,然后在介绍了盲信号分离的线性瞬时模型、线性卷积模型和非线性模型的基础上,对相应模型求解算法的基本原理、特点进行了阐述,接着还对与盲信号分离紧密相关的盲信号抽取技术进行了综述,最后指出盲信号分离技术的研究方向和广阔的应用前景。     

基于排序学习的推荐算法研究综述

排序学习技术尝试用机器学习的方法解决排序问题,已被深入研究并广泛应用于不同的领域,如信息检索、文本挖掘、个性化推荐、生物医学等.将排序学习融入推荐算法中,研究如何整合大量用户和物品的特征,构建更加贴合用户偏好需求的用户模型,以提高推荐算法的性能和用户满意度,成为基于排序学习推荐算法的主要任务.对近些年基于排序学习的推荐算法研究进展进行综述,并对其问题定义、关键技术、效用评价、应用进展等进行概括、比较和分析.最后,对基于排序学习的推荐算法的未来发展趋势进行探讨和展望.     

基于视觉的人体行为识别算法研究综述*

人体行为识别应用广泛,是人工智能领域研究的热点问题,针对人体行为识别算法进行归纳总结,具有很重要的参考价值。以行为识别为核心,同时包含数据集、动作分割等内容。引言部分主要讲述人体行为识别的基础流程,数据集部分归纳了人体行为识别常用的数据集,动作分割方法总结了时域分割的发展现状和常用的方法,传统方法讲解了人体行为识别比较经典的方法,深度学习方法归纳了人体行为识别最新最热的深度学习方法。引入了动作分割,再结合行为识别,能够实现连续的人体行为识别,使得行为识别适用于实际场景,而不再是对经过人工剪辑好的单个视频进行识别,这在实际应用中意义重大。     

基于孪生网络的跟踪算法综述

目标跟踪算法共分为两大类,一类是基于相关滤波的跟踪算法,另一类是基于深度学习的跟踪算法。基于相关滤波的跟踪算法的特点是跟踪速度快,跟踪的精度较低。基于深度学习的跟踪算法的特点是精度较高,但跟踪速度较低。随着研究的深入,深度学习中基于孪生网络的跟踪算法很好地平衡了跟踪速度和精度,既保持了基于深度学习的跟踪算法的优点,又大幅度提高了跟踪速度。首先介绍了基于孪生网络的跟踪算法的工作原理,然后根据基于孪生网络的跟踪算法的发展顺序,分别阐述了不同孪生网路跟踪算法的方法,最后对基于孪生网络的跟踪算法做了总结与展望。     

基于数据挖掘的聚类算法研究

随着数据信息的积累,如何从这些海量信息中有效地提取所需要的知识成为当前数据挖掘的重要内容。聚类作为数据挖掘的重要工具,通过将数据划分成多个类,使得类内数据尽可能相似,而类间数据的相似度尽可能小,已成为研究热点。本文总结在数据挖掘中的聚类算法,针对聚类中所存在的问题进行归纳,并对未来的研究进行了展望。     

基于FPGA的模拟信号识别系统

通信信号的识别一直是人们重点研究的热点课题之一,首先研究了模拟信号的识别算法,详细研究了信号预处理、特征参量的提取以及判决树的选择问题.最后,提出了一种基于FPGA的设计方案,用CORDIC近似算法解决了反正切的运算问题,算法很好的兼顾了精度、速度和硬件复杂度的问题,并且用DSP Builder完成各个算法模块的设计,提高了设计效率,达到了设计要求.     

Survey of GPU Based Sorting Algorithms

Parallel sorting algorithms are widely studied nowadays. After the introduction of parallel processors such as graphics processing unit (GPU) and easy to use parallel programming languages such as CUDA and OpenCL, literature on parallel sorting algorithms has become vast and richer with new ideas and techniques applied to solve the famous problem of sorting. This paper presents a survey of GPU based sorting algorithms. Four sorting algorithms have been selected for this survey: Radix sort, Merge sort, Sample sort and Quick sort. Methods used in those algorithms are described in brief. The performance of these algorithms as claimed by their authors is also presented. A comparative analysis based on the literature is depicted.