一种基于卷积神经网络和孤立森林的步态识别方法

    公开(公告)号:CN111291865A

    公开(公告)日:2020-06-16

    申请号:CN202010070608.7

    申请日:2020-01-21

    Abstract: 本发明涉及一种基于卷积神经网络和孤立森林的步态识别方法,包括步骤:步骤(1),数据采集:采用手机内置的加速度传感器以及陀螺仪传感器采集多位用户的行走数据;步骤(2),数据预处理:采用低通有限脉冲响应滤波器FIR对采集到的数据进行过滤,去除噪音信息;对采集到的数据进行插值,使得采集数据的采样点间隔均匀;步骤(3),方向无关转换:对采集到的传感器数据进行方向无关转换,减少手机的放置位置对于识别准确率的影响;步骤(4),步态周期划分:采用固定的滑动窗口算法对步态进行周期性划分,设定滑动窗口的长度为200,即每秒的采样数;步骤(5),使用CNN神经网络对采集到的步态数据进行特征提取。

    一种基于任务敏感的功耗控制方法

    公开(公告)号:CN105933702B

    公开(公告)日:2019-06-04

    申请号:CN201610245186.6

    申请日:2016-04-19

    Abstract: 本发明涉及一种基于任务敏感的功耗控制方法,以TMS320C6678处理器为平台,由两部分组成:1)通过抽象提取多模式视频编码参数,建立一种任务敏感的处理器资源分配模型,该模型描述了任务量与处理器利用率之间的关系,为系统功耗控制方法提供技术基础。2)根据任务敏感的处理器资源分配模型,设计一种自适应的功耗控制器,通过实时监控系统的任务模式,动态调整处理器频率、电压和处理器工作核数,达到节省系统功耗的目的。

    一种基于卷积神经网络和孤立森林的步态识别方法

    公开(公告)号:CN111291865B

    公开(公告)日:2021-12-10

    申请号:CN202010070608.7

    申请日:2020-01-21

    Abstract: 本发明涉及一种基于卷积神经网络和孤立森林的步态识别方法,包括步骤:步骤(1),数据采集:采用手机内置的加速度传感器以及陀螺仪传感器采集多位用户的行走数据;步骤(2),数据预处理:采用低通有限脉冲响应滤波器FIR对采集到的数据进行过滤,去除噪音信息;对采集到的数据进行插值,使得采集数据的采样点间隔均匀;步骤(3),方向无关转换:对采集到的传感器数据进行方向无关转换,减少手机的放置位置对于识别准确率的影响;步骤(4),步态周期划分:采用固定的滑动窗口算法对步态进行周期性划分,设定滑动窗口的长度为200,即每秒的采样数;步骤(5),使用CNN神经网络对采集到的步态数据进行特征提取。

    一种基于集成学习的用户基础属性预测方法

    公开(公告)号:CN111291798B

    公开(公告)日:2021-04-20

    申请号:CN202010070270.5

    申请日:2020-01-21

    Abstract: 本发明涉及一种基于集成学习的用户基础属性预测方法,该方法通过分析移动用户的App安装及使用数据,预测用户的年龄和性别。首先将多分类问题转化为多个二分类问题,利用LightGBM和FM融合模型作为二分类器进行二分类预测;然后把二分类的预测结果与原始特征合并,构建多分类模型。实验结果表明,本发明提出的融合方法能够提高用户属性预测的效果。

    一种物流运输无人机飞行路径规划方法

    公开(公告)号:CN111158402A

    公开(公告)日:2020-05-15

    申请号:CN202010046763.5

    申请日:2020-01-16

    Abstract: 本发明公开了一种物流运输无人机飞行路径规划方法,涉及无人机技术领域,包括以下步骤:步骤S1、根据航点与地图高度数据确定无人机第一飞行路径;步骤S2、根据航点分布信息确定无人机第二飞行路径;步骤S3、综合评估通过第一飞行路径或第二飞行路径得到的无人机飞行路径,得到最终的无人机飞行路径。该物流运输无人机飞行路径规划方法通过利用无人机直接将小件物品送到人们手中,将会大幅减少快递人员,节省大量人力,极大的将快递公司的运营成本进行降低,并且在提高运输效率的基础上,减少了道路交通拥堵的情况,避免人们出现不便的问题发生,利用无人机进行物流的运输,同时大大降低人力运输所产生的风险,将快递员的工作风险降到了最低。

    一种基于集成学习的用户基础属性预测方法

    公开(公告)号:CN111291798A

    公开(公告)日:2020-06-16

    申请号:CN202010070270.5

    申请日:2020-01-21

    Abstract: 本发明涉及一种基于集成学习的用户基础属性预测方法,该方法通过分析移动用户的App安装及使用数据,预测用户的年龄和性别。首先将多分类问题转化为多个二分类问题,利用LightGBM和FM融合模型作为二分类器进行二分类预测;然后把二分类的预测结果与原始特征合并,构建多分类模型。实验结果表明,本发明提出的融合方法能够提高用户属性预测的效果。

Patent Agency Ranking