检索结果

Select

1. 基于时空兴趣点和概率潜动态条件随机场模型的在线行为识别方法

吴亮, 何毅, 梅雪, 刘欢

计算机应用 2018, 38 (6): 1760-1764. DOI: 10.11772/j.issn.1001-9081.2017112805

摘要（312）

PDF （783KB）（360）

针对在线行为连续序列的识别问题以及行为识别模型的稳定性问题，提出一种监控视频中基于概率潜动态条件随机场（PLDCRF）的在线行为识别方法。首先，应用时空兴趣点（STIP）对行为特征进行提取；再利用PLDCRF模型识别室内人体的活动状态。PLDCRF模型融合了隐含状态变量，能够构建姿态序列子结构，可以选取姿态之间的动态特征，并且直接标记出未分割序列；同时也可以正确地标记出行为间的转换过程，从而明显改善了行为识别的效果。隐含条件随机场（HCRF）、潜动态条件随机场（LDCRF）、潜动态条件神经场（LDCNF）以及PLDCRF模型对10种不同动作的识别率比较结果表明，所提PLDCRF模型对连续的行为序列的综合识别能力更强，并且有更好的稳定性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于时间序列数据挖掘的地铁车门亚健康状态识别方法

薛钰, 梅雪, 支有冉, 许志兴, 史翔

计算机应用 2018, 38 (3): 905-910. DOI: 10.11772/j.issn.1001-9081.2017081912

摘要（499）

PDF （974KB）（424）

针对地铁门在开关过程出现的一些亚健康状态难以识别情况，提出一种基于时间序列数据挖掘的地铁车门亚健康状态识别的方法。该方法首先通过多尺度滑动窗口的方法并结合拓展符号聚集近似（ESAX）字符化算法对车门电机的转角、转速和电流数据进行字符化；然后计算其与车门正常运行状态下模板曲线之间的距离作为特征量，并使用主成分分析（PCA）法进行降维；最后结合基础特征利用分层模式识别模型对各类亚健康状态由粗到细逐层进行识别。以实测车门电机数据为例验证了所提方法的有效性。实验结果表明，该方法能够有效区分各类亚健康状态，识别率可达到99%。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于小波变换的功能磁共振图像时间序列分步去噪

李微微, 梅雪, 周宇

计算机应用 2016, 36 (9): 2601-2604. DOI: 10.11772/j.issn.1001-9081.2016.09.2601

摘要（416）

PDF （734KB）（281）

功能磁共振图像（fMRI）数据中反映大脑神经活动的感兴趣信号常受到结构噪声和随机噪声的影响。为消除上述噪声对分析激活体素的影响，对经过SPM标准预处理的体素时间序列进行Activelets小波变换，并在得到尺度系数及细节系数后，针对两类噪声的不同特点进行分步去噪。第一步，在受结构噪声影响的尺度系数上，选用独立成分分（ICA）析去识别并消除结构噪声源；第二步，提出一种改进的空域相关去噪算法在细节系数上对信号进行处理。值得注意的是，该算法利用邻域体素之间的相似性，判定所处位置的细节系数反映噪声还是神经活动。实验结果表明，经过这两步处理的数据可有效消除噪声的影响，其中框架位移减少了1.5mm，尖峰百分比减少了2%，此外由去噪后的信号获得的脑激活图中一些明显的伪激活区得到抑制。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于时间序列数据挖掘的地铁车门亚健康状态识别

薛钰梅雪支有冉许志兴史翔

计算机应用
录用日期: 2017-09-04