基于传感器数据的人类活动识别研究 被引量：3

1

作者 王金甲 孔德明 +2 位作者 刘建波 王晓敏 洪文学 《高技术通讯》 CAS CSCD 北大核心 2016年第2期207-214,共8页

给出了活动识别的定义,阐述了活动识别对智能健康监护和老年人护理的重要意义,并给出了基于传感器的活动识别系统的构成,详细描述了系统的传感器数据采集、数据预处理及机器学习等技术的研究进展,介绍了人类活动识别实验取得的结果。最... 给出了活动识别的定义,阐述了活动识别对智能健康监护和老年人护理的重要意义,并给出了基于传感器的活动识别系统的构成,详细描述了系统的传感器数据采集、数据预处理及机器学习等技术的研究进展,介绍了人类活动识别实验取得的结果。最后指出,老年人活动识别、多人活动识别以及实时活动识别是未来活动识别的发展方向;活动识别研究已成为普适计算一个重要和富有挑战性的研究课题,构建用于处理复杂的现实情况和环境的可靠的活动识别系统仍然是一个挑战,需要多学科交叉研究。 展开更多

关键词 活动识别 智能健康监护 多传感器 数据融合 移动感知

在线阅读 下载PDF 职称材料

4Cr13、7Cr17Mo马氏体不锈钢组织和性能比较 被引量：8

2

作者 王金甲 杜晓东 高振 《合肥工业大学学报（自然科学版）》 CAS CSCD 北大核心 2012年第9期1172-1175,1242,共5页

文章采用金相显微镜、扫描电子显微镜(SEM)、洛氏硬度计及摩擦磨损试验机分析了4Cr13、7Cr17Mo马氏体不锈钢刀剪材料在980～1 110℃不同淬火温度下的组织、硬度和摩擦磨损性能。实验结果表明,4Cr13、7Cr17Mo的淬火组织均为马氏体、未溶... 文章采用金相显微镜、扫描电子显微镜(SEM)、洛氏硬度计及摩擦磨损试验机分析了4Cr13、7Cr17Mo马氏体不锈钢刀剪材料在980～1 110℃不同淬火温度下的组织、硬度和摩擦磨损性能。实验结果表明,4Cr13、7Cr17Mo的淬火组织均为马氏体、未溶碳化物和残留奥氏体,随着淬火温度升高,组织中碳化物含量均减少。相同淬火温度下,7Cr17Mo组织中未溶碳化物含量较多,硬度较高,具有更好的耐磨性。 展开更多

关键词 马氏体不锈钢 显微组织 摩擦磨损

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的帕金森步态识别 被引量：10

3

作者 王金甲 刘青玉 陈浩 《中国生物医学工程学报》 CAS CSCD 北大核心 2017年第4期418-425,共8页

步态冻结(FOG)是晚期帕金森病患者最常见的症状,FOG的突然发作会造成患者的行走障碍。为患者佩戴FOG检测可穿戴设备助手是一种有效可行的治疗途径,当检测到FOG发作时,可穿戴设备助手为患者提供一段有节奏的听觉信号刺激患者恢复行走。针... 步态冻结(FOG)是晚期帕金森病患者最常见的症状,FOG的突然发作会造成患者的行走障碍。为患者佩戴FOG检测可穿戴设备助手是一种有效可行的治疗途径,当检测到FOG发作时,可穿戴设备助手为患者提供一段有节奏的听觉信号刺激患者恢复行走。针对FOG检测,提出一种系统式的特征学习方法。该方法采用一个基于深度学习的卷积神经网络,对原始输入信号自动地进行特征学习。采用监督式学习方法利用标签信息,使学习到的特征更具识别能力。在整个网络模型中,特征学习和分类互相加强使整个网络更加稳定,更具智能化。通过DAPHNet数据集进行验证,结果表明,该方法可以自动地进行特征学习并识别出步态冻结。与以往的阈值法实验结果相比,平均正确率提高到91.43%,灵敏性提高到85.58%,特异性提高到了93.63%。该方法可以在一定程度上代替人工干预,在处理频繁出现FOG症状的帕金森患者的治疗中具有重要意义。 展开更多

关键词 帕金森疾病 步态冻结识别 深度学习 卷积神经网络

在线阅读 下载PDF 职称材料

大数据下的深度学习研究 被引量：18

4

作者 王金甲 陈浩 刘青玉 《高技术通讯》 北大核心 2017年第1期27-37,共11页

给出了大数据和机器学习的子领域——深度学习的概念,阐述了深度学习对获取大数据中的有价值信息的重要作用。描述了大数据下利用图像处理单元(GPU)进行并行运算的深度学习框架,对其中的大规模卷积神经网络(CNN)、大规模深度置信网络(D... 给出了大数据和机器学习的子领域——深度学习的概念,阐述了深度学习对获取大数据中的有价值信息的重要作用。描述了大数据下利用图像处理单元(GPU)进行并行运算的深度学习框架,对其中的大规模卷积神经网络(CNN)、大规模深度置信网络(DBN)和大规模递归神经网络(RNN)进行了重点论述。分析了大数据的容量、多样性、速率特征,介绍了大规模数据、多样性数据、高速率数据下的深度学习方法。展望了大数据背景下深度学习的发展前景,指出在不远的将来,大数据与深度学习融合的技术将会在计算机视觉、机器智能等多个领域获得突破性进展。 展开更多

关键词 大数据 深度学习 卷积神经网络(CNN) 深度置信网络(DBN) 递9-3神经网络(RNN)

在线阅读 下载PDF 职称材料

标签均值的自训练半监督支持向量机用于EEG分类 被引量：3

5

作者 王金甲 贾敏 《中国生物医学工程学报》 CAS CSCD 北大核心 2011年第5期666-672,共7页

研究半监督学习方法在EEG分类中的应用。结合标签均值和自训练思想提出两种新的半监督支持向量机方法。首先通过未标记样本的预测值估计标签均值,然后对未标记样本的标签进行优化。在此基础上提出了两种半监督支持向量机方法,一种是基... 研究半监督学习方法在EEG分类中的应用。结合标签均值和自训练思想提出两种新的半监督支持向量机方法。首先通过未标记样本的预测值估计标签均值,然后对未标记样本的标签进行优化。在此基础上提出了两种半监督支持向量机方法,一种是基于多核学习的标签均值自训练半监督支持向量机(Means4vm_mkl);一种是基于迭代优化的标签均值自训练半监督支持向量机(Means4vm_iter)。对BCI Competition Dataset中的3组数据进行仿真实验,讨论分类正确率和运算效率两个指标。结果表明,两种方法均有较高的分类正确率,尤其在BCIⅠ数据集中,Means4vm_mkl方法达到了竞赛第一名的水平96%;而且运算效率较高,最快的只需29.5 s,为在线BCI系统的设计奠定了基础。 展开更多

关键词 脑电图 半监督学习 支持向量机 标签均值 脑-机接口

在线阅读 下载PDF 职称材料

脑机接口的广义核线性判别分析方法研究 被引量：2

6

作者 王金甲 胡备 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第1期75-82,共8页

针对脑机接口中脑电信号处理,提出了一种基于核方法和广义奇异值分解(GSVD)的广义核线性判别分析(GKLDA)方法,对两类脑电信号进行特征提取。首先在非线性核函数映射的核空间对样本做线性判别分析,针对"小样本采样问题",采用G... 针对脑机接口中脑电信号处理,提出了一种基于核方法和广义奇异值分解(GSVD)的广义核线性判别分析(GKLDA)方法,对两类脑电信号进行特征提取。首先在非线性核函数映射的核空间对样本做线性判别分析,针对"小样本采样问题",采用GSVD求解一种非线性空域滤波器。算法验证中,采用BCI竞赛一数据集、竞赛二数据集Ⅳ和竞赛三数据集ⅢB中S4b等3组公开数据,以及一组自行采集的想象左右手运动的数据,同时分别与核共空间模式(KCSP)、核线性判别分析(KDA)、广义判别分析(GDA)进行对比。分类器采用Fisher线性判别分析分类器。所提出的方法针对3组公开数据,正确率分别为93%、77%、80%,自行数据正确率为97%,且优于其他几种核方法。实验结果表明,GKLDA方法是脑机接口中一种新的有效的特征提取方法。 展开更多

关键词 核线性判别分析 核函数 广义奇异值分解 脑机接口 特征提取

在线阅读 下载PDF 职称材料

基于CSSD-DE通道选择算法的ECoG分类研究 被引量：2

7

作者 王金甲 尹涛 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第5期712-719,共8页

在脑机接口(BCI)的研究中,通道在提取脑电信息的过程中起着十分关键的作用。本研究提出基于共空域子空间分解-微分进化算法(CSSD-DE)的脑机接口通道选择方法,并且使用逻辑线性分类器进行分类。在对皮层脑电信号(ECoG)进行通道选择的过... 在脑机接口(BCI)的研究中,通道在提取脑电信息的过程中起着十分关键的作用。本研究提出基于共空域子空间分解-微分进化算法(CSSD-DE)的脑机接口通道选择方法,并且使用逻辑线性分类器进行分类。在对皮层脑电信号(ECoG)进行通道选择的过程中取得了使用少数通道就可以达到令人满意的分类效果。当最优通道个数为6,识别正确率达到93%,优于2005年脑机接口竞赛III数据集I的第一名的正确率(91%)。并提出将最大相关最小冗余度(mRMR)和支持向量机回归特征消去(SVM-RFE)算法应用于通道选择进行对比,mRMR算法得出最优通道个数为7,识别正确率为87%,SVM-RFE算法得出的最优通道个数为6,识别正确率为81%。 展开更多

关键词 脑机接口 通道选择 共空域子空间分解 微分进化算法

在线阅读 下载PDF 职称材料

基于注意力模型的多传感器人类活动识别 被引量：10

8

作者 王金甲 周雅倩 郝智 《计量学报》 CSCD 北大核心 2019年第6期958-969,共12页

深度循环神经网络适用于处理时间序列数据,然而循环神经网络特征提取能力差,时间依赖关系挖掘不足。针对此问题,提出了3种注意力机制和长短时记忆(LSTM)神经网络结合的模型用于人类活动识别问题,并研究了3种注意力机制在不同数据集上单... 深度循环神经网络适用于处理时间序列数据,然而循环神经网络特征提取能力差,时间依赖关系挖掘不足。针对此问题,提出了3种注意力机制和长短时记忆(LSTM)神经网络结合的模型用于人类活动识别问题,并研究了3种注意力机制在不同数据集上单独及配合使用时对模型精度的影响。对于UCI_HAR数据集,3种注意力LSTM模型准确率分别为94.13%、95.15%和94.81%,高于LSTM模型识别准确率93.2%。此外,针对人类活动识别的传感器时间序列数据的标签特点,提出将时间段分类任务转化为分割任务,设计了2个基于分割任务的注意力门控循环单元(GRU)神经网络模型,Bahdanau注意力GRU模型在Skoda数据集和机会(Oppor)数据集准确率为84.61%和89.54%,高于基准UNet模型的70.40%和88.51%。 展开更多

关键词 计量学 人类活动识别 长短时记忆神经网络 注意力机制 时间段分类 分割任务

在线阅读 下载PDF 职称材料

核共空域子空间分解特征提取算法研究 被引量：1

9

作者 王金甲 张玲智 《中国生物医学工程学报》 CAS CSCD 北大核心 2012年第3期428-433,共6页

脑-机接口中特征提取算法是脑电信号处理的关键步骤。提出一种基于核方法的核共空域子空间分解特征提取算法,将用于多通道两类别分类的共空域子空间分解算法推广到核空间。应用新算法对BCI竞赛Ⅱ的数据集Ⅳ进行实验仿真。实验中核函数... 脑-机接口中特征提取算法是脑电信号处理的关键步骤。提出一种基于核方法的核共空域子空间分解特征提取算法,将用于多通道两类别分类的共空域子空间分解算法推广到核空间。应用新算法对BCI竞赛Ⅱ的数据集Ⅳ进行实验仿真。实验中核函数使用的是线性核函数,求解空域滤波器时,为了减小计算的压力,在原空间对每一个试验的训练数据进行层次聚类,训练的分类器为最近邻分类器,实验的测试集结果为84%,与数据集Ⅳ的竞赛胜利者的分类结果相同。 展开更多

关键词 脑机接口 特征提取 共空域子空间分解 核方法 层次聚类

在线阅读 下载PDF 职称材料

半监督极限学习机用于Android手机活动识别的研究 被引量：2

10

作者 王金甲 田佩佩 《高技术通讯》 北大核心 2017年第3期228-236,共9页

基于对现有Android手机活动识别技术的分析,针对从不完全、不充分的移动传感器数据中推断人体活动的难题,将能根据无标签样本提高识别预测准确性和速度的半监督(SS)学习和体现模式分类回归的有效学习机制的极限学习机(ELM)相结合给出了... 基于对现有Android手机活动识别技术的分析,针对从不完全、不充分的移动传感器数据中推断人体活动的难题,将能根据无标签样本提高识别预测准确性和速度的半监督(SS)学习和体现模式分类回归的有效学习机制的极限学习机(ELM)相结合给出了解决Android手机平台的人体活动识别问题的半监督极限学习机(SS-ELM)方法,并进一步提出了主成分分析(PCA)和半监督极限学习机(SS-ELM)结合的PCA+SS-ELM新方法。实验结果表明,该方法对人体活动的识别正确率能达到95%,优于最近提出的混合专家半监督模型的正确率,从而验证了该新方法是可行性。 展开更多

关键词 活动识别 半监督极限学习机(SS-ELM) 传感器 加速度计 ANDROID手机

在线阅读 下载PDF 职称材料

基于特征融合进行活动识别的DCNN方法 被引量：2

11

作者 王金甲 杨中玉 《高技术通讯》 CAS CSCD 北大核心 2016年第4期374-380,共7页

研究了输入是可穿戴传感器获得的多通道时间序列信号,输出是预定义的活动的活动识别模型,指出活动中的有效特征的提取目前多依赖于手工和浅层特征学习结构,不仅复杂而且会导致识别准确率下降;基于深度学习的卷积神经网络(CNN)不是对时... 研究了输入是可穿戴传感器获得的多通道时间序列信号,输出是预定义的活动的活动识别模型,指出活动中的有效特征的提取目前多依赖于手工和浅层特征学习结构,不仅复杂而且会导致识别准确率下降;基于深度学习的卷积神经网络(CNN)不是对时间序列信号进行手工特征提取,而是自动学习最优特征;目前使用卷积神经网络处理有限标签数据仍存在过拟合问题。因此提出了一种基于融合特征的系统性的特征学习方法用于活动识别,用Image Net16对原始数据集进行预训练,将得到的数据与原始数据进行融合,并将融合数据和对应的标签送入有监督的深度卷积神经网络(DCNN)中,训练新的系统。在该系统中,特征学习和分类是相互加强的,它不仅能处理端到端的有限数据问题,也能使学习到的特征有更强的辨别力。与其他方法相比,该方法整体精度从87.0%提高到87.4%。 展开更多

关键词 融合特征 多通道时间序列 深度卷积神经网络(DCNN) 活动识别

在线阅读 下载PDF 职称材料

组LASSO罚多变量自回归模型脑电特征分工类 被引量：1

12

作者 王金甲 党雪 +2 位作者 杨倩 王凤嫔 孙梦然 《高技术通讯》 EI CAS 北大核心 2019年第11期1073-1081,共9页

自回归(AR)模型和多变量自回归(MVAR)模型是脑机接口(BCI)系统脑电信号(EEG)常用的特征提取方法。AR模型没有考虑多通道间的相互关系,MVAR模型虽然考虑了多通道间相互关系,但是会出现模型过参数化问题。为解决MVAR模型过参数问题,本文... 自回归(AR)模型和多变量自回归(MVAR)模型是脑机接口(BCI)系统脑电信号(EEG)常用的特征提取方法。AR模型没有考虑多通道间的相互关系,MVAR模型虽然考虑了多通道间相互关系,但是会出现模型过参数化问题。为解决MVAR模型过参数问题,本文提出采用组LASSO罚MVAR模型对脑电信号进行特征提取,采用梯度下降和块坐标下降相结合的方法估计模型参数,然后采用线性支持向量机(SVM)对提取的特征进行分类。实验结果表明,组LASSO罚MVAR模型的分类正确率达93%,高于MVAR模型、LASSO-MVAR模型和6阶AR模型的识别正确率。 展开更多

关键词 脑机接口(BCI) 脑电信号(EEG) 特征提取 多变量自回归(MVAR)模型 正则化 组LASSO

在线阅读 下载PDF 职称材料

稀疏组lasso罚向量自回归模型的大气污染物预测:京津冀案例研究 被引量：2

13

作者 王金甲 孙梦然 郝智 《高技术通讯》 北大核心 2017年第6期567-576,共10页

进行了大气污染物预测研究。针对传统的向量自回归模型方法所面临的过参数化问题,提出了稀疏组lasso罚向量自回归模型并应用近邻梯度下降法求解模型参数。为了验证模型的有效性,将其应用于2015年京津冀大气污染物数据中并对2016年1月1... 进行了大气污染物预测研究。针对传统的向量自回归模型方法所面临的过参数化问题,提出了稀疏组lasso罚向量自回归模型并应用近邻梯度下降法求解模型参数。为了验证模型的有效性,将其应用于2015年京津冀大气污染物数据中并对2016年1月1日北京6项大气污染物浓度进行预测。实验数据表明:基于稀疏组lasso罚模型的PM2.5预测归一化均方误差约为3.8%,预测精度高于向量自回归(VAR)模型、基于各种稀疏结构的向量自回归(VAR-L)模型、分层向量自回归(HVAR)模型。此外,京津冀不同城市对北京的空气质量影响程度不同,这可以通过组内稀疏模型参数进行解释。将凸优化概念与向量自回归模型结合应用于大气污染物浓度的预测中,对京津冀大气污染协同治理具有重要意义。 展开更多

关键词 向量自回归(VAR)模型 稀疏组lasso 近邻梯度下降法 凸优化 大气污染

在线阅读 下载PDF 职称材料

基于子空间字典偶学习的高光谱图像分类

14

作者 王金甲 姜雪 杨中玉 《高技术通讯》 CAS CSCD 北大核心 2016年第5期483-490,共8页

针对高光谱高分辨率带来巨大数据量和空间分辨率引起混合像元的问题,提出了基于子空间(subspace)的字典偶学习(DPL)算法,简称DPLsub算法。DPL算法是对字典学习的改进,它通过学习得到综合字典和分析字典,在模式识别中体现了高效性,而子... 针对高光谱高分辨率带来巨大数据量和空间分辨率引起混合像元的问题,提出了基于子空间(subspace)的字典偶学习(DPL)算法,简称DPLsub算法。DPL算法是对字典学习的改进,它通过学习得到综合字典和分析字典,在模式识别中体现了高效性,而子空间投影的方法能更好地表征噪声和高度混合的像元。将光谱和空间特征融合的方法用于分类研究试验。实验数据是两幅高光谱影像,比较了子空间字典偶学习(DPLsub)模型和其他三种分类器即最小二乘支持向量机(LS-SVM)、稀疏多分类回归(SMLR)和字典学习(DL-OMP)的分类结果。实验结果显示,DPLsub算法无论在时间上还是精度上都优于其他算法,证明了这种子空间字典偶学习方法对高光谱图像分类的可行性与高效性。 展开更多

关键词 高光谱图像分类 子空间投影 混合像元 字典偶学习(DPL) 多特征融合

在线阅读 下载PDF 职称材料

用于Android手机活动识别的深度重构模型

15

作者 王金甲 田佩佩 《高技术通讯》 北大核心 2017年第7期604-611,共8页

基于数据的流形假设,进行了Android手机的活动识别研究,提出了一种深度重构模型(DRMs),该模型无需基础几何的先验假设就能自动学习到当前类样本的复杂非线性曲面结构和几何特点。首先定义了一个深度重构模型(DRM)模板,通过高斯受限玻尔... 基于数据的流形假设,进行了Android手机的活动识别研究,提出了一种深度重构模型(DRMs),该模型无需基础几何的先验假设就能自动学习到当前类样本的复杂非线性曲面结构和几何特点。首先定义了一个深度重构模型(DRM)模板,通过高斯受限玻尔兹曼机(GRBMs)逐层贪婪训练以初始化DRM模板的权重。在训练阶段,根据每类样本分别微调初始化后的DRM模板便可得到特定类的DRM。在测试阶段,基于测试样本与特定类DRM的最小重构误差决策活动类别。实验证明,该方法对Android手机数据集的活动识别正确率高达99%。 展开更多

关键词 活动识别 深度重构模型 自动编码器 ANDROID手机 高斯受限玻尔兹曼机(GRBMs)

在线阅读 下载PDF 职称材料

改进的多尺度熵算法及其情感脑电特征提取性能分析 被引量：2

16

作者 李昕 谢佳利 +1 位作者 侯永捷 王金甲 《高技术通讯》 CAS CSCD 北大核心 2015年第10期865-870,共6页

进行了用多尺度熵提取情感脑电特征的研究,针对传统的基于多尺度熵的特征提取算法在粗粒化过程中存在重要信息丢失以及尺度选择过小造成特征不显著、尺度过大造成计算过度复杂的问题,提出了一种改进的多尺度熵算法。该改进算法通过自适... 进行了用多尺度熵提取情感脑电特征的研究,针对传统的基于多尺度熵的特征提取算法在粗粒化过程中存在重要信息丢失以及尺度选择过小造成特征不显著、尺度过大造成计算过度复杂的问题,提出了一种改进的多尺度熵算法。该改进算法通过自适应多尺度熵中本征模态函数的个数确定尺度,而且为突出脑电信号的微小变化,对脑电信号进行自适应二值化处理,充分挖掘特征并降低算法复杂性。利用Deap国际标准情感分析数据库并基于优化支持向量机分类器实现了情感脑电特征识别,进行了改进算法与传统多尺度熵算法的性能比较。结果表明,改进算法的分类准确率较传统多尺度熵算法提高了12.33%,较自适应多尺度熵算法提高了7.27%,表明改进算法是一种有效的脑电特征提取算法。 展开更多

关键词 情感脑电 多尺度熵 自适应多尺度熵 改进的多尺度熵

在线阅读 下载PDF 职称材料

弱分层交互Lasso罚logistic回归模型和改进坐标下降算法 被引量：1

17

作者 李静 于辉 王金甲 《高技术通讯》 EI CAS 北大核心 2020年第4期348-357,共10页

基于变量交互和分层思想,提出了一种弱分层交互Lasso罚logistic回归模型。首先给出了交互模型定义和弱分层约束条件,然后给出了凸松弛条件和基于坐标下降法的系数求解算法。在4个UCI机器学习数据集和1个日常生活活动识别数据集上进行实... 基于变量交互和分层思想,提出了一种弱分层交互Lasso罚logistic回归模型。首先给出了交互模型定义和弱分层约束条件,然后给出了凸松弛条件和基于坐标下降法的系数求解算法。在4个UCI机器学习数据集和1个日常生活活动识别数据集上进行实验,实验结果证明了变量交互对分类也有贡献,分层对分类也有贡献。分层交互Lasso兼具Lasso和交互Lasso的优点。 展开更多

关键词 变量交互 分层 Lasso LOGISTIC回归 坐标下降算法

在线阅读 下载PDF 职称材料