期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
体质测试中青少年力量素质评价指标效度的比较
被引量：
10
1
作者
岳建军
高升
+1 位作者
龚俊丽
程宙明
《体育学刊》
CAS
CSSCI
北大核心
2017年第6期138-144,共7页
将4种青少年力量素质评价指标与标准测试相比较,筛选出效度高的评价指标,为我国青少年力量素质评价提供参考。选取85名非体育专业大学一年级学生,利用BIODEX等动测力仪、Telemyo2400DTS16通道表面肌电系统等仪器,测试了学生屈腿硬拉、...
将4种青少年力量素质评价指标与标准测试相比较,筛选出效度高的评价指标,为我国青少年力量素质评价提供参考。选取85名非体育专业大学一年级学生,利用BIODEX等动测力仪、Telemyo2400DTS16通道表面肌电系统等仪器,测试了学生屈腿硬拉、下肢蹬力、屈臂力量、髋关节伸肌力量、引体向上、握力等指标数据,进行回归分析。结果发现男生屈腿硬拉与实验室标准测试指标下肢蹬力相关系数达到0.913,与实验室标准测试指标髋关节伸肌力量相关系数为0.653,与实验室标准测试指标屈臂力量相关系数为0.724;女生屈腿硬拉与实验室标准测试指标下肢蹬力相关系数达到0.745,与实验室标准测试指标髋关节伸肌力量相关系数为0.463,与实验室标准测试指标屈臂力量相关系数为0.559。结果说明屈腿硬拉可以作为全身肌肉力量素质评价指标。
展开更多
关键词
运动生物力学
力量素质
屈腿硬拉
青少年
评价
指标
效
度
在线阅读
下载PDF
职称材料
基于t-SNE及SVM的低功率因数下电力负荷分类研究
2
作者
刘型志
程瑛颖
+2 位作者
要文波
田娟
曾妍
《电测与仪表》
2025年第11期137-144,共8页
当前的智能电网背景下,典型低功率因数负荷场景繁多,不同场景的特征差异化较小,电力负荷数据结构复杂,导致低功率电力负荷分类一直都是实际研究中的难题。需开发先进模型提高分类准确性和效率。文中将聚类分析和分类器识别结合起来,尝...
当前的智能电网背景下,典型低功率因数负荷场景繁多,不同场景的特征差异化较小,电力负荷数据结构复杂,导致低功率电力负荷分类一直都是实际研究中的难题。需开发先进模型提高分类准确性和效率。文中将聚类分析和分类器识别结合起来,尝试从基于t分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法和改进的K-means的电力负荷曲线聚类分析和基于支持向量机(support vector machine,SVM)分类器的负荷模式识别组合进行分析和实现;其中t-SNE算法不仅能反映原始数据的局部敏感性的同时,而且保留其全局结构特征,能有效应用于低功率因数的负荷数据;而改进的K-means采用肘准则确定聚类数K值,再使用基于数据集密度和相异性属性的方法选择初始中心点,能有效提高计算效率、准确性和聚类稳定性;其中SVM分类器则能充分利用聚类结果和特征,当分类器被训练好,就可以迅速对新的未知负载数据进行智能分类和识别,提高效率。文中并从SC、CHI、DBI这些效度指标,评估模型的聚类效果的有效性和稳定性,均得到不错结果,并且SVM分类器在测试集上分类正确率达到100%。
展开更多
关键词
低功率因数负荷
t-SNE算法
K-means聚类分析
SVM分类器
效度指标
在线阅读
下载PDF
职称材料
题名
体质测试中青少年力量素质评价指标效度的比较
被引量：
10
1
作者
岳建军
高升
龚俊丽
程宙明
机构
安徽师范大学体育学院
华东师范大学青少年健康评价与运动干预教育部重点实验室
出处
《体育学刊》
CAS
CSSCI
北大核心
2017年第6期138-144,共7页
基金
国家社科基金项目(16BTY074)
高校优秀青年支持计划重点项目(gxyq ZD2016020)
+1 种基金
教育部人文社会科学基金项目(13YJC890043)
安徽省重大教学改革研究项目(2014ZDJY025)
文摘
将4种青少年力量素质评价指标与标准测试相比较,筛选出效度高的评价指标,为我国青少年力量素质评价提供参考。选取85名非体育专业大学一年级学生,利用BIODEX等动测力仪、Telemyo2400DTS16通道表面肌电系统等仪器,测试了学生屈腿硬拉、下肢蹬力、屈臂力量、髋关节伸肌力量、引体向上、握力等指标数据,进行回归分析。结果发现男生屈腿硬拉与实验室标准测试指标下肢蹬力相关系数达到0.913,与实验室标准测试指标髋关节伸肌力量相关系数为0.653,与实验室标准测试指标屈臂力量相关系数为0.724;女生屈腿硬拉与实验室标准测试指标下肢蹬力相关系数达到0.745,与实验室标准测试指标髋关节伸肌力量相关系数为0.463,与实验室标准测试指标屈臂力量相关系数为0.559。结果说明屈腿硬拉可以作为全身肌肉力量素质评价指标。
关键词
运动生物力学
力量素质
屈腿硬拉
青少年
评价
指标
效
度
Keywords
sports biomechanics
strength quality
flexion leg hard pull
teenager
evaluation index validity
分类号
G804.6 [文化科学—运动人体科学]
在线阅读
下载PDF
职称材料
题名
基于t-SNE及SVM的低功率因数下电力负荷分类研究
2
作者
刘型志
程瑛颖
要文波
田娟
曾妍
机构
国网重庆市电力公司营销服务中心
出处
《电测与仪表》
2025年第11期137-144,共8页
基金
国家电网有限公司总部科技项目(5700-202327261A-1-1-ZN)。
文摘
当前的智能电网背景下,典型低功率因数负荷场景繁多,不同场景的特征差异化较小,电力负荷数据结构复杂,导致低功率电力负荷分类一直都是实际研究中的难题。需开发先进模型提高分类准确性和效率。文中将聚类分析和分类器识别结合起来,尝试从基于t分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法和改进的K-means的电力负荷曲线聚类分析和基于支持向量机(support vector machine,SVM)分类器的负荷模式识别组合进行分析和实现;其中t-SNE算法不仅能反映原始数据的局部敏感性的同时,而且保留其全局结构特征,能有效应用于低功率因数的负荷数据;而改进的K-means采用肘准则确定聚类数K值,再使用基于数据集密度和相异性属性的方法选择初始中心点,能有效提高计算效率、准确性和聚类稳定性;其中SVM分类器则能充分利用聚类结果和特征,当分类器被训练好,就可以迅速对新的未知负载数据进行智能分类和识别,提高效率。文中并从SC、CHI、DBI这些效度指标,评估模型的聚类效果的有效性和稳定性,均得到不错结果,并且SVM分类器在测试集上分类正确率达到100%。
关键词
低功率因数负荷
t-SNE算法
K-means聚类分析
SVM分类器
效度指标
Keywords
low power factor load
t-SNE algorithm
K-means clustering analysis
SVM classifier
validity indicator
分类号
TM933 [电气工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
体质测试中青少年力量素质评价指标效度的比较
岳建军
高升
龚俊丽
程宙明
《体育学刊》
CAS
CSSCI
北大核心
2017
10
在线阅读
下载PDF
职称材料
2
基于t-SNE及SVM的低功率因数下电力负荷分类研究
刘型志
程瑛颖
要文波
田娟
曾妍
《电测与仪表》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
