针对智能手机测步问题,提出基于行人航位推测技术的测步(Pedestrian Dead Reckoning-based Step Detection,PDR-SD)算法。PDR-SD算法依据从智能手机获取加速的数据,实现测步。PDR-SD算法引用低复杂信号处理技术滤除噪声,再估计峰值和谷...针对智能手机测步问题,提出基于行人航位推测技术的测步(Pedestrian Dead Reckoning-based Step Detection,PDR-SD)算法。PDR-SD算法依据从智能手机获取加速的数据,实现测步。PDR-SD算法引用低复杂信号处理技术滤除噪声,再估计峰值和谷值,同时避免因无意手机移动而产生虚步,从而实现准确地测步。为了分析PDR-SD性能,依据Android平台建立实验。实验数据表明,提出的PDR-SD算法能够实时地检测步伐,并且检测率保持99%以上。展开更多
为提高频繁项集挖掘性能,提出了基于渐近取样的频繁项集挖掘近似算法(Frequent Itemsets Mining Approximate Algorithm based on Progressive Sampling,FIMAA-PS),该算法使用渐近取样方法实现数据集的样本提取,基于当前样本输出结果自...为提高频繁项集挖掘性能,提出了基于渐近取样的频繁项集挖掘近似算法(Frequent Itemsets Mining Approximate Algorithm based on Progressive Sampling,FIMAA-PS),该算法使用渐近取样方法实现数据集的样本提取,基于当前样本输出结果自动配置下一轮循环挖掘的样本大小,并使用Rademacher均值对输出结果的频率偏差上限进行理论估计从而得到终止条件,最后通过单次样本快速扫描判断算法终止条件,输出挖掘结果。实验结果表明,不同于传统挖掘精确算法和使用静态取样的挖掘近似算法,FIMAA-PS在输出结果精准度和运行时间方面具有显著优势。展开更多
文摘针对智能手机测步问题,提出基于行人航位推测技术的测步(Pedestrian Dead Reckoning-based Step Detection,PDR-SD)算法。PDR-SD算法依据从智能手机获取加速的数据,实现测步。PDR-SD算法引用低复杂信号处理技术滤除噪声,再估计峰值和谷值,同时避免因无意手机移动而产生虚步,从而实现准确地测步。为了分析PDR-SD性能,依据Android平台建立实验。实验数据表明,提出的PDR-SD算法能够实时地检测步伐,并且检测率保持99%以上。
文摘为提高频繁项集挖掘性能,提出了基于渐近取样的频繁项集挖掘近似算法(Frequent Itemsets Mining Approximate Algorithm based on Progressive Sampling,FIMAA-PS),该算法使用渐近取样方法实现数据集的样本提取,基于当前样本输出结果自动配置下一轮循环挖掘的样本大小,并使用Rademacher均值对输出结果的频率偏差上限进行理论估计从而得到终止条件,最后通过单次样本快速扫描判断算法终止条件,输出挖掘结果。实验结果表明,不同于传统挖掘精确算法和使用静态取样的挖掘近似算法,FIMAA-PS在输出结果精准度和运行时间方面具有显著优势。
