XiaoMi-AI文件搜索系统
World File Search System识别方法
使用 3-d 加速度计进行手势识别 - SMEC
摘要：基于手势的交互是一种自然的人机交互方式，在普适计算环境中有着广泛的应用。本文提出了一种基于加速度的手势识别方法，称为 FDSVM（基于帧的描述符和多类 SVM），该方法仅需要可穿戴的三维加速度计。使用 FDSVM，首先收集手势的加速度数据并用基于帧的描述符表示，以提取判别信息。然后构建基于 SVM 的多类手势分类器以在非线性手势特征空间中进行识别。在包含数周内 12 个手势的 3360 个手势样本的数据集上进行的大量实验结果表明，所提出的 FDSVM 方法明显优于其他四种方法：朴素贝叶斯、DTW、HMM 和 C4.5。在用户相关的情况下，FDSVM 对 4 个方向手势的识别率为 99.38%，对所有 12 个手势的识别率为 95.21%。在用户无关的情况下，它对 4 个手势的识别率为 98.93%，对 12 个手势的识别率为 89.29%。与文献中报道的其他基于加速度计的手势识别方法相比，FDSVM 在用户相关和用户无关的情况下均能给出最佳结果。
使用 3-d 加速度计进行手势识别 - SMEC
摘要：基于手势的交互是一种自然的人机交互方式，在普适计算环境中有着广泛的应用。本文提出了一种基于加速度的手势识别方法，称为 FDSVM（基于帧的描述符和多类 SVM），该方法仅需要可穿戴的三维加速度计。使用 FDSVM，首先收集手势的加速度数据并用基于帧的描述符表示，以提取判别信息。然后构建基于 SVM 的多类手势分类器以在非线性手势特征空间中进行识别。在包含数周内 12 个手势的 3360 个手势样本的数据集上进行的大量实验结果表明，所提出的 FDSVM 方法明显优于其他四种方法：朴素贝叶斯、DTW、HMM 和 C4.5。在用户相关的情况下，FDSVM 对 4 个方向手势的识别率为 99.38%，对所有 12 个手势的识别率为 95.21%。在用户无关的情况下，它对 4 个手势的识别率为 98.93%，对 12 个手势的识别率为 89.29%。与文献中报道的其他基于加速度计的手势识别方法相比，FDSVM 在用户相关和用户无关的情况下均能给出最佳结果。
使用 3-d 加速度计进行手势识别 - SMEC
摘要：基于手势的交互是一种自然的人机交互方式，在普适计算环境中有着广泛的应用。本文提出了一种基于加速度的手势识别方法，称为 FDSVM（基于帧的描述符和多类 SVM），该方法仅需要可穿戴的三维加速度计。使用 FDSVM，首先收集手势的加速度数据并用基于帧的描述符表示，以提取判别信息。然后构建基于 SVM 的多类手势分类器以在非线性手势特征空间中进行识别。在包含数周内 12 个手势的 3360 个手势样本的数据集上进行的大量实验结果表明，所提出的 FDSVM 方法明显优于其他四种方法：朴素贝叶斯、DTW、HMM 和 C4.5。在用户相关的情况下，FDSVM 对 4 个方向手势的识别率为 99.38%，对所有 12 个手势的识别率为 95.21%。在用户无关的情况下，它对 4 个手势的识别率为 98.93%，对 12 个手势的识别率为 89.29%。与文献中报道的其他基于加速度计的手势识别方法相比，FDSVM 在用户相关和用户无关的情况下均能给出最佳结果。
激光雷达点密度定义的简单方法...
摘要。航空激光扫描是一种现代而精确的遥感技术，用于扫描地球表面并获取其数字表面模型。数字表面模型可用于不同的经济任务。航空激光扫描的结果是 3D 点云，必须在使用前进行预处理。预处理任务包括三组：噪声过滤、对象识别和矢量地图或 3D 模型的生成。本报告与对象识别领域相关。航空激光扫描的主要参数是点密度，以每平方米的点数表示。因此，了解每平方米的最小点密度非常重要，必须满足该密度才能为利益相关者识别对象并传递 LiDAR 数据。现有的科学出版物仅描述了识别方法，但没有提供一些精确的方法来选择业务需求所需的点密度。因此，需要某种方法来定义这个最小点密度。本文档提供了计算建筑物识别最小点密度的简单方程。该方程是从数学模型的分析中表达出来的。该分析基于对物体位置模式和检测该物体的概率的探索。使用高密度 LiDAR 数据、点密度最小化算法和建筑物识别方法对理论模型进行了实验评估。
非接触式技术安全指南 - ANSSI
6 徽章构成第一个元素：我们拥有什么。 7 生物识别技术可以与身份识别方法进行比较，因为生物识别元素既不秘密也不可撤销。因此，它可以取代徽章作为识别手段，但在任何情况下都不能作为身份验证手段。然而，结合存储允许比较的生物识别元素的徽章来验证佩戴者的身份是有用的，徽章确保了比较的完整性。这种妥协仍然不如密码安全，密码可以保密，而且是不可否认的。
基于EEG的高性能抑郁状态识别 5-HT6受体配体的效果与... 结合 3D微/纳米水凝胶结构由二... 制造 基于氧化石墨烯的2D/3D复合材料，用于增强环氧涂层的抗腐蚀特性 文章通过高纤维曲线加密增强了车辆互联网中的隐私 算法翻译校正机制
抑郁症是一种对人有害的全球疾病。基于各种规模的传统识别方法不够客观和准确。脑电图（EEG）包含丰富的生理信息，这使其成为识别抑郁状态的新研究方向。但是，大多数基于EEG的算法仅提取原始的EEG特征，而忽略复杂的时空信息相互作用，这将降低性能。因此，迫切需要一种更准确和客观的抑郁识别方法。在这项工作中，我们提出了一种新型的抑郁识别模型：W-GCN-GRU。在我们提出的方法中，我们根据Spearman的等级相关系数审查了六个敏感特征，并通过AUC分配了不同的权重系数，以通过AUC进行敏感特征的加权融合。特别是，我们将基于加权敏感特征作为抑郁识别模型的GCN和GRU级联网络使用。对于GCN，我们创造性地基于相关系数矩阵将脑功能网络作为邻接矩阵输入和加权融合敏感的特征用作节点特征矩阵输入。我们所提出的模型在我们的自我收集的数据集和MODMA数据集上表现良好，精度为94.72％，表现优于其他方法。我们的发现表明，特征维度降低，加权融合和脑电图空间信息都对抑郁识别产生了很大影响。
基于贝叶斯的分类置信度估计用于增强SSVEP检测
摘要 - 大脑计算机界面（BCI）使人们能够直接与外围设备进行通信和操作。由于其快速通信速率和高信号噪声比，近年来，基于稳态的视觉诱发电位（SSVEP） - 基于BCI的系统已被广泛研究。许多当前的SSVEP识别方法通过发现最大的相关系数来确定目标类别。但是，当最大的系数与其余值没有显着差异时，分类性能通常会降低。这项研究提出了一种基于贝叶斯的分类置信估计方法，以增强基于SSVEP的BCI系统的目标识别性能。在我们的方法中，使用基本目标识别方法产生的最大值和其他值之间的差异用于在训练过程中定义特征向量。使用高斯混合模型（GMM）来估计正确与错误分类的特征向量的概率密度函数。随后，在测试程序中通过贝叶斯推断计算出准确和错误分类的后验概率。基于两个后验概率提出了分类置信值（CCVALUE），以估计分类信心。最后，决策规则可以确定是否应接受或拒绝当前的分类结果。对开放式基准数据集和自收集的数据集进行了广泛的评估研究。实验结果证明了提出的方法提高基于SSVEP的BCI系统的可靠性的有效性和可行性。
基于特征的自动化脑肿瘤检测...
伊拉克技术大学电气工程系 *禁止穆罕默德·阿卜杜勒·阿尔雷达电气工程系，伊拉克大学，伊拉克电子邮件：31630@student.uotechnology.edu.iq摘要脑肿瘤是一种常见的致命疾病，需要早期的，可靠的检测技术，并可能使当前的识别方法和图像依赖于范围，并依赖于当前的识别方法，并依赖于范人为错误。这需要时间手动识别脑肿瘤。这项工作旨在设计一个能够诊断和预测磁共振成像（MRI）脑肿瘤的严重程度以做出准确决定的智能模型。主要贡献是通过基于收集的真实数据库采用新的多类分类器方法来实现的，该数据库具有反映疾病精确情况的新提议的特征。在这项工作中，两个人工神经网络（ANN）方法，即，向后馈回传播神经网络（FFBPNN）和支持向量机（SVM），用于期望脑肿瘤的水平。结果表明，（FFBPN）网络的预测将比其他时间记录的其他方法更好，以实现具有分类精度的自动分类，而3级被认为是出色的精度。软件仿真和这项工作的结果已通过MATLAB（R2012B）实现。关键字：向前向后传播神经网络，支持向量机，离散小波变换，灰色级别共发生矩阵（GLCM）的纹理特征。
医疗保健 - GS1 US
《药品供应链安全法》是制药行业的首要任务。新的 FDA 唯一设备标识 (UDI) 法规在医疗器械领域处于领先地位，因为公司需要将不同的医疗识别方法转变为标准化的 UDI 系统。 GS1 是 FDA 认可的 UDI 发行机构，制造商可以使用 GS1 标准实施 UDI。在这两个方面，行业都在利用 GS1 标准和 GS1 Healthcare US ® 的支持来为这些新要求做好准备并协助遵守法规。