XiaoMi-AI文件搜索系统
World File Search SystemSmec
机械工程学院 (SMEC)
•为未来内燃机开发新技术。•将废物转化为可生物降解生物质的能量。•热力学系统的火用和能源效率。•生物压缩天然气生产的新技术和低成本产品。•通过可再生能源生产清洁水。•电动汽车电池的新材料。
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。在包含数周的 12 种手势的 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。
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。
Muswellbrook泵送水力储存上层储层岩土研究
本报告是机密的，仅用于解决所有相关规划政策和控制以及适用于Muswellbrook泵送水力储能上层水库地理技术调查的环境问题的目的。根据SMEC Australia Pty Limited（“ SMEC”）和AGL Energy Pty Ltd（“ AGL”）之间的咨询协议提供了本报告，根据该协议，SMEC对此进行了针对AGL的特定和有限的任务。该报告严格限于其中所述的事项，并受到其中的各种假设，资格和限制的约束，并且不适用于其他事项。SMEC不表示本报告中规定的范围，假设，资格和排除条件适合其他目的，也足以满足该报告的内容涵盖您可能将其视为目的的所有事项。
投资者展示 - ppt-fy23.pdf
在Smec，Pacific Hydro和Mitsui＆Co。之间，并在EcoSercurities-JP Morgan担任一系列领导职务电气和电子工程学学士学位和帝国学院的MBA
Mogobe电池储能系统（BESS）网格走廊，北开普
本报告是机密的，仅用于向Mogobe EGI（PTY）Ltd.提供岩土台式研究报告报告Mogobe电池储能系统（BESS）网格走廊的岩土台式研究报告。该报告是根据咨询协议提供的，根据该协议，SMEC对Mogobe Egi（PTY）Ltd.该报告严格限于其中所述的事项，并受到其中的各种假设，资格和局限性的约束，并且不适用于其他事项。smec不表示本报告中规定的范围，假设，资格和排除条件适合或足以用于其他目的，也不涵盖报告的内容涵盖您可能将其视为目的的所有事项。
可再生能源和能源存储的整合...
她的成就包括在可再生能源中获得国际认可，赢得了2023年《金砖四国》的未来技能挑战，在可再生能源类别中，南非的同类产品中的第一个，Saiee National National Engineering Excellence Award 2023，Saiee KZN KZN中心女性工程奖2023年，以及大学的成就。她以前曾担任Smec Western Cape Young Professionals论坛的主席，目前是CESA YPF KZN代表。她还是德班创新创新创新挑战赛的小组成员之一，为设计思维研讨会和判断创新提供了见解（2023年）。Omaira还是UKZN EECE开放日奖2023的演讲嘉宾。Omaira还是Saiee KZN分支机构的小组成员，也是SAIEE的主题演讲者，以“在工程专业中建立杰出性”。