-
公开(公告)号：CN103310192B
公开(公告)日：2016-05-11
申请号：CN201310225930.2
申请日：2013-06-06
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 基于多传感器或是多轴传感器的运动行为识别方法需要融合多传感器数据或多轴数据，造成了较高的计算开销，增加了成本，同时降低了识别的实时性；本发明提供了一种基于单轴加速度传感器的运动行为识别方法，该方法采用一个加速度传感器的单轴数据信息，通过比对传感器获得的单轴数据形成的波形对运动中的人体行为特征进行了抽取，特别是波峰前的阈值、波谷前的阈值以及峰谷之间的时间间隔三个特征值，实现对下蹲、起跳、跑等运动行为的精确识别；该方法在达到较高识别准确率的同时，降低了计算开销，提高了识别实时性，降低了成本。
-
公开(公告)号：CN103310192A
公开(公告)日：2013-09-18
申请号：CN201310225930.2
申请日：2013-06-06
Applicant: 南京邮电大学
IPC: G06K9/00
Abstract: 基于多传感器或是多轴传感器的运动行为识别方法需要融合多传感器数据或多轴数据，造成了较高的计算开销，增加了成本，同时降低了识别的实时性；本发明提供了一种基于单轴加速度传感器的运动行为识别方法，该方法采用一个加速度传感器的单轴数据信息，通过比对传感器获得的单轴数据形成的波形对运动中的人体行为特征进行了抽取，特别是波峰前的阈值、波谷前的阈值以及峰谷之间的时间间隔三个特征值，实现对下蹲、起跳、跑等运动行为的精确识别；该方法在达到较高识别准确率的同时，降低了计算开销，提高了识别实时性，降低了成本。
-
公开(公告)号：CN103955464B
公开(公告)日：2017-10-03
申请号：CN201410115414.9
申请日：2014-03-25
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于情境融合感知的推荐方法，包括如下步骤：步骤1：根据情境的定义和需求将情境分为物理情境和用户偏好情境；步骤2：通过参数学习和结构学习构建贝叶斯网络，推理计算某一环境中的物理情境匹配程度；步骤3：考虑到用户兴趣爱好随时间变化的动态性，将时间函数融入基于内容的推荐算法中，计算用户偏好情境的匹配程度；步骤4：综合考虑情境匹配度，对所有候选信息资源进行评分，并将排名前Top‑N的信息推荐给目标用户。与现有技术相比，本发明考虑的推荐因素更全面，更能适应多变的环境，提高了推荐准确度，并且考虑用户兴趣随时间变化而变化的情况，将时间函数和基于资源内容的推荐结合，提高了用户满意度。
-
公开(公告)号：CN103955464A
公开(公告)日：2014-07-30
申请号：CN201410115414.9
申请日：2014-03-25
Applicant: 南京邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于情境融合感知的推荐方法，包括如下步骤：步骤1：根据情境的定义和需求将情境分为物理情境和用户偏好情境；步骤2：通过参数学习和结构学习构建贝叶斯网络，推理计算某一环境中的物理情境匹配程度；步骤3：考虑到用户兴趣爱好随时间变化的动态性，将时间函数融入基于内容的推荐算法中，计算用户偏好情境的匹配程度；步骤4：综合考虑情境匹配度，对所有候选信息资源进行评分，并将排名前Top-N的信息推荐给目标用户。与现有技术相比，本发明考虑的推荐因素更全面，更能适应多变的环境，提高了推荐准确度，并且考虑用户兴趣随时间变化而变化的情况，将时间函数和基于资源内容的推荐结合，提高了用户满意度。
-
-
-
Search Results
4
records
(took 0.017 seconds)
