彭长生
- 作品数：3 被引量：12H指数：2
- 供职机构：江苏大学计算机科学与通信工程学院更多>>
- 发文基金：中国博士后科学基金江苏省自然科学基金国家科技型中小企业技术创新基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于递归神经网络的跌倒检测系统被引量：6
- 2018年
- 针对现有跌倒检测方法存在适应性差和功能较单一等问题,引入递归神经网络,通过发掘位置传感器数据之间的内在联系提高检测跌倒行为的效果。首先,设计了传感器、训练与检测输入数据的序列化表示方法,为发掘其中与跌倒和接近跌倒行为相关的内在关联提供了基础;接着,给出了用于跌倒检测的RNN训练算法以及基于RNN的跌倒检测算法,将跌倒检测转换为输入序列的分类问题;最后,在前期实现的基于分布式神经元大规模RNN系统的基础上,在Spark平台上实现了基于RNN的跌倒检测系统,使用Fall_adl_data数据集进行了测试与分析,验证了其能有效提高跌倒检测的准确率和召回率,F值相比现有跌倒检测系统提高12%和7%,同时能有效检测出接近跌倒的行为,有助于及时采取保护措施减少伤害。
- 牛德姣刘亚文蔡涛彭长生詹永照梁军
- 关键词：跌倒检测传感器数据递归神经网络大数据
- 基于Fisher判别的分布式K-Means聚类算法被引量：5
- 2014年
- 为了解决集中式聚类算法不能处理海量大数据的问题,提出基于Fisher判别确定置信半径的分布式聚类算法.应用网络上各个节点的计算、存储能力,以及网络的带宽,将聚类所需的时间复杂度和空间复杂度平摊到各个节点.通过应用Fisher线性判别找到节点在同一子类数据上的稠密和稀疏分布,从而快速确定聚类的置信半径并指导下一步的聚类过程,使得保持聚类精度的同时能提高分布式聚类的速度.对算法进行了数值模拟,并使用真实数据完成了试验.结果表明,所提出算法相比DFEKM聚类算法,能根据数据分布的不同在聚类结果和聚类速度上达到很好的平衡,这表明该算法具有更好的健壮性.
- 彭长生
- 关键词：P2P网络聚类算法分布式聚类FISHER线性判别
- 一种基于多帧统计的车道背景建模方法被引量：1
- 2013年
- 现有基于视频帧的车道背景建模方法建模过程较复杂,且易受光照、遮挡等因素的影响。提出一种基于多帧统计的视频车道背景建模方法,通过对多帧视频帧自主统计分析,首先建立无车的全背景图像;然后再次对多帧视频帧进行运动对象的位置统计,最终在全背景图像上获取完整的车道背景图像。该方法能有效确定视频中的背景区域,特别是能明确车道背景区域。算法思想简单,容易实现。实验结果表明该算法具有计算量小、车道检测完整、对光照的变化具有一定的自适应能力等特点。
- 彭长生詹智财张松松程碧淳
