發(fā)布時間：2024-06-29 03:49

　　隨著信息技術(shù)的發(fā)展,網(wǎng)絡和工業(yè)過程中需要采樣和傳輸?shù)臄?shù)據(jù)越來越多,在對大量數(shù)據(jù)進行采樣、傳輸和存儲過程中,信息系統(tǒng)承受著越來越重的負荷。壓縮感知理論可以使用遠低于奈奎斯特采樣頻率的要求獲取數(shù)據(jù),并可以準確地重構(gòu)出數(shù)據(jù),大大減小了信息系統(tǒng)處理大量數(shù)據(jù)的負擔。深度學習通過低層特征形成更加抽象的高層表示屬性,以發(fā)現(xiàn)數(shù)據(jù)的特征表示。其目的在于模擬人類大腦分析學習的能力,并構(gòu)建類腦生物機制的神經(jīng)網(wǎng)絡結(jié)構(gòu),模仿人類大腦的生物機制處理各種類型的數(shù)據(jù)。人類的大腦是由數(shù)百種不同類型的上千億個神經(jīng)細胞所構(gòu)成的極其復雜的生物組織,包含了感知能力、記憶力和神經(jīng)注意力等多種生物機制。因此借鑒人腦的神經(jīng)結(jié)構(gòu)、生物機制以及信息處理機制,設(shè)計和改進現(xiàn)有的深度神經(jīng)網(wǎng)絡模型,能提升信息系統(tǒng)感知和處理大量數(shù)據(jù)的能力。本文基于智能感知和深度學習理論,提出了面向柔性壓力陣列的壓縮采樣、數(shù)據(jù)重構(gòu)和預測數(shù)據(jù)方法,并通過人體著裝微小壓力信息處理對所提出的方法進行了驗證,主要內(nèi)容如下:(1)為了提高基于壓縮感知理論的柔性陣列人體微小壓力數(shù)據(jù)采集效率,建立了基于稀疏自編碼器的壓縮感知模型。對壓縮感知理論中的稀疏表示、觀測向量進行研究,將...

【文章頁數(shù)】：141 頁

【學位級別】：博士

【部分圖文】：

圖2-11Texscan的4256E柔性壓力陣列傳感器系統(tǒng)

-31-圖2-11Texscan的4256E柔性壓力陣列傳感器系統(tǒng)

圖2-12GRIPResearch的軟件界面

圖2-12GRIPResearch的軟件界面對于人體模型相同的特定區(qū)域，我們需要做多次測量數(shù)據(jù)矩陣對于不同的測量具有相同的結(jié)構(gòu)在獲取數(shù)據(jù)后，本文在MatlabR2012a中處理數(shù)據(jù)本文實驗的計算機配置信息如下：CPU：IntelτRυCoreτTMυi7-47....

圖6-7測量不同的男生穿上滌綸材質(zhì)運動緊身衣的壓力信息

(a)壓力傳感器布點在右肩(b)和(c)壓力傳感器布點在不同模特的左胸圖6-7測量不同的男生穿上滌綸材質(zhì)運動緊身衣的壓力信息圖6-7中的灰色服裝是滌綸材質(zhì)的運動緊身衣，把Texscan4256E型柔性壓力陣列傳感器布點在不同男生的身體各個區(qū)域：肩部胸部背部，以....

圖6-8測量不同的男生穿上氨綸材質(zhì)運動緊身衣的壓力信息

-104-(a)壓力傳感器布點在右肩(b)和(c)壓力傳感器布點在不同模特的左胸和右肩圖6-8測量不同的男生穿上氨綸材質(zhì)運動緊身衣的壓力信息圖6-8中的藍色服裝是氨綸材質(zhì)的運動緊身衣，Texscan4256E型柔性壓力陣列

本文編號：3997121