基于多头自注意力机制和Bi-GRU的人体动作识别算法

目前基于惯性传感器的人体动作识别技术具有自主、可靠等优点,但现有人体动作识别算法结构复杂、参数量大、识别精度低。针对以上问题,提出了一种基于多头自注意力机制和双向门控循环单元（Bi-GRU）的人体动作识别算法。该算法首先通过多头自注意力机制无视时间间隔地计算数据之间关联特征,再将关联特征与原始数据拼接,输入到深度Bi-GRU网络中提取顺序特征,最终通过Softmax层识别人体动作。采用YESENSE公司开发的YIS360-V姿态仪搭建了人体动作识别算法验证平台,在此基础上建立训练-测试数据集并进行了实验验证。实验结果表明,所提算法较传统Bi-GRU算法,参数量由40695个减少到18337个,识别准确率由93.36%提升至95.26%。     

基于模糊邻域相对依赖互信息的特征选择方法

模糊粗糙集作为处理不确定性信息的有效工具，已广泛应用于特征选择中。然而当数据分布密度差别较大时，传统模糊粗糙近似不能有效度量样本的隶属度，且大多特征评价函数仅从代数或信息单一视角构造。针对以上问题，提出了一种基于模糊邻域相对依赖互信息的特征选择方法。首先，为克服传统模糊粗糙近似对数据分布敏感的缺陷，引入相对距离计算模糊相似关系，同时考虑模糊邻域粒度结构，提出了模糊邻域相对依赖度，从代数观度量数据的不确定性。然后，基于相对粒度结构提出了模糊邻域相对互信息，并与模糊邻域相对依赖度结合构造出一种新的特征评价函数——模糊邻域相对依赖互信息，将代数观和信息观结合进行特征评价。最后，设计了一种基于模糊邻域相对依赖互信息的特征选择算法(FNRDI)。通过与其他算法在9个公共数据集上进行实验对比分析，结果表明所提算法可有效消除冗余特征且提高数据的分类精度。     

超冷等离子体演化早期的离子温度与库仑耦合强度

利用开发的磁光阱-离子速度成像装置，实验测量超冷等离子体的离子温度与库仑耦合参数。同时利用带电粒子追踪数值方法模拟超冷等离子体的早期演化过程。实验和模拟结果表明：在超冷等离子体演化早期，无序诱导加热机制导致离子温度快速上升，而库仑耦合强度下降至2.5。进一步研究还发现：在离子非平衡演化阶段，等离子体膨胀速度会快速接近并超过离子热速度，因此离子达到局域热平衡之后的库仑耦合参数会高于测量值。     

极化效应对Bohr速度能区O5+离子在低密度氢等离子体中的能损影响

基于HIRFL加速器装置的低能束实验平台,实验测量了1.07 MeV(～66.9 keV/u)高电荷态O⁵⁺离子穿过中性氢气和部分电离的低密度氢等离子体靶后的能量损失,观测到等离子体中离子能损减小的新实验现象.分别考虑部分电离等离子体对炮弹离子的电荷屏蔽效应以及靶区原子的极化效应(Barkas修正),重新计算了离子能损,讨论了离子能损减小的可能物理机制.研究结果表明:在部分电离的低密度等离子体中,靶区的原子极化效应将显著影响Bohr速度能区离子的能量损失过程.