华 泽瑞

【图像分类】 使用Python和TensorFlow实现了卷积神经网络,完成了数据集上的图像分类任务。通过设计卷积层、池化层等网络结构,并采用Adam优化算法训练模型,提高了对不同对象图像的识别能力。

【人体动作识别】 采用Matlab设计并实现了基于多层感知机的人体动作识别系统,能够对复杂的太极拳动作序列进行识别。通过收集动作数据集、标注关键姿态、提取人体关键点特征,并经过模型调参与交叉验证。

· 在Matlab中实现插值算法，分辨率调整，开闭运算去噪，形态学骨架化和形状分析，线性和非线性滤波器，Gabor滤波器处理纹理等

【贝叶斯线性回归】

实现了基于最大似然估计和最大后验估计的贝叶斯线性回归算法,生成数据集并加入高斯噪声,比较和可视化了两种方法得到的回归模型效果。

【聚类分析】

使用Python实现了聚类算法,如K均值、DBSCAN等。在包含异构性数据的人口数据集上进行测试,比较不同算法的性能。并采用内部评价指标选择最优聚类数目。

【随机决策树集成】

基于Python的Scikit-Learn库实现随机森林分类器。使用基于信息熵的优化采样方法提升模型性能。并分析了不同决策树基学习器数量对结果的影响。

【智慧拳击训练机】

采用TensorRT实现实时骨架关键点检测算法,基于Jetson嵌入式平台对使用者进行击拳动作跟踪分析。通过自定义网络模型,实现高精度的骨架关键点定位,实时判断用户击拳姿势。同时,结合Arduino压力传感器获取击拳力度数据。并利用Jetson的蓝牙模块,实时将检测结果传输至移动端APP,实现击拳数据可视化与统计。