白癜风专家李从悠 http://nb.ifeng.com/a/20190701/7506223_0.shtml
东北大学秦皇岛分校计算机与通信工程学院、东北大学软件学院的研究人员张召海、韩来权、单茗琪，在年第9期《电气技术》杂志上撰文（论文标题为“基于滑动滤波方法的学习状态识别技术”），提出了一种基于滑动滤波方法的学习状态识别技术。通过对用户书写过程中产生的三轴加速度数据进行特征提取、模型训练、状态分类3个过程的处理，统计分析了书写时长占比、极短书写占比以及分心状态占比3个学习指标，识别出用户当前的学习状态。在实验中，将用户的学习状态分为熟练、正常、不会以及不专心4种类别，识别准确率达到93.75%。将该系统应用于课堂提问、随堂检测时，可以有效帮助教师掌握每个学生的学习状态，从而照顾到每个学生的学习进度。高速发展的科技，深刻地影响着人们生活的方方面面。在过去的几十年间，科技也对教育行业产生了重要的影响，其中改变课堂教学模式的技术不断涌现。传统课堂中，教师是知识唯一的传授者，一块黑板、一盒粉笔是教学过程中仅有的工具。这些年随着国家对教育信息化的重视，越来越多的教学辅助设备出现在课堂上。例如将交互式一体机引入课堂进行辅助教学，这是一种融合了计算机、电视、网络的新型多媒体互动教学终端，通过该设备可以极大地方便课堂教学。除此之外，人们还通过集成三轴加速度计，研发新式数字笔辅助学习和教学。HrishikeshGarud和M.Kulkami研发了一款电子笔，该电子笔集成了惯性传感器单元，应用隐马尔可夫模型识别‘A’、‘B’、‘C’3个英文字母，通过记录手腕的俯仰角等记录了人的手写体信息。RenqiangXie,JunchengCao等人提出了一种基于加速度计的电子笔装置，与此相对应的终端系统通过训练前馈神经网络模型，可以识别24种手势。1相关工作本文中的学习状态识别技术主要包含3个部分：加速度信号采集、特征提取、识别算法。在硬件方面，使用三轴加速度计、微控制器、USB传输模块设计构建智能笔，将采集到的加速度数据持续发送给终端。终端接收到加速度数据后，经过特征提取、模型训练、状态分类三个过程实现对用户学习状态的识别。为了采集书写过程的加速度数据，本文设计了一款智能笔，这款智能笔使用三轴加速度计测量笔在书写过程中各个方向的加速度，并且通过USB模块向PC终端实时传输数据，终端通过对接收到的数据进行实时分析，判断用户当前的学习状态。该智能笔已申请专利《一种保护视力和辅助教学的智能笔》。在提取特征之前，本文首先对加速度数据进行预处理，从而使其波形达到本文问题的要求。首先基于滑动平均滤波的思想，计算出加速度信号曲线每一部分对应的方差，形成一条方差曲线，然后将方差曲线进行分段处理，将其数据进行0-1化，最后为了去除方差曲线中的干扰波段，将微小状态合并到邻近状态中，从而将数据处理完毕。最后提取本算法需要的学习状态指标。在识别学习状态的过程中，本文选用分类回归树算法（classificationandregressiontree,CART）[5]决策树进行分类。决策树算法作为机器学习的常用算法之一，具有较好的灵活性和较强的鲁棒性，并且易于理解，分类过程也较为简洁。首先根据提取的特征训练决策树模型，将模型保存下来，之后便可以实时对用户状态进行识别。本文后面的部分，首先介绍智能笔的硬件组成，然后介绍特征提取过程，包括基于滑动平均滤波的方差化，方差波形0-1化，微状态整合。之后介绍决策树模型的训练和测试过程。最后对实验结果进行了讨论，并且给出本文的结论。2硬件系统基于加速度计的识别技术，已经被广泛应用于多个方面。例如基于加速度计的手势识别技术已被广泛应用于人机交互（human-

转载请注明:http://www.aideyishus.com/lkyy/7010.html