徐国政
- 作品数：146 被引量：231H指数：7
- 供职机构：南京邮电大学更多>>
- 发文基金：江苏省自然科学基金国家自然科学基金江苏省高校自然科学研究项目更多>>
- 相关领域：自动化与计算机技术医药卫生文化科学机械工程更多>>
- 一种基于随机森林的网络异常检测方法及系统
- 本申请公开了一种基于随机森林的网络异常检测方法及系统，所述方法包括：对待检测的网络流量数据进行特征提取，得到网络流量入侵特征；其中所述网络流量入侵特征至少包括第一特征、第二特征、第三特征和第四特征；所述第一特征指示登录尝...
- 渠凯旋徐国政
- 基于混杂理论的机器人辅助肌力训练控制方法及系统
- 本发明提供一种基于混杂理论的机器人辅助肌力训练控制方法及系统，包括以下步骤，以机器人辅助肌力训练过程中患肢运动的实际位置<Image file="DEST_PATH_IMAGE002.GIF" he="3" imgCon...
- 徐国政茅晨高翔梁志伟
- 文献传递
- 一种手指镜像康复训练系统
- 本发明公开了一种手指镜像康复训练系统，包括肌电信号采集模块、压力采集模块、主控制模块、康复机器人模块、人机交互虚拟环境模块以及康复评估模块。优点：本发明的系统通过肌电信号采集模块、压力采集模块、主控制模块、康复机器人模块...
- 陈盛戴建邦徐国政高翔张建喜
- 文献传递
- 一种基于头部姿势识别的智能移动服务机器人控制方法
- 本发明提供一种基于头部姿势识别的智能移动服务机器人控制方法，该方法利用约束局部模型算法检测脸部特征点，再利用脸部特征点的几何关系估计当前头部姿态，从而使患者能够用头部来控制智能移动服务机器人的运动。其具体实现包括如下步骤...
- 徐国政吕呈朱博高翔陈盛王强
- 文献传递
- 基于分层强化学习的机械臂复杂操作技能学习方法及系统
- 本发明公开了一种基于分层强化学习的机械臂复杂操作技能学习方法及系统，方法包括：获取复杂任务数据，将复杂任务分解为多个子任务；确定每个子任务的RL参数；根据每个子任务的RL参数，构建底层训练网络结构，训练每个子任务，得到子...
- 王强马陈昊徐国政刘元归高翔
- 基于冗余机械臂上肢关节主动康复系统及其训练方法
- 本发明公开了一种基于冗余机械臂上肢关节主动康复系统，包括计算机和若干串联的转动关节，最末端的转动关节上设置有力传感器，所述力传感器连接握杆，所述力传感器和各转动关节均与计算机信号连接。本发明能够通过力传感器感受患者的运动...
- 汪超陈盛高翔徐国政徐良宬
- 文献传递
- 机器人辅助上肢抗阻运动控制与临床实验研究
- 2012年
- 针对机器人辅助患肢肌力增强渐进抗阻训练过程中阻力不能随患肢病情进行实时调整的问题，用一种新的模糊自适应阻抗力监督控制方法设计了一个机器人辅助上肢抗阻运动控制系统。该系统依据这种新的控制方法首先对患肢肌力恢复水平进行评估并据此设计机器人上层渐进抗阻基础阻力模糊规划器，得到每个训练周期的基础阻力，再通过设计的机器人下层模糊自适应阻抗力控制器，在基础阻力确定的基础上，根据患肢抗阻训练过程中肌力的变化对患肢与机器人末端之间的相互作用力做进一步的调整。运用Barrett公司4自由度机器人WAMArm构建的临床康复实验系统平台，验证了该系统的算法的有效性。
- 徐国政宋爱国崔建伟李会军梁志伟徐宝国潘礼正
- 关键词：康复机器人监督控制模糊逻辑
- 一种头姿交互控制与自主学习控制共享的轮椅控制方法及系统
- 本发明提供了一种头姿交互控制与自主学习控制共享的轮椅控制方法及系统，通过Kinect传感器获取用户脸部的深度图像，采用随机森林结合最近点迭代法估计头部姿态，建立头姿识别到轮椅控制的模型；结构化场景下，通过头姿交互方式，用...
- 赵秦毅石桑俐徐国政高翔任国建
- 文献传递
- 基于小波包模糊推理的上肢康复机器人智能专家系统被引量：2
- 2012年
- 针对目前上肢运动训练康复机器人缺少对患肢训练模式智能处方诊断的现状，提出了全新的基于小波包模糊推理的上肢康复机器人智能专家系统诊断方法。该方法在智能专家诊断过程中首先根据患肢在水平和垂直方向上的被动运动位置跟踪误差，通过小波包分解提取患肢运动性能特征，然后根据两个方向上的运动性能特征值并运用专家知识，通过模糊逻辑推理诊断该患肢适合的康复运动训练类型。临床实验结果表明，该方法能够较准确地实现不同病情患肢的运动训练模式处方诊断，有助于提高康复机器人的临床智能化水平。
- 潘礼正宋爱国李会军徐国政徐宝国
- 关键词：康复机器人小波包模糊推理专家系统
- 基于深度学习的图像标注被引量：1
- 2016年
- 随着个人计算机和互联网上数字图像数量的快速增长,用户越来越多借助于"语义概念"来检索感兴趣图像。然而由于图像底层特征刻画和高层语义概念描述间存在很大的差异,使得现有图像标注算法性能不甚理想。因此,文中提出基于多模态深度学习的图像标注框架,旨在应用卷积神经网络技术优化深层神经网络的参数,提高标注精度。具体地,文中提出的多模态深度学习标注框架利用两阶段学习,优化神经网络参数:(1)利用深度神经网络,优化各单模态参数;(2)利用相关性,实现多模态的最优组合。公共数据集的实验表明,该方案可以有效地提高图像标注的性能。
- 金栋梁朱松豪孙娴梁志伟徐国政
- 关键词：多标记多模态图像标注
