|本期目录/Table of Contents|

[1]冯先成１,李　寒２,周　密１,等.基于前馈神经网络的智慧城市空巢老人识别[J].武汉工程大学学报,2015,37(10):33-39.[doi:10. 3969/j. issn. 1674-2869. 2015. 10. 007]
　,GUO Yao-fei,et al.Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｅｍｐｔｙ－ｎｅｓｔ ｅｌｄｅｒｓ ｉｎ ｉｎｔｅｌｌｉｇｅｎｔ ｃｉｔｙ ｂａｓｅｄ ｏｎ ｆｅｅｄｆｏｒｗａｒｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ[J].Journal of Wuhan Institute of Technology,2015,37(10):33-39.[doi:10. 3969/j. issn. 1674-2869. 2015. 10. 007]
点击复制

基于前馈神经网络的智慧城市空巢老人识别(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
37
期数:
2015年10期
页码:
33-39
栏目:
机电与信息工程
出版日期:
2015-10-31

文章信息/Info

Title:
Ｒｅｃｏｇｎｉｔｉｏｎ ｏｆ ｅｍｐｔｙ－ｎｅｓｔ ｅｌｄｅｒｓ ｉｎ ｉｎｔｅｌｌｉｇｅｎｔ ｃｉｔｙ ｂａｓｅｄ ｏｎ ｆｅｅｄｆｏｒｗａｒｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ
文章编号:
1674-2869(2015)10-0033-07
作者:
冯先成１; 李　寒２; 周　密１; 郭耀飞1
１．智能机器人湖北省重点实验室（武汉工程大学），湖北 武汉 ４３０２０５２．北京汉通达科技有限公司，北京１０００８１
Author(s):
ＦＥＮＧ Ｘｉａｎ－ｃｈｅｎｇ１; ＬＩ Ｈａｎ２; ＺＨＯＵ Ｍｉ１; GUO Yao-fei１
１． Ｈｕｂｅｉ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔ （Ｗｕｈａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ），Ｗｕｈａｎ ４３０２０５， Ｃｈｉｎａ； ２． ＭＴＣＳ Ｓｙｓｔｅｍｓ Ｅｎｇｉｎｅｅｒｉｎｇ Ｃｏ． Ｌｔｄ．， Ｂｅｉｊｉｎｇ １０００８１， Ｃｈｉｎａ
关键词:
智慧城市; 构造识别函数; 前馈神经网络; 空巢老人
Keywords:
ｉｎｔｅｌｌｉｇｅｎｔ ｃｉｔｙ ;  ｒｅｃｏｇｎｉｔｉｏｎ ｆｕｎｃｔｉｏｎ;  ｆｅｅｄｆｏｒｗａｒｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ;  ｅｍｐｔｙ－ｎｅｓｔ ｅｌｄｅｒｓ
分类号:
ＴＰ１８３
DOI:
10. 3969/j. issn. 1674-2869. 2015. 10. 007
文献标志码:
A
摘要:
随着社会老龄化进程的加快，空巢老人的数量呈上升趋势，老龄化成为一个不容忽视的社会问题. 通过对空巢老人手机用户的识别的数据分析，提出识别信息完整的用户与信息缺失的用户的两个模型. 基于正常的用户信息表，空巢老人及其子女的数量可以准确识别，当用户的信息不够充足时，采用前馈神经网络算法，结果显示其空巢老人的识别率可以达到７３．３％. 通过识别模型，及时更新空巢老人的数据，为统计局等政府部门提供了简单有效的数据分析，有助于建设智慧城市，促进社会和谐.
Abstract:
Ａｉｍｅｄ ａｔ ｔｈｅ ｓｏｃｉａｌ ｐｒｏｂｌｅｍｓ ａｓｓｏｃｉａｔｅｄ ｗｉｔｈ ｅｍｐｔｙ－ｎｅｓｔ ｅｌｄｅｒｓ， ｔｗｏ ｒｅｃｏｇｎｉｔｉｏｎ ｍｏｄｅｌｓ ｏｆ ｅｍｐｔｙ－ｎｅｓｔ ｅｌｄｅｒｓ ｗｅｒｅ ｐｒｅｓｅｎｔｅｄ ｂａｓｅｄ ｏｎ ｔｈｅ ａｎａｌｙｓｉｓ ｏｆ ｃａｌｌｉｎｇ ｌｉｓｔ ａｎｄ ｕｓｅｒ ｉｎｆｏｒｍａｔｉｏｎ ｔａｂｌｅ． Ｔｈｅ ｅｍｐｔｙ－ｎｅｓｔ ｅｌｄｅｒｓ ａｎｄ ｔｈｅｉｒ ｃｈｉｌｄｒｅｎ＇ ｎｕｍｂｅｒ ｃａｎ ｂｅ ｉｄｅｎｔｉｆｉｅｄ ｂｙ ｒｅｃｏｇｎｉｔｉｏｎ ｆｕｎｃｔｉｏｎ ｂａｓｅｄ ｏｎ ｔｈｅ ｎｏｒｍａｌ ｕｓｅｒ ｉｎｆｏｒｍａｔｉｏｎ ｔａｂｌｅ． Ｍｅａｎｗｈｉｌｅ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ａｃｃｕｒａｃｙ ｒａｔｅ ｃａｎ ｒｅａｃｈ ７３．３％ ｕｓｉｎｇ ｆｅｅｄｆｏｒｗａｒｄ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ａｌｇｏｒｉｔｈｍ ｗｈｅｎ ｔｈｅ ｉｎｆｏｒｍａｔｉｏｎ ｏｆ ａ ｕｓｅｒ ｉｓ ｎｏｔ ｓｕｆｆｉｃｉｅｎｔ． Ｍｏｒｅｏｖｅｒ ｔｈｅ ｄａｔａbase ｅｍｐｔｙ－ｎｅｓｔ ｅｌｄｅｒｓ ｃａｎ ｂｅ ｔｉｍｅｌｙ ｕｐｄａｔｅｄ ｂｙ ｔｈｅ ｒｅｃｏｇｎｉｔｉｏｎ ｍｏｄｅｌｓ， ｗｈｉｃｈ ｃａｎ ｐｒｏｖｉｄｅ ｅｆｆｅｃｔｉｖｅ ｄａｔａ ｆｏｒ ｓｔａｔｉｓｔｉｃｓ ｂｕｒｅａｕ ａｎｄ ｏｔｈｅｒ ｇｏｖｅｒｎｍｅｎｔ ｄｅｐａｒｔｍｅｎｔｓ． Ｉｔ ｉｓ ｂｅｎｅｆｉｃｉａｌ ｔｏ ｔｈｅ ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ｉｎｔｅｌｌｉｇｅｎｔ ｃｉｔｙ ａｎｄ ｈａｒｍｏｎｉｏｕｓ ｓｏｃｉｅｔｙ．

参考文献/References:

［１］　沈斌，漆奋平，江维，等．基于ＢＰ网络的超滤膜分离中药成分的分析与实现［Ｊ］．武汉工程大学学报，２００９，３１（９）：５５－５８．ＳＨＥＮ Ｂｉｎ，ＱＩ Ｆｅｎ?鄄ｐｉｎｇ，ＪＩＡＮＧ Ｗｅｉ．Ａｎａｌｙｓｉｓ ａｎｄ ｉｍｐｌｅｍｅｎｔ ｏｆ ｓｅｐａｒａｔｔｅ ｃｈｉｎｅｓｅ ｍｅｄｉｃｉｎｅ ｂａｓｅｄ ｏｎ ＢＰ ｎｅｔｗｏｒｋ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ Ｗｕｈａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，２００９，３６ （９）：５５－５８． （ｉｎ Cｈｉｎｅｓｅ）［２］ 黄登斌，夏学知．基于用户分类信息的空巢老人挖掘模型［Ｊ］．计算机与数字工程，２０１３（３）：４４０－４４１．ＨＵＡＮＧ Ｄｅｎｇ?鄄ｂｉｎ，ＸＩＡ Ｘｕｅ?鄄ｚｈｉ． Ｍｉｎｉｎｇ ｍｏｄｅｌ ｏｆ ｅｍｐｔｙ ｎｅｓｔｅｒ ｂａｓｅｄ ｏｎ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｏｆ ｔｈｅ ｕｓｅｒｓ ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］． Ｃｏｍｐｕｔｅｒ ＆ Ｄｉｇｉｔａｌ Ｅｎｇｉｎｅｅｒｉｎｇ， ２０１３（３）：４４０－４４１．（ｉｎ Cｈｉｎｅｓｅ）［３］　李翔，苏成，王韶君，等．基于模糊神经网络的综合评判方法［Ｊ］．计算机工程，２００９，３５（６）：２００－２０３．ＬＩ Ｘｉａｎｇ，ＳＵ Ｃｈｅｎｇ，WＡＮＧ Ｓｈａｏ?鄄ｊｕｎ．Ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｅｖａｌｕａｔｉｏｎ ｍｅｔｈｏｄ ｂａｓｅｄ ｏｎ ｆｕｚｚｙ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ［Ｊ］．Ｃｏｍｐｕｔｅｒ Ｅｎｇｉｎｅｅｒｉｎｇ，２００９，３５（６）：２００－２０３．（ｉｎ Cｈｉｎｅｓｅ）［４］　王勇，付志红，张淮清．基于前馈神经网络的电网基波高精度检测［Ｊ］．电网技术，２０１１（８）：１２４－１２８．ＷＡＮＧ Ｙｏｎｇ，ＦＵ Ｚｈｉ－ｈｏｎｇ，ＺＨＡＮＧ Ｈｕａｉ－ｑｉｎｇ．Ｈｉｇｈ ｐｒｅｃｉｓｉｏｎ ｄｅｔｅｃｔｉｏｎ ｏｆ ｆｕｎｄａｍｅｎｔａｌ ｏｆ ｐｏｗｅｒ ｇｒｉｄ ｂａｓｅｄ ｏｎ ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ［Ｊ］． Ｐｏｗｅｒ Ｓｙｓｔｅｍ Ｔｅｃｈｎｏｌｏｇｙ，２０１１（８）：１２４－１２８．（ｉｎ Cｈｉｎｅｓｅ）［５］　刘瑞叶，黄磊．基于动态神经网络的风电场输出功率预测［Ｊ］．电力系统自动化，２０１２（１１）：１９－２２．ＬＩＵ Ｒｕｉ－ｙｅ，ＨＵＡＮＧ Ｌｅｉ．Ｗｉｎｄ ｐｏｗｅｒ ｆｏｒｅｃａｓｔｉｎｇ ｂａｓｅｄ ｏｎ ｄｙｎａｍｉｃ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ［Ｊ］． Ａｕｔｏｍａｔｉｏｎ ｏｆ ｅｌｅｃｔｒｉｃ Ｐｏｗｅｒ Ｓｙｓｔｅｍｓ，２０１２（１１）：１９－２２． （ｉｎ Cｈｉｎｅｓｅ）［６］　蔡信，李波，汪宏华．基于神经网络模型的动力电池ＳＯＣ估计研究［Ｊ］．机电工程，２０１５（１）：１２８－１３２．ＣＡＩ Ｘｉｎ，ＬＩ Ｂｏ，ＷＡＮＧ Ｈｏｎｇ－ｈｕａ．Ｅｓｔｉｍａｔｉｏｎ ｏｆ ｓｔａｔｅ－ｏｆ－ｃｈａｒｇｅ ｆｏｒ ｅｌｅｃｔｒｉｃ ｖｅｈｉｃｌｅ ｐｏｗｅｒ ｂａｔｔｅｒｙ ｗｉｔｈ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ ｍｅｔｈｏｄ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｍｅｃｈａｎｉｃａｌ ＆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，２０１５（０１）：１２８－１３２．（ｉｎ Cｈｉｎｅｓｅ）［７］　杨帆，姜勇，杨元君．信息融合技术在矿井安全监测系统中的应用［Ｊ］．武汉工程大学学报，２０１４，３６（５）：６４－６７．ＹＡＮＧ Ｆａｎ，ＪＩＡＮＧ Ｙｏｎｇ，ＹＡＮＧ Ｙｕａｎ－ｊｕｎ．Ｉｎｆｏｒｍａｔｉｏｎ ｆｕｓｉｏｎ ｔｅｃｈｎｏｌｏｇｙ ｉｎ ａｐｐｌｉｃａｔｉｏｎ ｏｆ ｍｉｎｅ ｓａｆｅｔｙ ｍｏｎｉｔｏｒｉｎｇ ｓｙｓｔｅｍ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｗｕｈａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，２０１４，３６（５）：６４－６７．（ｉｎ Cｈｉｎｅｓｅ）［８］　刘扬，张振海．小波神经网络的无刷直流电机转子位置检测方法［Ｊ］．武汉工程大学学报，２０１４（１０）：６６－７０．ＬＩＵ Ｙａｎｇ，ＺＨＡＮＧ Ｚｈｅｎ－ｈａｉ．Ｒｏｔｏｒ ｐｏｓｉｔｉｏｎ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｂｒｕｓｈｌｅｓｓ ｍｏｔｏｒ ｂａｓｅｄ ｏｎ ｗａｖｅｌｅｔ ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｗｕｈａｎ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｔｅｃｈｎｏｌｏｇｙ，２０１４（１０）：６６－７０． （ｉｎ Cｈｉｎｅｓｅ）

相似文献/References:

备注/Memo

备注/Memo:
收稿日期:2015-09-08基金项目:住房和城乡建设部科研项目(2015-R3-007);武汉工程大学研究生教育创新基金(CX2014045).作者简介:冯先成(1968-),男,安徽庐江人,副教授,硕士.研究方向:光纤网络通信及智慧城市技术.
更新日期/Last Update: 2015-11-08