人体姿态的时空动作检测源码。应用场景比如说，我国农村的空巢老人子女常年在外打工。而目前的监控属于被动式的监控，我们仅仅只能查看并且回放监控，不能对监控里面的某种信息作出判断和预警。该课题利用Matlab对监控中的画面的人体行为做一些监测和判别，一旦检测到有某些异常行为，比如说快跑慢跑跌倒等等作出提示。人体姿态的时空动作检测源码。应用场景比如说，我国农村的空巢老人子女常年在外打工。而目前的监控属于被动式的监控，我们仅仅只能查看并且回放监控，不能对监控里面的某种信息作出判断和预警。该课题利用Matlab对监控中的画面的人体行为做一些监测和判别，一旦检测到有某些异常行为，比如说快跑慢跑跌倒等等作出提示

人员流动性分析 基于轨迹数据的个人和人群级人类移动性分析工具包和模型，包括旅行目的地预测、旅行时空和语义特征计算（例如，熵、回转半径、主题比率、旅行节奏等）、驾驶特征和性格. Folder structure: -Driver Personality Analysis -Location Sequence Prediction --Code ---Model_1 ... ---Model_n --Sample Data --Documents --Publications --Web Visualization Components -Next Location Prediction -Travel Feature Analysis

随着Web服务的指数级增长，建议使用各种协作QoS预测方法对服务质量（QoS）进行有效评估，并帮助用户选择合适的服务。 考虑到服务调用的复杂时空上下文的影响并在预测过程中利用它们的特征，仍然是一项技术挑战。 为此，我们提出了两个通用的时空上下文感知协作神经模型（STCA-1和STCA-2），通过考虑服务端和用户端的调用时间和多个空间特征来进行QoS预测。 我们提出的模型利用层次神经网络来实现原始特征的嵌入表达，二阶特征的生成，一阶和二阶特征的融合，空间特征之间的交互以及时态特征的逐层化。 特别地，引入注意力机制来自动地将权重分配给空间特征，并实现在特征融合中的判别性应用。。在大规模数据集上的实验证明了该方法的有效性：（1）。预测误差可以显着与基线方法相比尤其如此。在稀疏训练数据的情况下，我们的模型在MAE和NMAE方面的性能提高了约10.9–21.0％，在RMSE方面的性能提高了2.4–7.8％。 （2）注意机制使我们能够更合理地对特征融合的有效性做出直观的解释，从而增强了预测模型的可解释性。

去噪声代码matlab 美国降噪 优尼斯·法鲁伊（Younes Farouj）的美国降噪技术。 v.2017年4月 超声时空散斑。 该Matlab代码遵循这两篇论文中介绍的方法。 [1] Y. Farouj，L。Navarro，J.-M。 Freyermuth，M。Clausel和P. Delachartre。 通过Kronecker小波-菲兹阈值进行的超声时空散斑。 信号，图像和视频处理，2018年，第1期。 ，第12号，第6页。 1125-1132 和 [2] Y. Farouj，J.-M。 Freyermuth，L。Navarro，M。Clausel和P. Delachartre。 双曲小波-Fisz去噪在超声成像中产生的模型。 IEEE Transactions on Computational Imaging，第一卷。 3号1，第1-10页，2017年。 该代码包括两个版本。 一个数据驱动的和参数化的。 输入 ％％使用给定的（BseOnd）小波找到数据驱动的小波-Fisz估计。 %% ％％拍摄：％％x-数据：超声成像序列％％h-方差函数（对于参数版本）％％AV-像素值分布的预

深度学习在时空序列预测中的应用综述

时空图卷积网络用于基于骨架的动作识别，Spatial Temporal Graph Convolutional Networks for Skeleton Based Action Recognition，2018年AAAI论文

地表土壤水分和降水具有高度相关性，是2个密切相关的地-气相互作用参量。采用同时反演获取的土壤水分和大气降水数据来研究土壤水分的变化情况，定量理解降水和土壤水分之间的物理联系，进而可以获得对反演算法改进有用的信息。采用被动微波辐射计AMSR-E反演获得的全球地表土壤水分和降雨率数据作为研究对象，一共收集了2005年10月1日至2006年10月31日之间共395d的AMSR-E全球日土壤水分产品和升、降轨道瞬时降雨率数据。把降雨率轨道产品经过等积割圆柱投影并重采样到同日土壤水分产品相当的25km分辨率EASE

matlab非参数代码异常检测器 时空异常检测的matlab代码 介绍 源代码在 Linux 系统上使用 Matlab R2009b 进行测试。 除了用于可视化目的的tight_subplot.m 外，不使用非标准库。 该文件包含在工作目录中。 “数据”文件夹中还提供了清洁和对齐的传感器数据。 测试 可以通过在工作目录中键入“nonparametric_approach”来测试非参数方法。 可以通过在工作目录中键入“probabilistic_approach”来测试概率方法。 这两种方法都会在几秒钟内产生测试结果。

颞脑表达 基于BrainSpan发育转录组数据分析时空大脑表达的脚本。 BrainSpan数据 单击下载RNA-seq数据（genes_matrix_csv.zip，62.2 MB）。 有关更多信息，请参阅。 文献资料 下载（与上述文件相同）。 在CONFIG.R输入正确的路径。 这是加载BrainSpan数据并控制将输出文件写入何处所需的。 转到src/目录。 运行R CMD BATCH read_rnaseq_data.R以加载和处理BrainSpan数据。 该脚本将生成两个带有BrainSpan数据的.RData文件（运行时间约为15分钟）。 执行分析 运行R CMD BATCH graphics_genes_temporal_trajectories.R以生成基因轨迹图。 运行R CMD BATCH statistics_prenatal-vs-postnatal-te

时空认知逻辑及其算法复杂性.doc