文章与研究

出版与文章

记录我在学习和实践过程中形成的论文、技术笔记与文章。

论文20264 分钟阅读

Binary Classification for Next-Day Gold Price Movements Using Machine Learning

本研究探讨了利用有监督机器学习预测次日黄金价格走势的方法。将印尼每日黄金价格数据转换为对数收益率、移动平均比率和短期波动率等特征，随后采用朴素贝叶斯、逻辑回归和支持向量机进行分类。在所评估的模型中，逻辑回归表现最佳，F1分数为0.737，准确率为58.3%，这表明工程化金融特征在短期方向性预测方面具有潜力。

Gold pricemachine learningprice direction classification+3

阅读内容

论文20254 分钟阅读

Embedded System for Early Sleep Apnea Detection Based on Mel-Frequency Cepstral Coefficient (MFCC) and Deep Learning Technique

本研究提出了一种用于睡眠呼吸暂停早期筛查的嵌入式系统，该系统将生理监测与基于音频的打鼾检测相结合。该系统采用MFCC特征提取和卷积神经网络（CNN）对打鼾声音进行分类，同时连接至ESP32和树莓派的传感器则监测血氧饱和度（SpO₂）、心率、呼吸活动和身体运动等参数。经过优化的卷积神经网络（CNN）在训练阶段实现了99.38%的准确率，在测试阶段实现了98.50%的准确率，这表明该系统有望作为一种便携式、无创的解决方案，用于临床环境之外的睡眠呼吸暂停初步监测。

sleep apneaconvolutional neural network (CNN)snoring+2

阅读内容

论文20254 分钟阅读

Intelligent Unmanned Aerial Vehicle (UAV) Controlled based on Voice-Activated Intelligent Remote

V-AIR（语音激活智能遥控器）是一款基于语音的无人机控制系统，旨在让无人机操作更加直观和便捷。该系统采用梅尔频率倒谱系数（MFCC）进行语音特征提取，并利用具有径向基函数（RBF）核的支持向量机（SVM）来识别六项基本飞行指令：起飞、降落、前进、后退、左转和右转。所开发的模型在训练阶段实现了 98.66% 的准确率，在测试阶段实现了 85.23% 的准确率，这表明语音命令作为传统无人机控制器的实用免提替代方案具有巨大潜力。

Mel Frequency Cepstral Coefficient (MFCC)Support Vector Machine (SVM)Unmanned Aerial Vehicles (UAVs)+2

阅读内容