关键词： 快速存取记录器(QAR)   民机异常飞行   模式识别   风险评价   聚类分析  

摘要： 为实时评估与监测飞行风险,利用聚类分析方法挖掘快速存取记录器(QAR)数据蕴含的异常模式,分析民机异常飞行模式的影响因素;以欧氏距离表征QAR参数样本之间的相似性,建立基于K-means的异常飞行模式识别模型,定义异常模式偏离程度;基于全球商用喷气式飞机致命事故起数和死亡人数占比,结合异常模式偏离程度、异常模式持续时间、飞行阶段、安全不期望事件发生的可能性和安全不期望事件发生后果严重程度,提出一种基于QAR数据的民机飞行风险量化评价方法;使用某航空公司实际飞行QAR数据,通过实例验证民机异常飞行模式识别和风险量化模型的可行性。结果表明:异常模式多出现在巡航阶段及各飞行阶段交替临界时刻,不同航班不同飞行阶段异常飞行模式及风险分布差异明显,航班总风险值均值为166.94,但异常值高于386.97,滑跑起飞阶段的异常飞行风险相对偏低,均值为5.95;巡航阶段的异常飞行风险相对偏高,均值为93.46。

关键词： 紫苏油   紫外可见光谱   化学模式识别   真伪鉴别  

摘要： 作为高经济价值且昂贵的非常规植物油,紫苏油易被低价食用油掺假。由于食用油的匀质性及其组成的复杂性,传统鉴别方法难以快速准确地鉴别紫苏油的真伪。该文探索了紫外可见光谱结合化学模式识别对紫苏油真伪鉴别的可行性。首先购买了40个纯紫苏油样品,并将大豆油、棕榈油分别按一定的比例加入到纯紫苏油中配制了51个二元掺伪和63个三元掺伪紫苏油样品。根据鉴别目的,从154个总样品中获得两个数据集,一个是由40个纯紫苏油和114个掺伪紫苏油构成的真伪紫苏油二分类数据集;另一个是由40个纯紫苏油、51个二元掺伪和63个三元掺伪紫苏油构成的真伪紫苏油三分类数据集。然后采用主成分分析(PCA)、簇类独立软模式(SIMCA)、偏最小二乘-判别分析(PLS-DA)和极限学习机(ELM)4种方法,依次对以上两个数据集进行分类。使用混淆矩阵可视化分类结果,并用准确率、精确率、召回率、F1分数对模型性能进行评价。结果表明,对于真伪紫苏油二分类和三分类数据集,PLS-DA均为最佳模型,预测准确率分别为98.04%和100%。因此,紫外可见光谱结合化学模式识别可以实现真伪紫苏油的快速准确鉴别。

关键词： 紫贝齿   氨基酸   高效液相色谱   含量测定   模式识别  

摘要： 目的建立柱前衍生高效液相色谱法(HPLC)测定紫贝齿饮片中11种氨基酸的方法,并比较不同基原的差异。方法以异硫氰酸苯酯为柱前衍生化试剂,采用C18色谱柱,流动相A为乙腈,流动相B为0.1 mol/L醋酸钠溶液(p H 6.5),梯度洗脱,检测波长254 nm,色谱柱温度40℃。运用主成分分析(PCA)、偏最小二乘法判别分析(PLS-DA)和方差分析研究了紫贝齿中4种基原的氨基酸成分的差异。结果11种氨基酸呈良好的线性关系(R>0.999);精密度、稳定性、重复性试验相对标准偏差(RSD)值分别小于1.77%、2.54%、1.98%;平均回收率为90.7%~108.9%(RSD为0.67%~1.58%,n=6)。紫贝齿4种基原之间氨基酸成分存在差异,并发现3种氨基酸差异性成分。结论建立的氨基酸测定方法稳定可靠,可用于紫贝齿饮片的质量评价。

关键词： 气体传感器   选择性   温度调制   模式识别  

摘要： 针对金属氧化物半导体气体传感器低选择性和交叉敏感的难题,采用快速温度调制方法构建基于单个MEMS气体传感器的虚拟阵列,在提高选择性的同时解决传感器阵列的高功耗和高成本问题。通过快速动态温度调制获得气体的高频响应信号,研究调制信号的处理及特征提取方法,并优化了调制参数;采用支持向量机构建分类模型,并结合支持向量回归、随机森林回归、反向传播神经网络构建浓度估计模型,实现了对H_(2)、H_(2)S、NH_(3)和C_(2)H_(5)OH_(4)种气体的定性和定量分析,分类准确率达100%,浓度预测误差分别为19.5×10^(−6)、3.7×10^(−6)、0.2×10^(−6)、19×10^(−6)。本研究提高单个气体传感器选择性的同时降低了使用功耗,为环境监测和工业生产等领域的现场检测提供了新的解决方案。

关键词： 模式识别   深度学习   目标检测   YOLOv8  

摘要： 为了使采摘机器人能够在果园复杂环境下(如不同光照条件、叶子遮挡、密集的苹果群和超远视距等场景)对成熟程度各异的苹果果实进行快速且精确的检测,本文提出一种基于改进YOLOv8的苹果果实检测模型.首先,将EMA注意力机制模块集成到YOLOv8模型中,使模型更加关注待检测果实区域,抑制背景和枝叶遮挡等一般特征信息,提高被遮挡果实的检测准确率;其次,使用提取特征更加高效的三支路DWR模块对原始C2f模块进行替换,通过多尺度特征融合方法提高小目标检测能力;同时结合DAMO-YOLO的思想,对原始YOLOv8颈部进行重构,实现高层语义和低层空间特征的高效融合;最后,使用Inner-SIoU损失函数对模型进行优化,提高识别精度.在复杂的果园环境中,以苹果作为检测对象,实验结果表明:本文所提算法在测试集下的查准率、召回率、mAP_(0.5)、mAP_(0.5~0.95)以及F1分数分别达到86.1%、89.2%、94.0%、64.4%和87.6%,改进后的算法在大部分指标上均优于原始模型.在不同数量果实场景下的对比实验结果表明,该方法具有优异的鲁棒性.

关键词： 模式识别   人工智能   G06F18   共现分析  

摘要： 2023年人工智能领域将G06F18分类号纳入了审查范围,G06F18分类号描述为模式识别,模式识别是人工智能领域一个重要的分支,该类分类号在IPC分类表2023年1月版本中首次出现。介绍G06F18及其下属条目分类号的含义,对G06F18分类号的分类位置进行解析。利用共现分析方法分析模式识别交叉领域的分类号,有助于审查员对G06F18领域以及交叉领域申请分类号的了解、使用,提高本领域与跨领域分类、检索效率。

关键词： 草红藤   指纹图谱   相似度   系统聚类分析   主成分分析   正交偏最小二乘法判别分析  

摘要： 目的建立草红藤的UPLC指纹图谱,结合化学模式识别分析手段评价不同产地的草红藤药材质量差异。方法采用UPLC法建立草红藤药材指纹图谱,进行相似度评价、系统聚类分析、主成分分析(PCA)和正交偏最小二乘法判别分析(OPLS-DA)。结果20批草红藤药材UPLC指纹图谱共确定9个共有峰,指认出3个色谱峰,分别是二氢杨梅素、杨梅素和花旗松素,相似度均大于0.9。聚类分析和主成分分析将20批草红藤药材分为3类,经OPLS-DA筛选出3个差异成分。结论建立的草红藤药材UPLC指纹图谱方法简便,重现性良好,同时结合化学模式识别分析,可为草红藤的质量控制和品质提升提供参考。

关键词： 雷达工作模式   注意力机制   深度学习   时频变换   双级注意力  

摘要： 随着相控阵技术的快速发展与广泛应用,多功能雷达的工作模式趋于多样化、复杂化。实施快速且准确的雷达工作模式识别,对于后续威胁度分析、行为意图推理、行动决策信息生成具有重要支撑作用。以雷达信号时频图为切入点,结合基于双级路由注意力机制的多尺度特征提取方法,对雷达脉冲信号时频演化特征进行精细化、层次化的提取,进而实现识别。实验结果表明,在低信噪比(Signal to Noise Ratio,SNR)环境下(SNR=-20 dB),识别准确率保持在92%左右。在脉冲丢失率和虚假脉冲率分别为10%、20%、30%的情况下,识别准确率分别达到99.36%、96.81%、90.45%。该方法在复杂环境下具有较强的鲁棒性和抗干扰能力,为雷达工作模式识别提供了一种新颖且有效的解决方案。

关键词： 荷叶   生物碱   高效液相色谱法   指纹图谱   化学模式识别  

摘要： 采用高效液相色谱指纹图谱及化学模式识别比较不同产地荷叶中生物碱类成分的差异性,筛选出生物碱类差异性标志物,建立了荷叶生物碱类成分含量测定方法。荷叶指纹图谱中确定了24个共有峰,指认了8个生物碱类成分;聚类分析和主成分分析结果表明同一产地荷叶的质量较接近;正交偏最小二乘法-判别分析结果发现,有5种生物碱类成分是造成不同产地间荷叶质量差异的标志物;含量测定结果显示,大部分内陆省市的荷叶中生物碱类标志物含量较高。该方法可反映不同产地荷叶的质量差异,为荷叶的质量评价及控制提供参考。

关键词： 电力变压器   短间隙电弧   模式识别   深度可分离卷积神经网络   联合检测  

摘要： 短间隙油中电弧放电易造成设备损坏，甚至引发火灾和爆炸事故，对其开展故障诊断对于维护电力系统安全稳定运行具有重要意义。由于油中电弧放电演变速度快，传统基于单一信号进行的故障诊断方法存在诊断准确率低、诊断不及时等问题。为了解决上述问题，该文提出一种基于多物理量的油中短间隙电弧放电故障模式快速识别方法。首先，搭建一套可同时采集放电多物理特征信号的实验平台，获取并分析了各物理量的时域信号和频谱图；其次，在多物理时域信号的基础上，利用S变换生成对应时频图谱；然后，提出一种改进的深度可分离卷积神经网络模型，利用该模型开展基于多物理量联合的放电故障模式识别。结果表明：相比于仅利用单一信号，该文提出的多物理量联合检测的方法具有更高的识别准确率；与传统辨识模型相比，通过优化DSCNN网络框架，降低了参数规模和推理时间，有助于提高故障诊断速度，防止油中电弧放电发展到更为严重的阶段。