关键词： 负荷模式识别   类别不平衡   基分类器冗余   选择集成  

摘要： 为解决集成学习负荷模式识别中的类别不平衡及基分类器冗余等问题,提出一种计及类别平衡的两阶段选择集成电力负荷模式识别方法。首先,采用一种基于密度聚类的高斯人工合成少数类过采样技术,根据少数类负荷样本的密度分布特性合成新样本,以强化负荷分类模型对少数类负荷样本的学习。然后,设计出一种包括基分类器聚类剪枝和优化选择集成的两阶段选择集成策略,基于基分类器池的训练结果,遴选最优基分类器子集参与负荷分类任务。最后,通过UCI标准数据集算例验证了所提方法的有效性和优越性。

关键词： 人工智能   计算机技术   信息安全   模式识别  

摘要： 阐述人工智能与计算机技术的特点,存在的问题,人工智能在计算机技术中的应用,包括信息安全管理、模式识别、系统管理,从而有效地提高计算机技术的应用,促进计算机技术的发展。

关键词： 时间序列   异常子序列   异常模式   自适应k近邻   相对密度  

摘要： 时间序列作为数据的典型代表,被广泛应用于许多研究领域.时间序列异常模式代表了一种特殊情况的出现,在许多领域都具有重要意义.现有的时间序列异常模式识别算法大多只是单纯检测异常子序列,忽略了异常子序列的类别区分问题,且许多参数都需要人为设置.为此提出了一种基于自适应k近邻的异常模式识别算法(anomaly pattern recognitionalgorithm based on adaptive k nearest neighbor,APAKN).首先,确定各子序列的自适应k近邻值,引入自适应距离比计算子序列的相对密度,确定异常分数;然后提出一种基于最小方差的自适应阈值方法确定异常阈值,检测出所有异常子序列;最后,对异常子序列进行聚类,所得聚类中心即为具有不同变化趋势的异常模式.整个算法过程在无需设置任何参数的情况下,不仅解决了密度不平衡问题,还精简了传统基于密度异常子序列检测算法的步骤,实现良好的异常模式识别效果.在时间序列数据集合UCR的10个数据集上的实验结果表明,提出算法在无需设置参数的情况下,在异常子序列检测和异常子序列聚类问题中都表现良好.

关键词： 降维   关键点位   模式识别   Matlab分类工具箱  

摘要： 特征降维能够有效地消除无关和冗余的数据,有效提升模型效率。然而,现有的降维技术对于一些特定领域下的高维数据并不适用。本文针对中药材的产地鉴别这一特定领域问题,提出了一种基于关键点位特征的降维技术方法,结合Matlab分类工具箱开展模式识别应用研究。通过与PCA、NMF等降维方法进行对比,实验结果表明,本文提出的降维方法能更好地提升中药材产地鉴别模型的效率和精度。

关键词： 水稻   遥感   Google Earth Engine   Sentinel-1/2   移栽期   物候   “V”形特征   动态窗口  

摘要： 及时准确地获取水稻种植模式变化对于有效防控“非粮化”和完成“双碳”目标具有重要意义。现有研究多基于固定时间窗口挖掘水稻生长期特征,且多使用的是单一卫星影像数据,难以应用于大范围水稻制图。本文通过Sentinel-1/2数据构建动态窗口提取移栽期光学/雷达特征,利用其耦合关系实现水稻种植模式制图。将该算法应用于湖南和江西两省水稻制图。基于1402个地面参考点位对水稻提取结果进行验证,总体精度达92.80%;在县域尺度上,湖南和江西两省水稻制图面积与农业统计数据也具有高度一致性,R^(2)达0.85以上。相比于用固定窗口进行水稻特征提取,该方法具有较强的鲁棒性和迁移能力,为实现更大范围作物制图提取提供新的思路和参考依据。2018—2021年江西省水稻制图结果表明,水稻总种植面积减少9.47%,约3460 km^(2),水稻种植强度从1.62下降至1.49;在种植模式上,“双改中”趋势明显,双季稻种植面积锐减21.61%,其中约84%改种中稻。

关键词： 五子衍宗丸   指纹图谱   含量测定   相似度   化学模式识别   偏最小二乘法-判别分析  

摘要： 目的:建立五子衍宗丸指纹图谱并进行化学模式识别分析,测定五子衍宗丸中金丝桃苷、毛蕊花糖苷、山柰酚、五味子醇甲、五味子甲素和五味子乙素的含量,为该制剂的质量控制提供参考。方法:采用高效液相色谱法,使用Agilent SB-C_(18)色谱柱(250 mm×4.6 mm, 5μm),以乙腈-0.05%磷酸水溶液为流动相,梯度洗脱,流速1.0 mL·min^(-1),检测波长254 nm,柱温30℃,进样量20μL。以五味子醇甲为参照,使用《中药色谱指纹图谱相似度评价系统软件(2012A版)》建立30批五子衍宗丸的指纹图谱,确定共有峰并进行相似度评价,通过与对照品溶液比对指认色谱峰。采用Simca-P 14.1软件对共有峰进行评价。采用上述HPLC方法测定30批样品中指认化学成分的含量。结果:建立五子衍宗丸指纹图谱,共标定17个共有峰,相似度不低于0.90;共指认化学成分6个,分别为金丝桃苷、毛蕊花糖苷、山柰酚、五味子醇甲、五味子甲素、五味子乙素。经化学模式分析,30批样品聚成3类,筛选出8个差异性标志物。30批样品中上述6个成分的含量分别为1.158~3.695、0.089~1.965、1.158~3.695、0.089~1.965、1.158~3.695、0.089~1.965 mg·g^(-1)。结论:所建立的五子衍宗丸HPLC分析方法简便、稳定、可行,同时指纹图谱结合化学模式识别分析可为五子衍宗丸质量控制标准的制定提供参考。

关键词： 机器学习   超声导波监测   缺陷识别   模式识别  

摘要： 基于压电导波的监测方法是结构健康监测的优良技术,在各类机械构件的损伤识别中应用广泛。目前,在导波监测中应用数据挖掘技术已成为国内外的研究热点。通过对近年来相关文献的查阅分析,综述了机器学习方法在基于导波监测缺陷识别中的应用,并对其应用方法进行汇总,为机器学习方法在导波监测领域应用提供参考和依据。

关键词： 时光飞逝   模式识别   人工智能   新年钟声   辞旧岁   迎新春   编辑  

摘要： 日月如梭,时光飞逝,伴随着新年钟声的敲响,我们告别2022年,迎来2023年。金虎辞旧岁,玉兔迎新春,2023年春节也紧跟着悄然而至。在这个春回大地、万物复苏的美好时节,我谨代表编辑委员会和编辑部全体成员向关心和支持《模式识别与人工智能》发展的广大专家学者致以诚挚的祝福和问候!祝大家在新的一年里身体健康!工作顺利!万事如意!

关键词： 模式识别   姿态估计   动作识别   卷积神经网络   动态时间规整  

摘要： 为了准确地识别及评价网球动作,将计算机视觉与网球运动相关知识相结合,提出了一种基于PoseC3D的网球动作识别及评价方法。首先,使用基于ResNet-50姿态估计模型对网球运动视频进行人体目标检测并提取骨骼关键点;然后,使用在专业网球场采集的视频数据集进行PoseC3D模型训练,使模型能够对网球的子动作进行分类;之后,使用动态时间规整算法对分类的动作进行评价;最后,基于采集的视频数据集进行了大量实验。结果表明,提出的基于PoseC3D的网球动作识别方法对6类网球子动作的分类Top1准确率可以达到90.8%。相较于基于图卷积网络的方法,比如AGCN和ST-GCN,具有更强的泛化能力;提出的基于动态时间规整的评分算法能够在动作分类后实时、准确地给出相应动作的评价分数,从而减少了网球教师的工作强度,有效地提升了网球教学质量。

关键词： 模式识别   神经网络   人群计数   YOLOv3   计算机视觉  

摘要： 本文以室内人群精确检测统计为目标,在YOLOv3框架下,通过使用广义交并比来替换回归的损失函数,对损失项进行优化,并使用均值聚类思想对训练数据进行聚类得到符合数据集的Anchor值,同时将批量归一化层参数合并到卷积层以进一步降低运行时间。实验中选择六类不同场景确定训练集和验证集以及测试集,通过对训练结果和测试结果来分析学习率、识别精度和预测估计概率值之间的关系,并确定适合所提算法的迭代次数和学习率经验值,实验结果验证了所提方法的有效性。