关键词： 计算机视觉   模式识别   Vision Transformer(ViT)   深度学习   自注意力  

摘要： 视觉Transformer(Vision Transformer,ViT)是基于编码器-解码器结构的Transformer改进模型,已经被成功应用于计算机视觉领域。近几年基于ViT的研究层出不穷且效果显著,基于该模型的工作已经成为计算机视觉任务的重要研究方向,因此针对近年来ViT的发展进行概述。首先,简要回顾了ViT的基本原理及迁移过程,并分析了ViT模型的结构特点和优势;然后,根据各ViT变体模型的改进特点,归纳和梳理了基于ViT的主要骨干网络变体改进方向及其代表性改进模型,包括局部性改进、结构改进、自监督、轻量化及效率改进等改进方向,并对其进行分析比较;最后,讨论了当前ViT及其改进模型仍存在的不足,对ViT未来的研究方向进行了展望。可以作为研究人员进行基于ViT骨干网络的研究时选择深度学习相关方法的一个权衡和参考。

关键词： 模式识别   系统1   拓扑性质   符号   记忆   低复杂度艺术   愉悦   加工流畅度  

摘要： 本文主要讨论了在视觉的早期加工阶段,什么模式识别带来的视觉刺激更能激发偏好、影响行为。研究的范围是视觉的早期加工阶段:是快速的、无需意识参与、自动获取信息的阶段。讨论的重点在于“更”这个字上。跟分形理论类似的是,人类的视觉加工的早期阶段,虽然是无意识的状态,但也会经历认知的全流程:知、情、意。本文总结了一条能激发偏好的视觉刺激的三重因素模型:A) 能更快被识别的、B) 能更容易被记忆的、C) 能产生愉悦情绪的。快速识别是第一步,易于记忆是第二步,愉悦的情绪是催化剂,三者缺一不可。本文具体讨论了不同模式识别对三重要素的影响。在A) “更容易被识别的因素”里主要讨论了a) 具有拓扑结构的模式和b) 具有符号性的模式;在B) “能更容易被记忆的因素”里,展开讨论了a) 有规律的模式和b) 熟悉的模式;在C) “能产生愉悦情绪的因素”里讨论其中的两种:a) 加工流畅度和b) 简单的谜题。This paper mainly discusses what kinds of visual stimulus brought by pattern recognition can elicit preference in the early processing stage of visual perception and influence behavior. The scope of the study is in the early processing stage of visual perception: the stage in which information is obtained quickly, without conscious involvement, automatically. The focus of the discussion was on the word “more”. Which is like fractal theory, the early stage of human visual processing, although it is unconscious, also goes through the whole process of cognition: knowledge, emotion, and mind. In this paper, I summarize a Three-factor model of visual stimuli that can elicit preference: A) factors that can be recognized more quickly, B) factors that are easier to remember, and C) factors that can produce pleasant emotions. Quick recognition is the first step, easy to remember is the second step, and pleasant emotions are the catalysts. All three are indispensable. In this paper, the effects of different pattern recognition on the 3-factor model are elaborated. In A) “factors that can be recognized more quickly”, a) topological patterns and b) symbolic patterns are discussed;in B) “factors that are easier to remember”, a) regular patterns and b) familiar patterns are discussed;Discuss two of these in C) “factors that produce pleasant emotions”: a) processing fluency and b) simple puzzles.

关键词： Reflectometers  

摘要： Objective Phase sensitive optical time-domain reflectometer (Φ-OTDR) system has a wide range of application scenarios, and the types of perceived signals are complex and varied. Therefore, research on the recognition method of Φ-OTDR signals is crucial. To improve recognition accuracy and achieve shorter recognition time, a pattern recognition method based on Markov transition field (MTF) and MobileNetV2 for the Φ-OTDR signal is proposed. Methods We first decompose the two-dimensional Φ-OTDR spatiotemporal signal into a set of one-dimensional signals, and use downsampling to shorten the length of the original signal and reduce the amount of data. Next, based on the MTF principle, the preprocessed one-dimensional signal is encoded into a two-dimensional image. This image encoding method has good noise resistance characteristics and can amplify and capture the time-domain features of one-dimensional signals. The encoded image is input into four lightweight neural network models for signal pattern recognition. The experimental results indicate that MobileNetV2 has the best recognition performance for encoded images. Finally, transfer learning methods are used to train the network model, effectively accelerating the convergence of the model and improving the recognition accuracy. Results and Discussions This method achieves high recognition accuracy and fast recognition speed, with an average recognition accuracy of 96.0% for six signals and recognition time of 0.2047 s for a single signal. Among the six signal modes, the method proposed in this paper has high recognition accuracy for the four signal modes of digging, knocking, watering, and walking. Comparing the proposed method with the latest research on recognition, as shown in Table 3, it demonstrates advantages in average recognition accuracy compared to traditional convolutional neural network (CNN) methods and particle swarm optimization-support vector machine (PSO-SVM) based methods. The method presented in thi

关键词： 金融  

ISBN: (纸本)9787519890414

摘要： 本书向投资组合经理、量化分析师、策略师和分析师展示了如何使用Python来识别、扫描K线图模式, 根据模式进行交易, 并回测K线图模式的盈利能力。

关键词： 模式识别  

ISBN: (纸本)9787121490217

摘要： 本书广泛吸取统计学、神经网络、数据挖掘、机器学习、人工智能、群智能计算等学科的先进思想和理论，将其应用到模式识别领域中；以一种新的体系，系统、全面地介绍模式识别的理论、方法及应用。本书第5版在现有版本的基础上做了优化，改动量为30%，篇幅由之前的13章压缩到11章，内容包括：模式识别概述，特征的选择与优化，模式相似性测度，基于概率统计的贝叶斯分类器设计，判别函数分类器设计，神经网络分类器设计(BP神经网络、径向基函数神经网络、自组织竞争神经网络、概率神经网络、对向传播神经网络、反馈型神经网络)，决策树分类器设计，聚类分析，遗传算法聚类分析，群体智能算法分析等。本书内容新颖，实用性强，理论与实际应用密切结合，以手写数字识别为应用实例，介绍理论运用于实践的实现步骤及相应的Matlab代码。

关键词： 黄芪   蜜麸炒黄芪   指纹图谱   化学模式识别   含量测定  

摘要： 目的 探究黄芪蜜麸炒前后的差异性标志物。方法 采用HPLC建立黄芪蜜麸炒前后指纹图谱，评价相似度并指认共有峰；以黄芪蜜麸炒前后共有峰峰面积为指标，运用聚类热图分析、主成分分析和正交偏最小二乘-判别分析等对黄芪蜜麸炒前后进行区分，以变量重要性投影>1为标准筛选出差异性标志物；同时对多个主要成分进行含量测定，寻找炮制前后差异成分。结果 建立黄芪、蜜麸炒黄芪指纹图谱，相似度均>0.9，分别标定共有峰16、17个，指认出6个共有峰，其中峰3(5-羟甲基糠醛)为炮制后新增特征峰；聚类热图、主成分分析结果与正交偏最小二乘-判别分析结果一致，均可将样品明显聚为黄芪和蜜麸炒黄芪2类；变量重要性投影值筛选出峰7(毛蕊异黄酮苷)、峰3(5-羟甲基糠醛)、峰13、峰10(芒柄花苷)、峰4、峰16(芒柄花黄素)、峰2、峰15、峰12(毛蕊异黄酮)为导致样品差异的主要标志色谱峰。含量测定结果表明，与黄芪相比，蜜麸炒黄芪中5-羟甲基糠醛含量显著升高，毛蕊异黄酮苷、芒柄花苷、毛蕊异黄酮、芒柄花黄素含量显著降低，美迪紫檀苷含量变化无明显差异。结论 本研究建立的黄芪蜜麸炒前后HPLC指纹图谱和多成分含量测定结果，可以为完善黄芪及其蜜麸炒炮制品的质量控制及整体性评价提供参考。

关键词： 甘松挥发油   GC-MS   指纹图谱   化学模式识别   差异标志物   抑菌   白菖烯   百秋李醇   β-马里烯   马兜铃酮   马榄醇   马兜铃烯  

摘要： 目的 建立甘松Nardostachys jatamansi挥发油GC-MS指纹图谱，结合化学模式识别筛选其差异标志物，并进行抑菌活性研究，为甘松挥发油质量评价及应用提供参考。方法 采用GC-MS鉴定甘松挥发油的化学成分并建立指纹图谱；通过相似度评价、聚类分析、主成分分析和正交偏最小二乘-判别分析对差异标志物进行筛选；并用牛津杯法评价其抑菌活性。结果 甘松挥发油中鉴定出33个化学成分，建立了甘松挥发油指纹图谱，共标定15个共有峰，相似度为0.936～0.994；通过聚类分析将不同产地甘松挥发油分为4类，主成分分析结果与聚类分析结果基本相同，综合分析筛选白菖烯、百秋李醇、β-马里烯、马兜铃酮、马榄醇及马兜铃烯可作为甘松挥发油差异标志物；甘松挥发油对红色毛癣菌、须癣毛癣菌、牙龈卟啉单胞菌、幽门螺旋杆菌、肺炎链球菌有明显抑菌效果，最小抑菌浓度分别为0.4%、0.8%、3.1%、1.6%、6.25%。结论 采用指纹图谱结合化学模式识别技术可快速、有效地筛选甘松挥发油差异标志物，且甘松挥发油具有较好抑菌活性，可为甘松资源的综合开发利用及挥发油质量标准的建立奠定基础。

关键词： 空间非合作目标   行为模式识别   双向长短期记忆   自注意力机制  

摘要： 为了准确识别空间非合作目标的行为模式，针对空间目标运动状态的动态、时序变化特征，提出了基于双向长短期记忆(BiLSTM)-自注意力(SA)的空间非合作目标行为模式识别网络模型，以目标四类时序特征作为输入，以对应的目标行为模式标签作为输出，利用BiLSTM网络训练学习，并通过引入自注意力机制，识别出目标最有可能的行为模式。通过对比分析表明，所用模型有效提升了空间非合作目标行为模式识别的准确率。

关键词： 槐枝   指纹图谱   化学模式识别   含量测定   质量评价   染料木苷   芦丁   芹菜苷   山柰酚-3-O-芸香糖苷   水仙苷   染料木素  

摘要： 目的 建立槐枝Sophora japonica HPLC指纹图谱和多成分含量测定方法，结合化学模式识别法对槐枝药材进行质量评价。方法 采用HPLC法，以甲醇∶乙腈（1∶1,A）-0.1%磷酸水溶液（B）为流动相梯度洗脱，柱温40℃，检测波长258 nm，体积流量1.2 mL·min-1。建立15批槐枝药材的指纹图谱并分析相似度，测定其中6种成分（染料木苷、芦丁、芹菜苷、山柰酚-3-O-芸香糖苷、水仙苷、染料木素）的含量，结合聚类分析（HCA）、主成分分析（PCA）及正交偏最小二乘法分析（OPLS-DA）进行质量评价。结果 15批槐枝指纹图谱共标定12个共有峰，指认出染料木苷、芦丁、芹菜苷、山柰酚-3-O-芸香糖苷、水仙苷、染料木素6个成分，各批次相似度在0.780～0.996。建立6个成分HPLC含量测定方法，样品中染料木苷、芦丁、芹菜苷、山柰酚-3-O-芸香糖苷、水仙苷、染料木素质量分数分别为0.006～0.113、0.378～3.782、0.280～4.397、0.112～0.561、0.036～0.427、0.003～0.047 mg·g-1。HCA结果将15批槐枝分为3类；PCA提取了3个主成分，3个主成分在反映不同批次槐枝样品共有成分关系中起主要作用。OPLS-DA结果表明，芹菜苷和芦丁为引起质量差异的标志性成分。结论 建立的槐枝HPLC指纹图谱及多成分含量测定方法操作简便，结果可靠，为槐枝的质量评价提供依据。

关键词： 三子散   指纹图谱   化学模式识别   含量测定   质量评价  

摘要： 目的 建立三子散指纹图谱、化学模式识别及多指标定量分析的方法，评价该制剂质量。方法 采用高效液相色谱(HPLC)法，利用《中药色谱指纹图谱相似度评价系统(2012版)》建立15批三子散的指纹图谱，并进行聚类分析、主成分分析和正交偏最小二乘法-判别分析；以变量重要性投影(VIP)大于1为标准，筛选潜在质量差异标志物，并以同一HPLC法测定上述标志物的含量。结果 15批三子散指纹图谱共有21个共有峰，相似度为0.994～0.999；指认了6个共有峰，分别为没食子酸(3号峰)、栀子苷(10号峰)、柯里拉京(11号峰)、诃子酸(16号峰)、鞣花酸(18号峰)、西红花苷Ⅰ(19号峰)；聚类分析和主成分分析、正交偏最小二乘法-判别分析结果显示，15批三子散可被分为两大类，S1、S5、S7、S9、S14聚为一类，S2～S4、S6、S8、S10～S13、S15聚为一类；柯里拉京、诃子酸、鞣花酸等11个成分的VIP值大于1。15批三子散中，柯里拉京、诃子酸、鞣花酸含量分别为2.667～5.152、9.506～13.522、0.891～1.811 mg/g。结论 所建三子散HPLC指纹图谱、多指标成分含量测定方法快速、简便，结合化学模式识别分析可用于该制剂的质量评价；柯里拉京、鞣花酸、诃子酸等11个成分可能是影响该制剂质量的潜在质量差异标志物。