关键词： 大型英语语料库   词汇语义模式   数据驱动教学  

摘要： 语料库自动抓取、自动检索、自动分析的智能化特征使其在外语智慧教育领域广泛应用。首先综述大型英语语料库的渊源及其构成特征,继而从语义虚化、语义韵和词汇搭配等方面识别大型英语语料库中的英语词汇和短语模式。这些特定的、重复出现的词汇短语模式,提供了英语本族语者的语言本能证据。本文提出,来自大型英语语料库的这些真实语言给养,可以构成数字化教学资源建设的有机成分,确保英语学习者接触更加地道的语言资源,促进数据驱动的英语语言的教与学。

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： 认知负荷   多维信息特征   随机森林算法   模式识别  

摘要： 操作员认知负荷水平的准确分类,对优化企业生产可靠性指标,提高产品质量与效率具有极其重要的意义。现有认知负荷研究大多集中在航空或交通领域,而在机械装配领域研究较少,一般采用基于生理信号与设备信息构建分类模型的方法进行研究,但未针对认知负荷数据特征对分类模型进行改进,分类精度不高。为解决上述问题,设计基于多复杂度减速器装配场景的N-Back次任务脑电试验,收集了主观评价数据、装配数据和脑电信号,分析了数据与认知负荷之间的内在联系,利用机器学习算法,构建了基于互信息量的随机森林模型,实现了复杂装配系统操作员认知负荷的分类评估。结果表明:各特征因素对操作员认知负荷均有显著影响,且随认知负荷增加呈现规律性变化,认知负荷试验设计合理;基于互信息量的随机森林模型分类效果显著优于其他分类模型,多维特征可有效降低算法欠拟合能力,提高分类精度。

关键词： 单类分类方法   模式识别   光谱分析   食品掺假  

摘要： 近年来,假冒伪劣食品已日益成为广大消费者密切关注的问题,食品真实性评估是缓解这一问题、保护公众健康的有力手段。在仪器设备和样品处理的高要求下,现代检测技术通常需要大量时间和金钱的成本消耗,而如今食品掺假手段不断变换,花样日益翻新,使得这类检测技术存在一定的局限性。为促进食品安全质量监管的效率和水平提高,为监管工作提供有力的科学技术支撑和保障,需要寻求新型检测技术。光谱分析技术,以操作简单、快速无损的优势近年来被广泛应用,作为一种间接分析技术,结合数据统计学中的分类方法建立模型后更能有效进行真假鉴别。在分类方法中,由于现实生活中五花八门的掺假类型以及在真假样本数量差异大的情况下,常用的分类方法效果可能出现偏差。但单类分类方法(one-class classification)是一种只针对一类实例建模分析,以特定的置信水平固定目标样本类的边界,对新样本的类别进行判定的方法,利用这一特点能有效区分不同于真实样本的数据,大大减少了检测的工作量,在食品掺假检测应用领域有一定的发展潜力。对近年来模式识别中的分类方法——单类分类方法进行了综述。通过阐述光谱分析结合分类方法用于食品掺假检测的必要性,比较在同一情形下多类分类方法和单类分类方法的判别率,简介单类分类方法的特点,并重点介绍几种常见的单类分类方法如数据驱动的簇类独立软模式(DD-SIMCA)、单类偏最小二乘(OCPLS)、单类支持向量机(OCSVM)以及单类随机森林(OCRF),论述单类分类方法在食品真实性鉴别中的应用,具体在食用油,乳制品,饮料,保健品,香辛料及谷物方面进行了阐述,还分析了当前单类分类方法存在的问题,最后对该技术的应用前景进行展望,为食品认证分析提供了一定的理论依据。

关键词： 局部放电   PRPD谱图   支持向量机   模式识别  

摘要： 为了解交联聚乙烯电缆缺陷的局部放电特性及局放高频脉冲相位分布图谱识别,在实验室条件下制作电缆终端及中间接头常见放电缺陷,采用高频电流法对交联聚乙烯电缆常见缺陷进行局部放电检测实验,通过采集局部放电数据并绘制局部放电图谱。结合电力电缆几种典型缺陷电场分布特点,分析电力电缆在不同缺陷条件下的放电特性,提取局部放电PRPD图谱特征量,使用支持向量机法(SVM)对四种典型缺陷进行识别分类。由于缺陷类型不同,导致其放电特征的相位分布差异明显,将PRPD图谱特征值作为向量机输入进行分类计算,最终得出该放电数据对应的缺陷类型。

关键词： 模式识别   机械自动化   制造过程   质量监控   SPC控制图   改进k-means算法  

摘要： 为降低机械自动化制造过程中的废品率,提出模式识别在机械自动化制造过程中的质量监控方法,监控自动化制造过程中的产品质量,提高对产品质量的识别精准度。基于机械自动化制造过程中的质量检测环节,创建机械自动化制造过程中的产品质量监控流程。采用数字化测量仪采集机械自动化制造生产线质量数据,创建SPC控制图。基于SPC控制图模式识别的质量监控方法,将k-means算法与粒子群算法相结合,利用改进k-means算法获取控制图模式产品质量数据集聚类中心,结合欧氏距离,提取SPC控制图距离特征。将其输入多分类的支持向量机中,识别机械自动化制造过程中的产品质量控制图模式类型,诊断异常因素,并采取相应调控措施,实现机械自动化制造过程中的质量监控。实验表明:该方法可有效提高控制图的识别精准度,缩短训练与测试时间;并有效监控机械自动化制造过程中的产品质量。

关键词： 紫菀   蜜炙   指纹图谱   HPLC   槲皮素   紫菀酮   山柰酚   化学模式识别   质量评价  

摘要： 目的:建立紫菀生品和蜜炙品的HPLC指纹图谱,结合化学模式识别,分析判别生品紫菀和蜜紫菀,寻找紫菀炮制前后质量差异标志物,为紫菀炮制机理提供科学参考。方法:运用HPLC方法,Agilent Eclipse Plus C18色谱柱(250 mm×4.6 mm,5μm),流动相为0.1%磷酸水溶液-乙腈梯度洗脱,检测波长为200 nm,采用化学模式识别中的聚类分析(HCA)、主成分分析(PCA)和正交偏最小二乘法-判别分析(OPLS-DA)对紫菀炮制前后进行差异分析。结果:建立了紫菀生品和蜜炙品的HPLC指纹图谱,共有23个共有峰,经与对照品比对,指认出6个色谱峰,分别为绿原酸(5号峰)、异绿原酸B(8号峰)、异绿原酸A(9号峰)、槲皮素(16号峰)、山柰酚(19号峰)、紫菀酮(25号峰)。通过HCA、PCA、OPLS-DA的化学模式识别方法可将紫菀生品和蜜炙品分为2类,槲皮素、山柰酚、紫菀酮、异绿原酸等10个成分可能是紫菀炮制前后的质量差异标志物。结论:建立的HPLC指纹图谱结合化学模式识别分析的方法准确可靠,重复性好,可用于紫菀炮制前后的质量差异分析。

关键词： 局部放电   生成对抗网络   深度残差网络   数据增强   模式识别  

摘要： 为了解决局放模式识别的准确性受不平衡样本与神经网络深度结构制约的问题,提出了一种基于CycleGAN与深度残差网络的局放数据增强与模式识别方法。首先对稀疏表示去噪及脉冲提取得到的局放脉冲信号进行S变换得到局放时频谱图作为训练样本。然后利用CycleGAN实现对局放时频谱图的重构增强,同时引入对抗损失函数、循环一致性损失函数,以保证局放数据的高质量生成,扩充后的局放样本库丰富度更高。最后利用增强后的局放数据集训练深度残差网络,利用残差块的恒等映射结构自适应调节网络深度,解决了深度网络不易收敛的问题,同时实现对局放信号的精准辨识。实验结果表明,经数据增强的深度残差网络模式识别准确率达到98%,较增强前提高了6.8%。

关键词： 伞形科   色谱法   高压液相   聚类分析   前胡   硬前胡   化学模式   检验方法  

摘要： 目的通过高效液相色谱法(HPLC)测定前胡和硬前胡中白花前胡甲素和白花前胡乙素的含量,运用统计学方法对其进行质量分析比较和化学模式识别,并制定其检验方法。方法采用Waters SunFire C_(18)色谱柱(250 mm×4.6 mm,5μm);流动相为甲醇和水溶液,梯度洗脱,体积流量1.0 mL/min,检测波长320 nm。使用SPSS 26.0分析样品中白花前胡甲素和白花前胡乙素含量。结果前胡与硬前胡质量存在明显差异,白花前胡甲素和白花前胡乙素峰面积比值,前胡<1.0,硬前胡>1.0,可用于区别两种;前胡的指纹图谱相似度在0.85以上,硬前胡小于0.2;聚类分析中前胡和硬前胡各自相聚。结论所建立的方法可用于前胡和硬前胡的判别,操作快捷、简便和实用。

关键词： 中国自动化学会   计算机视觉   模式识别   自动化研究所   机器智能   人工智能   南京理工大学   中国科学院  

摘要： 2022年11月26日,由中国自动化学会主办,中国自动化学会模式识别与机器智能(CAA-PRMI)专业委员会和《模式识别与人工智能》编辑部联合组织的2022中国自动化大会专题论坛“模式识别与计算机视觉前沿”成功举办。本次论坛邀请了北京大学教授查红彬、南京理工大学教授杨健、天津大学教授胡清华、清华大学副教授鲁继文、中国科学院沈阳自动化研究所研究员丛杨以及中国科学院自动化研究所研究员赫然六位专家学者作特邀报告。