关键词： 聚类   深度聚类   深度学习   自编码器   模式识别  

摘要： 聚类是机器学习的核心任务之一,通常是在无标签条件下,依靠发掘数据潜在的结构进行聚类。近年来,数据的复杂度越来越高,数据隐空间中存在各种冗余复杂的空间结构,传统聚类算法难以从中分离出不同簇的数据。深度学习具有强大的特征表示和非线性逼近能力,在无监督聚类领域也显现出优越性,基于深度学习的聚类模型有效提高了各类复杂数据的聚类结果。该文提出了一种新的端到端深度聚类模型,在自编码器框架下,构建多个不同的聚类子空间,并利用高维样本在多个子空间的低维特征重构原始样本,同时增加一个对样本进行簇预测的网络,利用预测的概率向量对不同簇的解码样本进行加权融合,通过最小化融合样本与原始样本之间的重构误差并对子空间加以约束,最终实现对高维样本的聚类。模型同时兼顾聚类簇的子空间结构和不同簇之间的重构误差,在标准数据集上取得了较好的聚类效果。

关键词： 槐角   蜜槐角   UPLC特征图谱   方差分析   没食子酸   芦丁   染料木苷   槲皮苷   槐角苷   5-羟甲基糠醛  

摘要： 目的测定槐角炮制前后的超高效液相色谱(UPLC)特征图谱和色度值,结合不同模式识别方法比较槐角炮制前后的差异性,为槐角和蜜槐角的质量控制及评价提供参考。方法采用UPLC法对槐角炮制前后样品进行测定,按《中药色谱指纹图谱相似度评价系统(2012版)》对色谱图进行匹配生成槐角炮制前后的UPLC特征图谱,并对炮制前后的色度值(L、a、b)进行测定,通过相似度分析、对照品比对、方差分析、聚类分析、主成分分析(principal component analysis,PCA)和正交偏最小二乘判别分析(orthogonal partial least squares discriminant analysis,OPLS-DA)对槐角炮制前后进行多模式识别研究。结果建立了槐角炮制前后的UPLC特征图谱,槐角和蜜槐角分别确定了23、24个共有峰,指认2、15、16、20、21号峰为没食子酸、芦丁、染料木苷、槲皮苷、槐角苷,炮制后新增成分24号峰为5-羟甲基糠醛;相似度分析结果显示槐角炮制前后相似度均大于0.98,聚类分析结果显示槐角炮制前后区分不明显,PCA可以将槐角和蜜槐角大致分为2类,OPLS-DA分析可将槐角和蜜槐角明显区分为2类,且结果显示1、2、10、22、23、24号峰是引起槐角和蜜槐角间成分差异的主要标志性成分,与方差分析结果一致;色度值ΔE范围为5~13,炮制前后色差可被肉眼识别。结论建立的多指标特征图谱和色度值鉴别方法对槐角药材及其炮制品的质量控制及整体性评价具有重要意义。

关键词： 变压器套管   局部放电   故障诊断   特高频   特征工程   模式识别  

摘要： 为解决传统和在线检测方法对于套管的潜伏性放电故障无法及时检测或检测灵敏度较低的问题,采用了具有较高的抗干扰能力并且可实现非接触式检测的特高频法。为分析特高频电磁波在变压器套管中的传播特性,建立了变压器套管物理模型;通过仿真计算明确了套管局部放电特高频信号的泄漏路径及实现外部无接触式检测的可行性。建立110 kV套管多类型局部放电实验平台并通过测试,得到了典型放电故障类型下对应的特高频信号波形16类时频域特征。对比分析了采用主成分分析、局部线性嵌入、核主成分分析进行特征筛选的结果,以及相关支持向量机算法进行故障诊断时的诊断结果。实验数据表明,模型在维度较高时各算法均有92%以上的准确率,这证明所选特征具有较好的代表性;在模型达到95%以上的准确率时,使用局部线性嵌入算法可将特征向量维度降低至3维、故障诊断所需数据量减小81.25%,这证明局部线性嵌入算法能够在保证高准确率的同时,高效地缩小特征维度、大幅减小数据处理量。

关键词： 中国自动化学会   人工智能   模式识别   自然语言处理   智能计算机   认知计算   机器学习   期刊研究  

摘要： 摇《模式识别与人工智能》(Pattern Recognition and Artificial Intelligence)是中国科学技术协会主管,中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办,科学出版社出版的学术性期刊.期刊研究方向主要包括:1)模式识别的理论与方法;2)人工智能的理论与方法;3)机器学习;4)智能芯片与新型计算架构;5)计算智能及网络智能;6)大数据分析与知识发现;7)图像处理、分析与理解;8)计算机视觉与认知计算;9)语音合成与识别;10)自然语言处理;11)情感计算与智能交互;12)机器人与智能系统;13)生物信息学与计算生物学;14)粒计算与智能决策;15)知识工程与推理;16)人工智能行业应用.本刊1989年创刊,月刊,现为大16开本,国内外公开发行.期刊网址:http://***.

关键词： 局部放电   GIS   特高频法   硅光电倍增   D-S证据理论  

摘要： 气体绝缘组合电器(GIS)局部放电检测使用的传统特高频(ultra-highfrequency,UHF)法具有抗偶发干扰能力差、容易误检等问题,针对局部放电的光信号进行检测是最近的研究热点,然而新式光检测法具有检测死角多、容易漏检的问题。为此,本文提出基于Goubau天线和硅光电倍增管联合的GIS光电局部放电检测方法,并对GIS内部4种典型绝缘缺陷产生的局部放电进行光电同步测量。提出基于多层感知机和Dempster-Shafer(D-S)证据理论的GIS局部放电光电联合检测模式识别方法,对UHF法与光测法联合采集得到的局部放电相位分析图谱统计特征参量进行信息融合与判断决策。结果表明:该方法能较好地弥补利用单种测量结果进行局部放电模式识别不准确的问题,使用D-S证据理论对光电联合测量结果进行模式识别的准确率高于单一测量结果的准确率。

关键词： 目标检测   模式识别   卷积神经网络   数字式仪表   特征提取  

摘要： 针对数显游标卡尺字符识别场景,该文提出一种基于卷积神经网络(CNN)检测模型的仪表智能识别系统。首先,从数字式游标卡尺测试现场采集图像样本,并对其分辨率和大小进行归一化;其次建立CNN模型来训练图像样本并提取特征,根据图像特征提取图像样本中的数字显示区域,并提取出游标卡尺中的数字;最后,构建数字式游标卡尺的数据集,并利用浅层神经网络模型对其进行识别。实验测试结果表明,所提出的CNN模型对仪表字符的整体识别率达到95%以上,单个字符识别率为98.86%,远高于其他算法,该模型具有良好的鲁棒性和泛化能力。

关键词： 人工智能算法   图像识别技术   模式识别  

摘要： 本文在对人工智能算法下图像识别技术原理进行分析的基础之上,探讨人工智能算法下神经网络、非线性降维图像识别、模式识别三大技术,并且以具体案例为切入点,对三大技术应用情况进行了研究,进而指出人工智能算法下图像识别技术发展趋势。

关键词： 丹参   市售配方颗粒   超高效液相色谱   丹酚酸类   丹参酮类   指纹图谱   化学模式识别   质量评价  

摘要： 目的:建立市售丹参配方颗粒超高效液相色谱指纹图谱和化学模式识别方法,为其质量一致性研究提供参考。方法:采用Waters symmetry C18Analytical色谱柱(150 mm×4.6 mm,5μm)进行检测,流动相为乙腈-0.05%磷酸水溶液,梯度洗脱,流速为0.3 mL·min^(-1),柱温为30℃,检测波长为280 nm,进样量为2μL。建立4个厂家市售的31批丹参配方颗粒指纹图谱,并进行相似度评价、层次聚类分析(HCA)和主成分分析(PCA),结合正交偏最小二乘-判别分析(OPLS-DA)筛查不同批次丹参配方颗粒的差异成分。结果:建立的市售丹参配方颗粒UPLC指纹图谱共标定了13个共有峰。通过与对照品比对,共指认了10个成分,分别为丹参素(1号峰)、原儿茶醛(2号峰)、咖啡酸(3号峰)、丹酚酸D(4号峰)、丹酚酸E(5号峰)、迷迭香酸(6号峰)、紫草酸(8号峰)、丹酚酸B(9号峰)、丹酚酸A(11号峰)、丹参酮ⅡA(13号峰)。31批市售丹参配方颗粒指纹图谱相似度在0.877~0.999,HCA、PCA和OPLS-DA均将样品分为了4类,在OPLS-DA模型下,以VIP值大于1筛选出了导致各批次间产生差异的3个差异性标志物,分别为咖啡酸(3号峰)、12号峰和丹参酮ⅡA(13号峰)色谱峰。结论:该分析方法简单可行,具有良好的精密度、重复性和稳定性,适用于快速评定不同厂家市售不同批次丹参配方颗粒的稳定性和一致性,可为市售丹参配方颗粒整体的质量评价提供参考。

关键词： 四消丸   高效液相色谱法   指纹图谱   主成分分析   偏最小二乘法-判别分析  

摘要： 目的:建立四消丸HPLC指纹图谱方法,为评价其质量提供参考。方法:采用Waters Symmetry Shield TM RP18色谱柱;乙腈(A)-0.1%磷酸溶液(B)为流动相,梯度洗脱;流速1.0mL·min-1;柱温30℃;检测波长254nm;进样量10μL。通过相似度评价、聚类分析、主成分分析和偏最小二乘判别分析对6家生产企业不同批次的四消丸样品进行质量评价和分析。结果:6家生产企业17批样品共标定24个共有峰,相似度为0.747~0.972,并对24个色谱峰进行了药味归属,同时指认了12个色谱峰;通过聚类分析及主成分分析将所有样品分为2类;偏最小二乘判别分析筛选出包括大黄素甲醚、大黄素葡萄糖苷、大黄素等在内的8种质量差异标志物。结论:该方法操作简便、准确,可用于四消丸的质量控制和评价研究。

关键词： 人工智能   多媒体信息处理   计算机视觉   机器学习   模式识别   信息融合   类脑计算   视觉感知  

摘要： 随着时代的发展,当今人类社会已经进入人工智能时代,智能化发展可谓是突飞猛进,已逐渐应用到生活中各个场景,并与多个领域深度融合发展。其中,人工智能在计算机领域内,也得到愈加广泛的重视,人工智能仿佛是一把科技的利剑正在开辟着崭新的未来。西北工业大学脑与人工智能实验室教授、陕西省“信息融合”技术创新团队、西北工业大学“类脑计算”新兴交叉学科的骨干成员张鼎文,一直致力于面向开放复杂环境的类脑视觉感知与学习方法的研究,其研究工作主要涵盖了人工智能领域中的热点研究方向,如计算机视觉、模式识别、多媒体信息处理、机器学习。