摘要： ~~

关键词： 水波中心扩散算法   自适应加权集成学习   小样本   雷达工作模式识别  

摘要： 为提高在现代战场中的生存能力,机载多功能雷达呈现出信号样式复杂、参数高度捷变、开关机无规律和辐射时间减少等特点,给基于传统方法的雷达工作模式识别带来了一定的挑战。参考多功能雷达常见工作模式典型特征参数生成的样本数据,基于水波中心扩散(water wave center diffusion,WWCD)算法优化多个模型参数,采用自适应加权策略提高多个模型集成学习算法性能,开展多功能雷达工作模式识别。实验分别使用遗传算法、粒子群优化算法、差分进化算法和WWCD算法优化单模型参数,使用软投票、硬投票、自适应加权等不同集成学习策略进行工作模式识别。结果表明,所提算法相较于传统算法具有较高的准确率。此外,还研究测试了该算法在小样本条件下识别雷达工作模式的性能,验证了该算法的可行性和较高的识别效率。

关键词： 翻白叶树   指纹图谱   相似度   化学模式识别   含量测定   原儿茶酸   原花青素B2   表儿茶素  

摘要： 目的采用指纹图谱结合聚类分析(hierarchical clustering analysis,HCA)、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)等进行化学模式识别,对翻白叶树药材指纹图谱数据进行分析,筛选特征性指标成分并以此建立翻白叶树有效成分的定量分析,为翻白叶树质量控制提供科学依据。方法采用ChromCore 120 C18(4.6 mm×250 mm,5μm)色谱柱,以0.1%磷酸水溶液(A)-乙腈(B)为流动相进行梯度洗脱,体积流量0.8 mL·min^(-1),检测波长为280 nm,柱温30℃,进样量10μL,HPLC法建立12个产地30批药材翻白叶树的指纹图谱,运用相似度分析、HCA、PCA和PLS-DA等化学模式识别技术对差异性特征成分进行筛选,并定量分析。结果建立的指纹图谱方法符合方法学要求,30批翻白叶树HPLC指纹图谱标定17个共有峰,相似度在0.863~0.975;通过聚类分析将不同产地翻白叶树分为3类,聚类分析与主成分分析结果一致;通过HCA、PCA和PLS-DA较好地区分各产地翻白叶树,结合前期实验,综合分析筛选原儿茶酸、原花青素B2及表儿茶素3个成分作为翻白叶树有效成分,含量范围分别为0.103~1.676、0.141~5.556、0.144~3.381 mg·g^(-1)。结论该研究建立的翻白叶树药材指纹图谱及3个有效成分含量的测定方法稳定、可靠,重现性好,对评价翻白叶树的质量提供一定的科学依据。

关键词： 滚动轴承   声发射   变分模态分解   卷积神经网络  

摘要： 针对滚动轴承故障声发射信号的非平稳性、特征提取的高度复杂性以及智能诊断模型特征提取不充分等问题,提出了一种变分模态分解(VMD)参数自适应寻优结合高效通道注意力卷积神经网络(ECA-ConvNeXt)的故障模式识别方法。经实验证明,所提方法可实现充分的特征信息提取以及高准确率的故障模式识别,故障识别平均准确率可达97.6%。

关键词： 模式识别技术   图像处理   图像模式识别   图像分析   应用流程   运用探讨   应用验证  

摘要： 图像处理是图像分析应用的重要前提,而模式识别则是一种高效的图像处理技术。因此,本文简单介绍了模式识别技术,论述了模式识别技术在图像处理中的应用流程,并对模式识别技术在图像处理中的应用验证进行了进一步探究,希望为图像模式识别的实践推广提供一些参考。

关键词： 步态识别   自注意力机制   相对位置建模   模式识别   深层网络  

摘要： 步态识别是一种快速发展的远距离生物特征识别技术,在远距离、跨视角和跨着装等多种场景中具有广泛应用和优势。传统的生物特征识别技术,如指纹识别、面部识别等,往往需要近距离或在特定条件下才能有效进行,而步态识别技术则突破了这些限制,使得在更为广泛的环境下进行个体识别成为可能。以往的研究大多采用轻量级的神经网络提取步态特征,并在目前流行的跨视角和跨着装数据集上(如CASIA-B)取得了巨大的进步。然而,实验结果表明,在CASIA-B数据集上简单叠加神经网络的层数将导致识别准确率大幅度下降。基于相对位置编码转换器模块提出了一个深度步态识别网络,旨在避免陷入“局部特征关联”的陷阱,同时使网络能够持续不断地学习步态序列的时序特征。与目前主流的方法相比,所提方法在室内场景(CASIA-B,OUMVLP)和室外场景(Gait3D)步态数据集上都达到了更优的识别准确率,特别在换装任务(CL)上超出基准方法1.9%,实现了85.5%识别准确率。

关键词： 复合干涉算法   智能随掘   超前探测   模式识别  

摘要： 目前由于地震子波在传播过程中的吸收衰减等造成其物理属性的改变,以及反射系数自身的结构复杂性与假设多样性等问题的存在,地震子波提取与反褶积结果精度仍有待提高。为了解决以上问题,研究结合脉冲反褶积与离散小波变换开发出复合干涉算法,利用支持向量机算法进行模式识别,优化参考道信号的选择过程,最终设计出一种新的基于复合干涉算法的智能随掘超前探测技术。结果表明,在应用该方案后,检测到的信号振幅最大值显著降低至47854μm,最小值降至2165μm。该方案在提升信号分辨率和稳定性方面取得了显著成效,为煤矿探测等提供了更为可靠和精确的信号处理技术。

关键词： 智能交通   船舶运动模式   模式识别   支持向量机   数据分割  

摘要： 运动模式识别是实现船舶智能航行的重要研究方向。针对现有方法中数据更新速度慢、受环境约束大的问题,研究了1种基于九轴惯性测量单元(inertial measurement unit,IMU)的船舶运动模式识别方法。分析了当前船舶运动感知技术的不足,提出利用加速度计、陀螺仪和磁力计构成的九轴IMU来识别船舶运动参数。为处理包含多种运动模式的长时间连续信号,提出了1种基于隐马尔可夫模型的数据分割算法,并采用期望最大化算法估算模型参数,实现按运动模式分割信号,提取单一稳态模式信号。分析分割后的运动模式信号,提取能够表征船舶运动模式的时域特征。为提高识别精度,设计了1种基于二叉树结构的支持向量机(support vector machine,SVM)算法,利用最大割问题构建二叉树结构,在决策节点使用SVM分类器,并通过粒子群优化算法优化模型参数。实验基于实船采集的运动数据进行验证,结果表明:所提识别算法只需训练5个SVM子分类器,能够对6种船舶运动模式进行有效识别,平均识别精度达到96.498%。相比传统的一对一和一对多SVM多分类方法,提出的方法平均识别精度分别提高了13.835%和21.305%,且所需训练的子分类器数量更少,验证了方法的优越性与高效性。

关键词： 邮区中心   ResNet-50网络   YOLOv5算法   Jetson平台  

摘要： 本论文旨在改进邮政邮区中心局垛口作业管理。传统的手工台账管理方式容易导致人工误差,因此提出一种基于垛口摄像头数据的方法。首先,利用中值滤波改进ResNet-50网络,以准确判别垛口作业情况。其次,采用YOLO v5算法检测装卸车辆的车牌数据,并通过ResNet-18网络进行车牌清晰度判别。最后,利用OCR技术对清晰的车牌进行识别,实现车牌信息的输出。通过引入计算机视觉和深度学习技术,本研究实现对垛口作业和车辆车牌的自动化识别,从而提高管理效率并减少人为误差。同时采用JetsonNX作为边缘计算平台减少服务器成本的同时增加了算力,为进一步提升邮区中心垛口资源利用率提供思路。

关键词： 大数据审计技术   新质生产力   数据挖掘   模式识别   企业创新  

摘要： 在探讨新质生产力演进时,大数据审计技术的作用不容忽视。本研究深入实证与理论层面,界定了大数据审计技术的内涵与特性,并剖析其在新生产力形成中的催化效应。研究指出,大数据审计依托先进的数据挖掘与模式识别技术,有效推动了新质生产力的蓬勃发展,显著加快了工业创新的步伐。实证结果表明,该技术不仅是提升企业运营效率、缩减成本的利器,更是激发企业创新潜能、驱动新质生产力增长的强大引擎。同时,研究还针对大数据审计面临的挑战与未来前景进行了深入探讨,为相关领域的研究与实践提供了坚实的理论支撑与实用的参考路径。