关键词： 意大利蜜蜂   胡蜂   声音景观参数   支持向量机  

摘要： 胡蜂攻击蜂群是蜜蜂养殖过程中的主要敌害之一,通过声音手段进行蜂群的监测管理是智慧养蜂业的重要手段.本文以意大利蜜蜂为研究对象,通过实验过程中采集到的胡蜂攻击蜂群的声学数据,从声音信号的声谱图特征分析出发,选择了短时能量、短时过零率、短时平均幅度、声音复杂度等9个声音特征参数,利用支持向量机技术进行模式识别建模.结果表明,在径向基核函数的支持下选择9维参数参与建模,精度可达到84.70%;利用主成分变换后的6维参数进行建模,精度可达到86.23%.利用随机森林分析技术对选择的9维变量进行分析,得到短时过零率、频谱质心、音频均匀度指数、短时平均幅度这4个参数对建模获得的重要性最大.

关键词： Prototypes   Feature extraction   Training   Kernel   Testing   Muscles   Convolution   Human-machine interface   myoelectric signal   pattern recognition   deep learning  

摘要： Traditional myoelectric pattern recognition (MPR) systems usually perform well under laboratory conditions. However, in practice, unknown motions that do not appear in the training phase will inevitably disturb MPR systems, leading to dramatic performance degradation in motion classification. Generative and discriminative models are two representative ways to solve this problem in the literature. They only learn the patterns of known motions and reject unknown motion samples endowed with different patterns. However, the generative models often perform poorly in categorizing known motions compared with the discriminative models. While in contrast, the discriminative models always perform relatively inferiorly in distinguishing unknown motions. In this paper, a novel myoelectric control method based on the convolutional prototype network (CPN) is proposed. CPN combines the advantage of the generative model and the discriminative model in an end-to-end manner. It constructs multiple prototypes of known motion classes and identifies samples of known/unknown classes using the template (i.e., prototype) matching. The proposed method is evaluated using the high-density surface electromyography (HD-sEMG) data recorded while performing seven known and six unknown hand motions. Compared to the latest deep learning-based study, our proposed method can yield a significantly higher accuracy of 97.87% in identifying unknown motions and reduce training and testing time by more than 80%, indicating that it is a promising solution to realize robust myoelectric control in practice.

关键词： 绿萼梅   质量标志物   定量指纹图谱   化学模式识别技术   绿原酸   芦丁   金丝桃苷   异槲皮苷  

摘要： 目的利用化学模式识别技术对绿萼梅药材指纹图谱数据进行分析,筛选特征性指标成分从而建立绿萼梅Q-Marker的定量分析策略,为绿萼梅质量评价提供科学依据。方法采用超高液相色谱法建立3个产地绿萼梅的指纹图谱,运用相似度分析、聚类分析、主成分分析和偏最小二乘判别分析等化学模式识别技术筛选出不同产地绿萼梅化学成分的特征成分作为绿萼梅Q-Marker,并定量分析。结果30批绿萼梅UPLC指纹图谱标定8个共有峰,相似度在0.816~0.969;通过聚类分析、主成分分析和偏最小二乘判别分析较好的区分各产地绿萼梅,综合分析筛选绿原酸、芦丁、金丝桃苷、异槲皮苷作为绿萼梅Q-Marker,质量分数分别在3.08%~4.71%、0.41%~0.71%、0.13%~0.25%、0.25%~0.38%。结论通过指纹图谱结合化学模式识别技术的分析策略可快速有效的筛选绿萼梅Q-Marker,为绿萼梅质量评价提供参考。

关键词： 心安胶囊   高效液相色谱法   指纹图谱   多成分定量分析   聚类分析   主成分分析   偏最小二乘法-判别分析   质量控制  

摘要： 目的建立指纹图谱、多成分定量分析和化学模式识别分析相结合的心安胶囊质量评价方法。方法采用高效液相色谱(HPLC)法,结合《中药色谱指纹图谱相似度评价系统(2012版)》建立24批心安胶囊的指纹图谱,并进行相似度评价,确定共有峰;采用同一HPLC法测定心安胶囊中牡荆素葡萄糖苷、牡荆素鼠李糖苷、牡荆素、金丝桃苷和异槲皮素的含量;以指纹图谱共有峰峰面积为变量,采用MetaboAnalyst 5.0工具绘制聚类分析(CA)热图,采用SIMCA 14.1软件进行主成分分析(PCA)和偏最小二乘法-判别分析(PLS-DA)。结果24批心安胶囊共有12个共有峰,相似度均大于0.97;指认出绿原酸、牡荆素葡萄糖苷、牡荆素鼠李糖苷、牡荆素、金丝桃苷和异槲皮素6个共有峰。牡荆素葡萄糖苷、牡荆素鼠李糖苷、牡荆素、金丝桃苷、异槲皮素检测质量浓度的线性范围分别为2.36~151.35、9.15~585.20、1.20~76.50、0.68~43.20、0.44~27.90μg/mL(r均大于0.999);精密度、重复性、稳定性(24h)试验的RSD均小于2.00%;平均加样回收率分别为95.80%(RSD=0.96%,n=6)、102.10%(RSD=0.93%,n=6)、103.26%(RSD=1.28%,n=6)、103.89%(RSD=0.73%,n=6)、102.09%(RSD=1.79%,n=6)。5种成分的含量分别为0.9888~1.5591、4.3366~11.2201、0.0651~0.8305、0.0438~0.6925、0.0232~0.4272 mg/粒。CA、PCA结果显示,24批样品可分成3类,S1~S15为一类,S16~S18为一类,S19~S24为一类;PLS-DA发现,6号峰对应成分和牡荆素葡萄糖苷(7号峰)、牡荆素鼠李糖苷(8号峰)、金丝桃苷(10号峰)、异槲皮素(11号峰)的变量重要性投影值均大于1。结论所建立的HPLC指纹图谱、多成分定量方法简单、可行,结合化学模式识别分析可用于心安胶囊的质量控制;牡荆素葡萄糖苷、牡荆素鼠李糖苷等可能是影响各批样品质量的差异标志物。

关键词： 隔山消   高效液相色谱法   指纹图谱   化学模式识别分析   含量测定  

摘要： 目的建立隔山消药材的指纹图谱并进行化学模式识别分析,同时测定其中4种成分的含量。方法采用高效液相色谱(HPLC)法。色谱柱为ACE UExcel C_(18),流动相为乙腈-0.1%磷酸溶液(梯度洗脱),流速为1.2 mL/min,检测波长为210 nm,柱温为40℃,进样量为10μL。以青阳参苷元为参照,采用《中药色谱指纹图谱相似度评价系统(2012版)》绘制16批隔山消药材的HPLC指纹图谱并进行相似度评价,确定共有峰。采用SPSS 26.0软件和SIMCA 14.0软件进行聚类分析、主成分分析和正交偏最小二乘-判别分析,以变量重要性投影(VIP)值大于1为标准筛选影响隔山消药材质量的差异性成分;采用相同的HPLC法测定丁香酸、去酰基萝藦苷元、白首乌二苯酮和青阳参苷元的含量。结果16批隔山消药材中共有29个共有峰,相似度为0.723~0.998;共指认了4个共有峰,分别为丁香酸(7号峰)、去酰基萝藦苷元(9号峰)、白首乌二苯酮(13号峰)、青阳参苷元(15号峰)。聚类分析结果显示,16批隔山消药材可聚为3类,其中S1为一类,S3为一类,S2、S4~S16为一类。主成分分析结果显示,5个主成分的累计方差贡献率为88.706%,分类结果与聚类分析结果一致。正交偏最小二乘-判别分析结果显示,VIP值大于1的共有峰由大到小依次为20号峰、10号峰、25号峰、12号峰、15号峰(青阳参苷元)、21号峰、14号峰、16号峰、26号峰、22号峰、17号峰。丁香酸、去酰基萝藦苷元、白首乌二苯酮和青阳参苷元检测质量浓度的线性范围分别为0.7153~45.7780、2.3794~152.2810、0.6420~41.0850、14.5416~930.6620μg/mL(R^(2)均大于0.999);定量限分别为0.3577、0.4759、0.6420、2.4236μg/mL,检测限分别为0.1460、0.1641、0.2488、0.8333μg/mL;精密度、重复性、稳定性(24 h)试验的RSD均小于3%;平均加样回收率分别为99.11%(RSD=2.00%,n=9)、98.54%(RSD=2.21%,n=9)、96.33%(RSD=2.54%,n=9)、95.96%(RSD=2.93%,n=9);含量分别为17.12~147.80、95.23~583.10(S8低于定量限)、16.91~210.88、211.68~3587.15(S1低于定量限)μg/g。结论所建HPLC指纹图谱和含量测定方法稳定、可靠、准确度高且重复性好,结合化学模式识别分析可用于隔山消药材的质量控制。

关键词： 深度残差网络   局部放电试验   模式识别   油纸绝缘   热老化检测  

摘要： 为解决现有油纸绝缘老化识别技术存在的问题,提出一种基于深度残差网络的油纸绝缘老化状态识别方法。首先,基于柱板电极模型开展局部放电试验,获取不同热老化阶段下的油纸绝缘局部放电脉冲相位分布图谱;然后,对试验数据进行样本扩充、图像灰度化等预处理;最后,利用深度残差网络对样品进行模式识别,判断其所属老化阶段,并与SVM和BPNN 2种传统算法进行对比分析。试验结果表明,本文所运用的深度残差网络使油纸绝缘老化状态识别率达到97%,较SVM、BPNN等传统算法分别提升了24%和17%,这得益于深度残差网络对深层特征的自动提取、高训练稳定性和强大的拟合与泛化能力。该方法可以有效地对优质绝缘的不同老化阶段进行识别与分类,为在线识别、评估老化状态等应用奠定了基础。

关键词： 断路器   故障诊断   声音特征   联合倒谱系数   改进稀疏表示分类   模式识别  

摘要： 机械缺陷是导致断路器故障运行的主要原因之一,为了实现对断路器机械故障的诊断,该文根据人耳听觉特性提取断路器合闸声音信号的联合倒谱系数作为声音特征向量,运用线性判别分析和核主成分分析对特征向量进行优化与降维,进而采用稀疏表示分类算法对特征向量进行识别,将线性判别分析中的散度概念引入到稀疏表示分类目标函数以改善分类器性能。实验结果表明,该文所提方法能够准确识别断路器机械故障与变电站常见声音类别。将改进稀疏表示分类算法同稀疏表示分类、支持向量机与K近邻算法进行比较,结果表明该方法识别准确率较高,识别效果较好;最后在含噪情况下对该文所提方法的应用效果开展实验,并对联合倒谱系数和单一倒谱系数的识别效果进行比较。

关键词： 模式识别   整体-局部   端到端   失水率模型   皮尔逊系数  

摘要： 输水管网的明漏和地下水管的暗漏是供水系统的重要研究问题,挖掘输水管网明漏和暗漏的漏损模式,对于保障供水系统的正常运转有着重要意义。文章基于整体-局部的思想,首先针对明漏问题构建端到端的失水率模型,以5%作为警戒阈值,刻画失水率分析图;其次引入皮尔逊系数对端与邻端做相关性检测,建立地下水管暗漏的检测预警模型,结合实际数据进行检测和定位。实验结果表明,该模式能有效、快速的检测漏损情况。

关键词： 区间直觉犹豫模糊集   距离   相似测度   余弦相似度   模式识别  

摘要： 模糊集的相似测度是模糊集理论的重要组成部分之一,有着广泛的应用.首先给出了基于隶属度、非隶属度和犹豫度的区间直觉犹豫模糊集的标准海明距离、标准欧氏距离、广义标准海明距离公式以及它们的加权距离公式.然后提出了基于距离的区间直觉犹豫模糊集相似测度和区间直觉犹豫模糊集的余弦相似度,并给出了公理化证明.两种相似测度均包含了区间直觉犹豫模糊集的隶属度、非隶属度和犹豫度.最后将这两种相似测度应用到基于区间直觉犹豫模糊信息的模式识别中.

关键词： 飞行轨迹   模式识别   聚类分析   核主成分分析(KPCA)  

摘要： 为有效掌握空中交通流的分布规律,提高飞行轨迹聚类效率与质量,提出了一种精确度高、运算快、自主识别异常轨迹的飞行轨迹聚类方法。首先,改进均匀参数化法降低了飞行轨迹数据规模。其次,提出一种基于核主成分分析(kernel principal component analysis,KPCA)和飞行轨迹降维方法,突出不同类点之间的差异。最后,采用基于密度空间聚类(density-based spatial clustering of applications with noise,DBSCAN)算法剔除飞行干扰轨迹并完成聚类。实验表明,该方法在简化数据预处理的条件下,对1243条飞行轨迹实现准确聚类,划分识别出6个类别,保持较高的聚类质量并识别异常轨迹。相较于其他聚类方法,该方法简化了聚类前对飞行轨迹的预处理,提高了聚类效率,聚类效果更加准确,并能够识别异常轨迹。