关键词： 中耳炎   模式识别受体   先天性免疫反应   发病机制  

摘要： 中耳炎(otitis media,OM)有着高流行率和高发病率,目前已经成为全球的重大医疗负担。先天性免疫系统是中耳内第一道防线,主要通过细胞上模式识别受体(pattern recognition receptors,PRRs)对入侵病原体上的病原体相关分子模式(pathogen-associated molecular patterns,PAMPs)做出反应而激活免疫反应。文章针对PRRs在OM发生中的作用机制进行回顾并综述,以期为临床预防和治疗OM提供理论依据和新的方向。

关键词： 百合紫苏复合茶   指纹图谱   高效液相色谱法   化学计量学   质量评价  

摘要： 百合紫苏复合茶是由百合、酸枣仁、紫苏、山楂4种药食同源材料组成。为更好地对百合紫苏复合茶进行质量控制,建立百合紫苏复合茶的指纹图谱和多种成分含量测定方法。该研究采用高效液相色谱(high performance liquid chromatography,HPLC)法建立12批百合紫苏复合茶的指纹图谱,并测定其中绿原酸、咖啡酸、阿魏酸、斯皮诺素、王百合苷B及迷迭香酸成分的含量。通过聚类分析、主成分分析以及正交偏最小二乘-判别分析对指纹图谱进行分析,并选出影响百合紫苏复合茶的差异性成分。结果表明:12批复合茶指纹图谱选出23个共有峰,在各自范围内,6种成分的线性关系良好(r>0.9998),聚类分析结果表明,12批百合紫苏复合茶可被分为2类,S2、S3、S4、S10分为一类,其余批次为一类。运用的3种化学计量学分析方法对数据分析结果一致。

关键词： 通信抗干扰   干扰用频模式识别   阈值去噪   浅层去噪  

摘要： 对电磁干扰模式的准确识别,能为无线通信抗干扰提供重要的决策依据。目前对该问题仅有少量研究,且未考虑环境噪声对其识别性能和方法设计的重要影响。针对噪声条件下干扰模式识别提出了一种基于阈值去噪的深度学习模型,以在特征空间内减弱噪声特征对识别的影响。并分析了去噪功能在不同深度网络层中的效果,提出在卷积神经网络的浅层加入阈值去噪块,以克服噪声对浅层特征的影响,以及非线性传播导致的对深层特征的进一步影响,提高噪声条件下干扰模式识别的准确率。通过对12种不同干扰模式进行识别并对所提方法的性能进行评估,实验结果表明,所提阈值去噪模型和部署优化方法有效降低了噪声对干扰识别的影响,在处理干扰模式识别任务上取得良好的性能。

关键词： BP神经网络   优化算法   高维数据挖掘模式   识别精度  

摘要： 针对高维数据挖掘模式识别中BP神经网络算法的局限性,提出了一种基于优化算法的BP神经网络改进模型。通过遗传算法优化学习率,提高了神经网络的训练效率和预测精度。实验结果表明,优化后的模型在高速铣削工件表面粗糙度预测中具有较高的准确性和稳定性,为高维数据挖掘提供了有效的模式识别方法。不仅为BP神经网络的优化提供了新思路,也为相关领域的数据分析和预测提供了实用工具。

关键词： 嵌入式技术   雷电活动模式   识别   应用  

摘要： 雷电活动具有灾害多发的风险,需要利用嵌入式技术对雷电活动模式识别及建立预警机制。文章对嵌入式技术在雷电活动模式识别中的应用系统进行分析,对嵌入式技术的雷电活动模式识别与预警系统设计和实现展开了分析。系统设计中,通过对嵌入式技术在雷电活动模式识别中的应用系统需求及系统架构进行分析后,提出了嵌入式技术的雷电活动模式识别与预警系统实现路径,为广大学者提供参考及建议。

关键词： 射频指纹   Wi-Fi信号   句法模式识别   物理层安全  

摘要： 针对射频指纹特征提取中信道畸变与噪声干扰导致的数据维度高、分类鲁棒性差等问题,提出基于句法模式识别的射频指纹识别方法。以802.11 Wi-Fi信号为对象,通过提取射频指纹幅度谱的拐折特征,构建层次化句法模型以实现特征压缩。首先,将幅度谱的局部形态归纳为峰、谷、上平肩、下平肩4类基元,建立3层句法映射规则:第1层提取单线段特征(平直、上升、下降),第2层组合相邻线段生成双线段特征(如峰、谷),第3层结合特征位置与电平值生成句法序列,进一步提出子图融合算法,通过嵌入、剪枝与拓扑重排,融合同类设备的多样本句法模型,最终将射频指纹特征压缩60%~66%(从50维降至30~33维)。利用10个ESP32-WROOM 32U模组进行实验,在信噪比25 dB下,结合句法模型后,K-近邻(Knearest neighbor,KNN)和朴素贝叶斯分类器的准确率分别提升4.3%和5.0%,开集识别的类内/类间错误率均低于10.72%。实验结果表明,所提方法在降低数据维度的同时仍能维持高判别性,为射频指纹识别提供了一种新思路。

关键词： 自动化决策   模式识别   数据处理   效率   审核  

摘要： 人工智能(AI)技术的快速发展为传统审核工作带来了深刻变革。AI凭借其在数据高效处理、模式识别与自动化决策方面的优势,能够在审核策划、文件解析、风险预测、数据比对等标准化环节中替代或辅助人工,显著提升审核效率并降低成本。然而,AI的有效性高度依赖高质量训练数据、算力资源及输入数据的标准化,同时面临噪声数据干扰、场景适应性不足等挑战。

关键词： 有柄石韦   指纹图谱   化学模式识别   聚类分析   主成分分析  

摘要： 目的 建立贵州不同地区有柄石韦的指纹图谱,为黔产有柄石韦质量标准的完善提供参考。方法 采用依利特色谱柱(4.6 mm×50 mm, 5μm);以0.1%磷酸水(A)-甲醇(B)为流动相,梯度洗脱;流速为0.8 mL/min;柱温为30℃;检测波长为327 nm;同时测定20批有柄石韦指纹图谱,结合聚类分析、主成分分析对有柄石韦进行全面分析。结果 建立了贵州20个地区的有柄石韦指纹图谱,相识度>0.907,其中共有峰14个,指认出绿原酸、咖啡酸、香草酸、芒果苷、芦丁5个成分。聚类分析将20批药材分为3类,主成分分析筛选出5个主成分,其累积方差贡献率为84.413%,表明这5个主成分可包含原有数据的大多数信息。结论 通过共有模式图、相似度评价软件、聚类分析和主成分分析,表明黔产有柄石韦药材在成分上无明显差异,但化学成分含量各有不同,可为贵州地区有柄石韦的质量标准完善提供参考。

关键词： berberine hydrochloride   chemical pattern recognition   columbamine   fingerprint   jatrorrhizine hydrochloride   Mahonia   Mahoniae Caulis   palmatine hydrochloride   quality evaluation  

摘要： Objective To evaluate the quality of Mahoniae Caulis from different species by UPLC multi-component determination and fingerprint combine with chemical pattern recognition method, and provide a reference and basis for the construction of the quality assessment of Shidagonglaomu (Mahoniae Caulis) and the identification of species. Methods The analysis was performed on an UPLC with Agilent Zorbax SB-Aq column (150 mm × 2.1 mm, 1.8 μm), the mobile phase consisted of acetonitrile-0.1% phosphoric acid solution for gradient elution, the volume flow rate was 0.3 mL/min, the detection wavelength of fingerprint and content determination were 220 nm and 345 nm, column temperature was 15 ℃, and injection volume of 2 μL. The fingerprint of Mahoniae Caulis from different species were established by UPLC method, and the content of four active ingredients in Mahoniae Caulis were simultaneously determined. The differences of different Mahoniae Caulis species were studied by hierarchical cluster analysis (HCA), principal component analysis (PCA), orthogonal partial least squares-discriminant analysis (OPLS-DA) and analysis of variance. Results The UPLC fingerprints of Mahoniae Caulis from four species were established. The similarity of Mahoniae Caulis from the same species was greater than 0.968，and similarity of four Mahoniae Caulis species ranged from 0.864 to 0.964. A total of 17, 15, 14 and 9 common peaks were identified for Mahonia eurybracteata, M. bodinieri, M. ganpinensie, M. duclouxiana, respectively. And four of them were identified by comparing with reference substance, which were columbamine, jatrorrhizine hydrochloride, palmatine hydrochloride, and berberine hydrochloride. The results of HCA, PCA and OPLS-DA could accurately distinguish four species of Mahoniae Caulis. There were obvious differences in chemical components among the different species and seven inter-species significant differential components were found by OPLS-DA. The content determination results show

关键词： 液压支架   自动跟机   推溜移架   异常工况识别   油缸行程   立柱压力  

摘要： 智采工作面在液压支架自动跟机时,由于底板、液压系统及电液控制系统等多方面因素的影响,会出现丢架、直线度不平整等异常工况。当前针对各类异常工况的识别分析主要集中于自动跟机结束后,仅通过人工调整进行单一判断,不利于快速判断需人工调控的液压支架架号。针对上述问题,提出了一种液压支架跟机移架控制异常工况模式识别方法,将异常工况识别范围提前至支架降柱后的移架阶段,得出停机波动型、移架超时型和行程异常型3类异常工况模式。首先,采集液压支架油缸行程与立柱压力数据。其次,对数据进行预处理,包括异常值处理、相邻数据求差及依据差值正负合并数据。然后,采用基于行程-压力-时间分析的移架异常识别算法对停机波动型与移架超时型模式进行识别;采用决策树模型对行程异常型模式进行识别。最后,提取移架动作起始及结束时间、当前支架行程的最大与最小值、当前支架与两侧支架的行程差6项特征,将其中移架动作起始与结束时间输入移架异常识别算法,进行行程波动识别,对具有行程波动的数据分别进行压力波动及移架动作时间的判别,识别出停机波动型与移架超时型模式;将后续4项行程类特征输入决策树模型,进行行程异常类模式的识别。实际测试结果表明:该识别方法对停机波动型模式与移架超时型模式的识别精确率为100%,召回率达95%以上;对于行程异常突降型模式的识别精确率为100%,召回率为97.87%;行程异常均小型模式的识别精确率为95.29%,召回率为81%,能够较好地对液压支架跟机移架控制的异常工况进行识别。