关键词： 木芙蓉叶   高效液相色谱法   化学模式识别   加权TOPSIS   灰色关联度分析   质量评价  

摘要： 目的建立木芙蓉叶中11个主要成分定量方法,利用化学模式识别、加权TOPSIS与灰色关联度融合模型评价其质量。方法收集主要产地木芙蓉叶18批,采用外标法同时检测咖啡酸、阿魏酸、水杨酸、秦皮素、金丝桃苷、芦丁、异槲皮苷、山柰酚-3-O-芸香糖苷、银锻苷、β-谷甾醇、胡萝卜苷的含量,并检测浸出物、总灰分和酸不溶性灰分,结合化学模式识别、加权TOPSIS与灰色关联度融合模型对其质量进行综合评价。结果方法学验证表明,各成分线性关系良好,重复性和准确性良好,仪器精密度高,70%甲醇超声提取的木芙蓉叶供试品溶液在24 h内稳定性良好。含量测定结果显示批次间质量差异较大。化学模式识别表明,18批木芙蓉叶聚类明显,明确质量差异化合物为芦丁、咖啡酸、山柰酚-3-O-芸香糖苷、秦皮素和金丝桃苷。18批样品的综合相对贴近度为0.2538~0.6943。结论本研究建立的多指标定量方法可反映不同产地木芙蓉叶的质量差异,化学模式识别联合加权TOPSIS与灰色关联度融合模型可全面分析不同批次木芙蓉叶的质量状况,为木芙蓉叶质量分析和评价奠定基础。

关键词： 表面肌电信号   模式识别   粒子群算法   极限学习机  

摘要： 为提高人体手腕动作识别准确率,提出一种基于粒子群算法优化极限学习机动作模式识别新方法。通过虚拟仪器采集人体手腕内翻、外翻、握拳、展拳4种动作对应肌电信号,通过小波分析方法构造其特征矢量,然后利用特征矢量对极限学习机进行训练,结合粒子群优化算法强大寻优能力,优化调整极限学习机模型主要参数,最后采用优化后极限学习机模型对4种手腕动作对应测试集数据进行模式识别。结果表明,采用粒子群优化算法优化极限学习机模型有着更高手腕动作识别率,验证该方法可行性。

关键词： 10kV配电网   通信技术   故障诊断   模式识别   故障定位  

摘要： 10kV配电网是电力系统的核心部分,运行特性复杂,容易受到短路、接地故障及设备老化等问题的影响。传统方法难以满足现代配电网对故障诊断的高效性和精准性的需求。文章围绕10 kV配电网特点,研究基于通信技术的智能故障诊断系统,提出一种集数据采集、处理、模式识别与故障定位于一体的系统框架。利用传感器和高效通信网络实现多节点数据的实时采集和传输,引入小波变换与动态时间规整技术优化故障数据处理,结合支持向量机(SupportVectorMachine,SVM)与线性判别分析算法完成故障模式分类,设计行波和阻抗法双重定位机制提升故障定位精度。实验结果验证系统在诊断准确率、响应时间和误报率上的优越性,为10 kV配电网的故障诊断提供可靠的技术支持。

关键词： 自然语言处理   人工智能   群体智能   智能计算   模式识别   智能系统   因果推理   多智能体  

摘要： 2025年将特别关注大模型、人工智能、物联网、区块链、量子计算、大数据、隐私安全保护等技术的融合应用。本年度组稿包括但不仅限于以下方向:人工智能:大模型、多视图/多模态学习、统计学习、联邦学习、稳定学习、终身学习、跨模态内容生成、大数据智能、混合增强智能、群体智能、因果推理、类脑智能计算、量子智能计算、智能机器感知与模式识别、自然语言处理与理解、机器人与智能系统、多智能体协同、自主协同控制与优化决策、人工智能艺术创作。

关键词： 天然没药   胶质没药   气相色谱法   指纹图谱   化学模式识别  

摘要： 目的:建立天然没药和胶质没药的气相色谱法(GC)指纹图谱,并结合化学模式识别法评价不同产地天然没药和胶质没药的质量,为没药质量的全面评价提供科学依据。方法:采用GC建立肯尼亚和索马里15批天然没药和15批胶质没药的指纹图谱,结合相似度评价、聚类热图、主成分分析(PCA)和正交偏最小二乘法-判别分析(OPLS-DA)模式识别方法,对不同产地天然没药和胶质没药进行分析。结果:建立了15批天然没药和胶质没药的GC指纹图谱;15批天然没药共确定了13个共有峰,指纹图谱相似度为0.714~0.978,表明存在共有峰但共有峰峰面积存在明显差异;15批胶质没药共确定了11个共有峰,指纹图谱相似度均大于0.900;3种化学识别模式分析方法分别将天然没药和胶质没药按产地分为2类,表明不同产地的样品存在显著差异。结论:建立的GC指纹图谱分析方法简单可靠,精密度、重复性、稳定性良好。

关键词： 中药材   模式识别   自动   中药药材学   应用程序   人工智能   PyQt5   卷积神经网络  

摘要： 背景传统中药材检测手段依赖主观经验,难以满足中药材在准确分类与鉴别方面的需求。目的基于卷积神经网络(CNN)开发一款能够自动识别163种中药材的人工智能模型及电脑端应用程序。方法2020年1月—2024年6月,采集了两个中药材数据集进行深度学习模型的训练、验证和测试,共包含163种中药材。通过准确率、灵敏度、特异度、精确率、受试者工作特征(ROC)曲线下面积(AUC)、F1分数等指标来衡量CNN模型的性能。在模型训练完成后,基于PyQt5技术开发了一款应用程序,供临床便携使用。结果本研究共纳入了276767张图像,开发了EfficientNetB0、ResNet50、MobileNetV3、VGG19和ResNet185种模型,通过性能比较,EfficientNet_B0模型在验证集上取得了最高的准确率(99.0%)和AUC(0.9942),被选为最佳模型。在测试集上,最佳模型对所有中药类别识别的准确率为99.0%、灵敏度为99.0%、特异度为100.0%、AUC为1.0,展现出良好的性能。结论基于卷积神经网络开发的深度学习模型能够快速准确地识别163种中药材,借助其高灵敏度的识别能力,为医师对中药材的鉴别提供有力辅助。

关键词： 改进模式识别   BP神经网络算法   经验模态分解算法   齿轮箱声音异常   变压器故障  

摘要： 由于风电场设备种类繁多、运行环境复杂多变,通常无人值守,故障难以及时发现。传统巡检方法耗时长且识别准确性低,导致故障处理不及时,影响风电场稳定运行和发电效率。为此,文章针对无人值守风电场群组提出了基于改进模式识别的机器人集中巡检方案。对于风电场群组变压器故障、设备温度异常和齿轮箱声音异常情况,分别利用BP神经网络算法、模糊模式识别算法和经验模态分解算法对其展开巡检,并在某大型风力发电场中对所提方法进行测试。结果表明,所提方法可实现对风电场群组中各类故障的巡检,第一时间获取到故障信号,避免了安全事故的发生;识别准确率在92.3%以上,召回率与F1分数也优于对比方法,表明本文方法在识别故障样本方面更为全面,能够有效地进行故障检测。

关键词： 测斜机器人   物联网   变形模式   卷积神经网络   大坝边坡  

摘要： 针对大坝边坡深部位移监测的自动化需求,开发了一种基于物联网的钻孔测斜机器人系统,并创新性地结合一维卷积神经网络模型(1D CNN)实现边坡变形模式的智能预测。通过自主研发的硬件主控板,实现了测斜仪的自动化控制及数据的实时采集和传输。基于采集的深部位移数据,1D CNN模型自动提取曲线特征并进行分类,识别出多种变形模式(如变形稳定、剪切滑动等),从而对边坡变形趋势进行智能化预测,有效支持地质灾害预警。试验表明,测斜机器人在A、B向的测量精度分别达±0.82、±1.04 mm/30 m,且1D CNN模型在曲线分类上表现优异。该系统通过高精度监测与自动化分析,显著提升了大坝边坡的监测效率和预警水平,具备广泛应用的潜力。

关键词： 野菊花   高效液相色谱指纹图谱   质量评价   化学模式识别  

摘要： 目的:建立野菊花的高效液相色谱(HPLC)指纹图谱并同时结合化学模式识别,对不同产地、批次的野菊花质量进行评价研究。方法:使用Waters Symmery C18色谱柱(4.6 mm×250 mm,5μm),采用的流动相为乙腈-0.1%磷酸水溶液,进行梯度洗脱,流速选择0.6 mL·min^(-1),柱温为25℃,紫外检测波长为334 nm,进样量为10μL,结合多种化学模式识别方法对多批次野菊花进行整体质量评价。结果:15批野菊花药材指纹图谱共标定18个共有峰,相似度均>0.9,共指认蒙花苷、新绿原酸等11个共有峰。采用聚类分析(HCA)、主成分分析(PCA)和正交偏最小二乘法-判别分析(OPLS-DA)将15批野菊花分为3大类,标记出2个主成分,筛选出3个差异质量标志物,分别为异绿原酸A、异绿原酸C、蒙花苷,可作为控制野菊花药材质量的指标性成分。结论:成功建立的野菊花HPLC指纹图谱方法具备简便、准确、良好重复性和可靠性的特点,为野菊花药材及其制剂的质量控制和临床应用提供了可靠的参考依据。

关键词： 半导体光刻   图像处理   模式识别   处理技术  

摘要： 本文以半导体光刻为研究对象,重点探讨了图像处理技术与算法在实现纳米级特征图案化中的关键作用.针对小特征尺寸、高图案密度及工艺变异性等挑战,研究了亚分辨率辅助特征(SRAF)优化、反向光刻技术(ILT)以及人工智能等内容.通过引入模型校正、缺陷检测与实时优化技术,验证了这些算法在提高光刻精度、效率和稳定性方面的显著效果.研究结果表明,先进的图像处理技术和算法为半导体光刻工艺的持续创新提供了有力支持.