关键词： 模式识别   鲁棒距离度量   自适应加权   水下光学图像   2维主成分分析  

摘要： 受观测条件和采集场景等因素影响,水下光学图像通常呈现出高维小样本特性且易伴随着噪声信息干扰,导致许多降维方法对其识别过程中的鲁棒表现力不足。为解决上述问题,该文提出一种新颖的双灵活度量自适应加权2维主成分分析方法(DFMAW-2DPCA)应用于水下图像识别。该方法不仅在建立重构误差和方差之间双层关系中同时使用了灵活的鲁棒距离度量机制,而且能够根据每个样本实际状态自适应学习到与之相匹配的权重,有效增强了模型在水下噪声干扰环境下的鲁棒性并实现识别精度的提升。与此同时,该文设计了一个快速非贪婪算法用于最优解的获取,其具有良好的收敛性。通过3个水下图像数据库中进行大量实验的结果表明,DFMAW-2DPCA在同类方法中具有更为杰出的整体性能。

关键词： 森登-4   高效液相色谱法   指纹图谱   化学模式识别   质量评价  

摘要： 目的:建立森登-4高效液相色谱指纹图谱,结合化学模式识别分析比较不同批次样品的质量差异,为其质量评价提供依据。方法:采用Agilent Eclipse XDB-C_(18)(4.6 mm×250 mm,5μm)色谱柱,流动相为甲醇(A)-0.2%磷酸水(B),梯度洗脱,流速1 mL·min^(–1),柱温35℃,进样量10μL,检测波长254 nm,采用《中药色谱指纹图谱相似度评价系统(2012版)》对17批森登-4进行相似度评价;采用微生信平台进行聚类分析(CA),采用SIMCA 14.1软件进行主成分分析(PCA)和正交偏最小二乘判别分析(OPLS-DA),并以变量重要性投影(VIP)值大于1.0为标准,筛选差异性成分,采用Graph Pad Prism 8.0软件对差异成分进行方差分析。结果:17批森登-4指纹图谱共有24个共有峰,相似度均≥0.992,指认了9个共有峰,分别为没食子酸(2号峰)、京尼平苷酸(4号峰)、二氢杨梅素(11号峰)、栀子苷(12号峰)、柯里拉京(13号峰)、诃子酸(18号峰)、鞣花酸(20号峰)、杨梅素(21号峰)、西红花苷Ⅰ(22号峰);CA和PCA将17批森登-4聚为2大类:S1、S3~S14、S16聚为一类,S2、S15、S17聚为一类,OPLS-DA模式下筛选出10个潜在差异标志物,且均具有显著性差异(P<0.01)。结论:建立了森登-4指纹图谱,结合化学模式识别可用于森登-4整体质量评价,柯里拉京等10个成分可能是影响森登-4质量的潜在差异标志物。

关键词： 海上压力容器   损伤检测   损伤预防  

摘要： 在海洋开发、石油化工、天然气等行业中,压力容器是必不可少的设备。然而,这些设备在海洋环境中面临着巨大的挑战,由于海洋环境的特殊性,压力容器的损伤问题变得更加复杂。当前海上压力容器损伤检测还存在一些问题,本文通过对海上压力容器损伤问题及现状进行分析,提出一些参考建议。

关键词： 超高效液相色谱串联质谱法   阿胶   氨基酸   质量控制   指标性成分   化学模式识别  

摘要： 目的建立阿胶中20种氨基酸的含量测定方法及不同产地阿胶的化学模式识别分析法。方法采用超高效液相色谱串联质谱(UPLC-MS/MS)法测定阿胶中氨基酸含量,分析柱为Waters BEHC_(18)柱(50 mm×2.1 mm,1.7μm),流动相为0.1%甲酸乙腈-0.1%甲酸水溶液(5∶95,V/V),流速为0.35 mL/min,柱温为45℃,进样体积为5μL;采用电喷雾离子源(ESI),正离子模式下多反应监测(MRM)。采用层次聚类分析(HCA)法、主成分分析(PCA)法和正交偏最小二乘-判别分析(OPLS-DA)法分析测定结果。结果20种成分在相应质量浓度范围内与峰面积线性关系良好,检测限为0.002~0.075μg/mL,定量限为0.004~0.134μg/mL;精密度、稳定性、重复性试验的RSD均不超过4.70%,平均加样回收率为93.20%~107.80%,RSD为0.80%~3.90%。HCA法及PCA法均可将18个产地的药材样品分为2类;OPLS-DA法筛选出指标性成分异亮氨酸、丙氨酸、谷氨酰胺、天冬氨酸、谷氨酸、脯氨酸、精氨酸。结论所建方法可用于阿胶中氨基酸类成分的含量测定,筛选的7种成分可作为区分不同厂家阿胶的潜在指标。

关键词： 大数据技术   智能电表   分布式系统   模式识别  

摘要： 阐述大数据技术在电力系统控制中的应用,包括对智能电表和传感器、分布式文件系统和数据库、实时数据处理、预测分析和模式识别,以及人工智能和机器学习关键技术的应用分析。

关键词： 数字序号   汉字信息处理   字序   数字模式   模式识别   汉字笔画   计算机  

摘要： 现发现汉字笔画形状具有依次递增的特征,并创建了易记、简明的数字模式。任选一个汉字(按国家笔顺标准)排列其全部的笔画,在每个笔画上注记相应的标号,串联这些标号就是该字的数字序号。以此类推,可知每个汉字的序号以及所有汉字的先后顺序。此法的目的是出版一种直接从(字典)正文边翻页边寻找“目标字”的汉字字典。创建笔画数字模式、更新汉字字序,能为计算机的模式识别、汉字信息处理提供新路径。

关键词： 专业学位研究生   模式识别   案例教学   文献阅读   教学改革  

摘要： “模式识别”课程教学存在“教”与“学”的困难,使得课程教学目标不足以支撑专业学位研究生培养目标的达成。为此,从教学内容、教学模式和考核机制等方面着手,构建了基于文献阅读、内容复现、案例实现、案例报告分享的“模式识别”课程教学改革模式,开展学生课内、课外多方面能力培养的教学改革和实践。实践证明,该教学模式能有效地提高研究生的工科思维和解决复杂工程问题的能力,为全面支撑电子信息专业硕士研究生培养目标达成提供支持。

关键词： 混合神经网络   变压器故障   故障检修   故障识别   聚类分析  

摘要： 为了保证电力变压器安全运行、准确判断故障检修模式,研究一种基于混合神经网络算法的故障检修模式识别方法。将混合神经网络与传感模块相连,联合径向基函数,分析样本数据集合间线性映射关系,求解混合神经网络中隐含层中心与输出层的权重值。初始化分类故障数据,使用最近距离聚类方法,获得同密度下节点路径。用等比例特征量分析电力变压器产生的不同特征气体,分类成不同级别,明确电力变压器故障数据的传播方向,独立训练、归一化处理原始故障数据。根据特征矩阵输出非线性矢量,输出层输出故障模式的后验概率,完成电力变压器故障检修模式识别。实验结果表明,所提方法识别准确率高,迭代效率快,识别效果好,为电力变压器故障检修策略决策提供了新思路。

关键词： 深度学习   曲线模式识别   卷积神经网络   时间序列分析   工业自动化  

摘要： 探讨深度学习技术在工业生产曲线模式识别中的应用及突破,分析传统方法局限,介绍 CNN 和 RNN 在特征提取与时间序列分析中的应用,展示其在复杂曲线识别的优势。结合华为、宝钢案例,阐述深度学习在智能制造精准检测与故障预测的应用,提出多维度曲线深度学习模型创新及对工业智能化、自动化的作用,展望深度学习推动工业智能制造发展的前景。

关键词： 中共党员   中国科协   自动化学会   人工智能学会   通信工程学院   领军   模式识别   科学传播  

摘要： 负责人介绍:刘富,男,汉族,中共党员,“吉林省模式识别与智能化机器人工程研究中心”负责人。中国科协第六届全国首席科学传播专家(模式识别与智能系统方向),吉林省首批学科领军教授(模式识别与智能系统学科),吉林省师德先进个人,中国科协全民素质先进个人。吉林省科协先进个人,吉林省人工智能学会理事长、吉林省自动化学会理事长,2008年-2017年任吉林大学通信工程学院副院长。