关键词： DAS   分类器   模式识别   事件定位  

摘要： 【目的】为解决分布式光纤振动传感系统中目标事件模式识别率低、事件源定位准确性弱等问题。【方法】文章提出了基于相邻传感单元的分类器置信度分布联合分析方法，利用分布式声学传感系统（DAS）技术的光纤分布式特点，联立分布式光纤上多个相邻传感单元对外界目标信号数据进行分析，将每个传感单位所探测到外界振动信号数据送入到支持向量机（SVM）分类器进行计算，得到各个传感单元对应的预测事件置信度值。【结果】在事件模式识别端，根据各个传感单元对应的预测事件置信度值分布，结合反向传播（BP）神经网络实现目标事件的模式分类；在事件源定位端，提出了一种基于事件置信度空间距离定位算法，根据事件置信度空间距离加权公式对相邻传感单元对应的事件置信度空间分布进行计算，实现外界事件的定位。【结论】对该算法进行了相应的实验测试，测试结果表明该算法对外界四类扰动事件平均识别准确率高达94.85%，且事件源的定位精度高于90%以上。

关键词： 时序数据   自适应压缩   模式识别   门控循环单元   特征提取  

摘要： 面对复杂多样的时序数据模式，单一的压缩算法难以保持高压缩比，亟需根据不同数据模式选择合适的压缩算法。针对现有自适应压缩方案在确定最佳压缩算法时准确性较低的问题，提出一种融合时序依赖性与数据特征的自适应无损分段压缩方法ALSC-TDF。该方法对时序数据进行分段压缩，并根据各段模式选择最合适的压缩算法。ALSC-TDF将压缩算法选择问题转化为时间序列分类任务，利用门控循环单元捕捉时序依赖性，并考量了与数据压缩比密切相关的压缩效率特征，包括基本统计特征、排列和变化特征以及压缩程度特征。通过改进的门控循环单元-全卷积网络融合分析时序依赖性和数据特征，以提高分类准确性和稳健性，进而提升整体数据的压缩比。最后，利用多种数据集验证了ALSC-TDF的有效性与优势，其在分类准确率和F1分数方面均优于对比模型，准确率达到88.86%。同时，ALSC-TDF的压缩比显著超越现有压缩算法，其总压缩比相较Elf算法提升15.62%。实验结果表明，综合分析时间序列的数据特征及其时序依赖性，可有效提高自适应压缩算法选择的准确性和稳健性，从而实现更高的压缩比。

关键词： 人工神经网络   色谱分析   保留值预测   谱图分析   模式识别  

摘要： 综述了人工神经网络在色谱分析中的应用。介绍了人工神经网络基本原理和优势,以及几种在色谱分析中应用较广的人工神经网络,总结了人工神经网络在预测色谱保留值、分析色谱图和化学模式识别等方面的应用。在预测色谱保留值中,人工神经网络能精准预测色谱保留时间和保留指数,具有高精确度和高准确度;在色谱图分析中,人工神经网络能处理色谱峰,包括分离分析重叠峰,检测和积分峰值等,处理能力强,准确度较高;在化学模式识别中,人工神经网络能识别、分类和鉴定目标物,具有高效性、无损性。持续优化人工神经网络、加深对深度神经网络的研究与应用是未来人工神经网络发展趋势。

关键词： 电力用户负荷模式识别   机器学习   同态加密   多方安全计算  

摘要： 本文针对电力用户负荷模式识别系统的研究与设计展开探讨。首先,阐述了该领域的背景和研究意义,概括了相关研究现状;其次提出了基于机器学习算法的用户负荷模式识别方法。接下来,设计了相应的实验,并对实验结果进行了深入分析;最后,展望了未来研究方向,包括深度学习在用户负荷模式识别中的应用,以及多源数据融合技术在该领域的研究。同时,本文还介绍了基于同态加密的多方安全计算模型,为电力用户数据隐私保护提供了解决方案。整体来看,本文为电力用户负荷模式识别系统的研究与设计提供了全面的理论基础和实践探索。

关键词： 表面肌电信号   模式识别   康复运动   卷积神经网络  

摘要： 选取上肢肱桡肌、尺侧弯曲肌、肱肌、肱二头肌、三角肌作为采集对象,使用干电极片以及数据采集卡采集表面肌电信号(sEMG)。将采集到的表面肌电信号进行预处理,提取时域特征、频域特征以及信息熵特征,将提取的特征用于卷积神经网络模型的训练,再抽取特征值部分样本作为验证集合进行交叉验证。实验结果表明,融合信息熵作为特征样本训练准确率高达91%,明显高于单一特征样本以及融合时频域特征样本。

关键词： 紫苏叶   指纹图谱   聚类分析   主成分分析   偏最小二乘法判别分析   野黄芩苷   迷迭香酸  

摘要： 目的对不同产地的紫苏Perilla frutescens叶进行研究,建立紫苏叶的指纹图谱并测定野黄芩苷、迷迭香酸含量,为紫苏叶的质量控制提供参考。方法收集9个产地共36批紫苏叶药材,以乙腈-0.2%甲酸溶液为流动相,建立紫苏叶中野黄芩苷、迷迭香酸的HPLC含量测定方法,对36批紫苏叶进行含量测定,同时建立紫苏叶指纹图谱并进行相似度评价;采用微科盟生科云、SIMCA 14.1等工具进行聚类分析(cluster analysis,CA)、主成分分析(principal component analysis,PCA)、偏最小二乘法判别分析(partial least squares discriminant analysis,PLS-DA)。结果以野黄芩苷为参照峰建立了紫苏叶的指纹图谱,共标定了9个共有峰。36批紫苏叶与对照图谱相比较,相似度均大于0.900,聚类分析可将同一产地样品聚为一类;样品的9个共有峰变量投影重要性(VIP)值显示,其中7个成分可作为评价紫苏叶差异的指标。样品中野黄芩苷、迷迭香酸的含量测定方法学验证结果良好,36批紫苏叶中野黄芩苷、迷迭香酸质量分数分别为1.911%~4.968%、2.278%~10.257%,不同产地的样品含量差异较大。结论建立的指纹图谱和含量测定方法稳定性较高,分离度良好,含量测定结果结合指纹图谱化学模式识别分析结果表明不同产地的紫苏叶中主要成分差异较明显,可为紫苏叶的质量评价提供依据。

关键词： 声发射故障检测   局部放电分类   光纤声发射   模式识别  

摘要： 局部放电(PD)是电气设备绝缘退化的主要原因,相较于传统的检测方法,光纤声发射检测技术具有不影响设备运行方式、抗电磁干扰能力强等优点。设计并制作了尖端放电、气泡放电、悬浮放电和沿面放电4种典型局部放电模型,搭建了基于光纤声发射的局部放电声发射信号采集试验平台,采集了梯度施加电压下的局部放电声发射信号并对其进行了参量统计分析,提出了将去噪后信号时频图作为卷积神经网络特征输入的识别模型。试验结果表明,该识别模型对于淹没在噪声中的微弱局部放电信号具有良好的识别效果,识别准确率可达98%。

关键词： 土壤   重金属   支持向量机   模式识别   快速检测  

摘要： 土壤重金属的现场快速准确检测是实现土壤重金属污染防治的关键,便携式X射线荧光光谱仪可实现土壤中典型重金属的现场无损快速检测,且具有操作简单和无需消解处理的优势。基于该设备的X射线荧光光谱重金属分析方法受土壤基体效应影响严重,导致其检测准确度受限,需通过基体相似的标准样品进行校正,故将基于模式识别的基体成分分类方法和标准曲线法相结合,实现对土壤中典型重金属的精准分析。以我国砖红壤、水稻土、黑土、潮土、黄棕壤和黄红壤等6种典型土壤的X射线荧光光谱和重金属含量为数据集,采用5点3次窗口平滑、最大最小值归一化方法和主成分分析(PCA)对光谱数据进行处理,以PCA降维后的前5个主成分作为输入特征变量,土壤类别为标签,建立基于径向基函数(RBF)的支持向量机(SVM)模式识别模型,实现基体成分的相似性分类,模型的超参数优化采用角蜥蜴优化算法,优化后的核参数g为0.0381,惩罚因子c为7.8529,此时5折交叉验证正确率为100%。定量方法为标准曲线法,6类土壤中Cr的相关系数为0.9947~0.9993,Ni的相关系数为0.9868~0.9994,Cu的相关系数为0.9929~0.9999,Zn的相关系数为0.9841~0.9998,Pb的相关系数为0.9877~0.9996,As&Pb的相关系数为0.9613~0.9995,在同一基体下,重金属线性关系较佳。采用建立RBF-SVM模式识别模型对预测集24个样品进行预测,预测结果表明6类土壤的分类正确率为100%,未出现错误分类。根据分类结果,选择对应的标准曲线进行定量分析。结果表明Cr、Ni、Cu、Zn、Pb和As的预测平均相对误差分别为2.24%、3.66%、2.72%、2.15%、2.13%和5.55%,均低于6%。说明RBF-SVM模型结合标准曲线法对土壤中典型重金属的快速检测具有很好的适用性,有望用于实际土壤典型重金属的快速定量分析与检测。

关键词： 中国自动化学会   模式识别   人工智能学科   智能计算机   智能机械   工程技术人员   中国科学院   学术刊物  

摘要： 《模式识别与人工智能》是中国自动化学会、国家智能计算机研究开发中心和中国科学院合肥智能机械研究所共同主办的学术刊物。本刊面向国内外各高等院校、研究机构和企业的科研人员、教师、工程技术人员及研究生和高年级大学生。办刊宗旨:模式识别、人工智能学科是信息科学与技术的重要组成部分,本刊发表与此有关的最新研究成果与进展,旨在推动信息科学技术的发展。

关键词： 高温大曲   白酒   红外光谱   近红外光谱   类黑素   偏最小二乘  

摘要： 为准确识别酱香型高温大曲类型,对30个出仓曲检测了中红外光谱,在主成分分析中,3类大曲(黑曲、黄曲、白曲)呈现出各自聚类的趋势;进一步建立了偏最小二乘偏最小二乘判别(PLS-DA)模式识别方法,模型R2Y为0.956,Q^(2)为0.906,可有效判别不同质量大曲类型,为生产投料配比提供数据依据。为快速定量高温大曲中类黑素,对发酵过程高温大曲建立了基于近红外光谱技术的类黑素定量模型,以60个样品建立模型,光谱经多元散射校正(MSC)结合一阶导数处理,在10 000~4 000 cm^(-1)范围,主成分数为8时,偏最小二乘(PLS)模型效果最优,校正集决定系数R_(Val)^(2)为0.987 7,校正均方根误差(RMSEC)为0.169 6,验证集决定系数R_(Val)^(2)为0.900 7,交叉验证均方根误差(RMSECV)为0.491 1;以15个样品做外部预测以验证模型可靠性,预测均方根误差(RMSEP)为0.460 6,标准偏差与预测标准偏差比值(RPD)为2.63,且与参考方法之间无显著性差异(P=0.772),可较好地预测未知大曲中类黑素含量。该方法操作简便,检测分析时间仅为10~15 min,效率比传统方法提高至少8倍。