关键词： 交通运输系统工程   城市轨道交通   智能卡数据   时空序列   乘客出行模式   通勤出行  

摘要： 基于轨道交通智能卡数据,提出一种通过建模个体的时空序列识别出行模式的方法。首先,提取乘客个体访问的所有站点,以站间出行频次、站间距离和站点活动时长计算站点的相似性,利用层次聚类算法划分该个体的主要空间活动区域。其次,基于个体的出行次序推断时空序列,该序列为一组表征时空状态的离散值,依次采用PCA-KL和K-Means++提取相似性序列结构以识别乘客出行模式。最后,以西安某月的轨道交通智能卡数据为例,识别其乘客出行模式。结果表明,复杂的客流具有5种出行模式,其中3种典型模式宏观上属通勤出行,客流占比79%。可见,本文基于个体时空序列相似性的模式识别充分体现了研究方法的特殊性和通用性,针对不同城市操作性强。

关键词： Computer Science  

ISBN: (数字)9789811289132 ISBN: (纸本)9789811289118

摘要： The unique compendium covers a wide range of recent advanced contributions in Pattern Recognition and Artificial Intelligence, both in theoretical aspects and applications. It highlights the importance of Deep Learning in various domains, from acquisition to Decision Making. Written by world renowned contributors, this high-quality research works presents case studies that can potentially help them find approaches and resources to address their scientific problems. It is a useful reference text for professionals, researchers, academics and graduate students in the fields of artificial intelligence, machine learning and deep learning.

关键词： 生稻芽   高效液相色谱法   指纹图谱   多成分定量   聚类分析   主成分分析  

摘要： 目的 建立生稻芽HPLC指纹图谱，结合化学模式识别技术对其进行分析，并测定生稻芽中主要次生代谢成分5-羟甲基糠醛、原儿茶酸、香草酸、对香豆酸、阿魏酸的含量，为质量评价提供一定的科学依据。方法 采用Ultimate AQC18（250 mm×4.6 mm,5μm）色谱柱，以乙腈-0.3%磷酸溶液进行梯度洗脱，建立16批生稻芽的HPLC指纹图谱，通过中药色谱指纹图谱相似度评价系统，结合聚类分析和主成分分析对指纹图谱进行数据分析，同时测定5种有效成分含量。结果建立了16批次生稻芽HPLC指纹图谱,相似度均≥0.891，确定18个共有峰，指认出5个色谱峰，分别为3号峰5-羟甲基糠醛、4号峰原儿茶酸、10号峰香草酸、17号峰对香豆酸及18号峰阿魏酸；聚类分析和主成分分析结果一致，将16批样品分为4类。多成分定量分析方法学考察结果表明，5个指标成分在各自范围内的线性关系良好（R2≥0.9 993），加样回收率为99.12%～101.37%,RSD为0.02%～2.40%;16批生稻芽中5-羟甲基糠醛、原儿茶酸、香草酸、对香豆酸、阿魏酸的含量分别为0.36～3.57,1.42～23.36,6.60～39.37,33.02～72.33,29.72～72.59μg·g-1。结论 HPLC指纹图谱结合模式识别及多成分同时测定的方法快速、简便、重复性好，可为生稻芽的质量评价提供一定的理论参考。

关键词： LASSO   多维名义反应模型   题库新题的模式识别   多维纸笔测验   多维计算机化自适应测验  

摘要： 多维项目反应理论(MIRT)作为数理统计潜变量建模研究的一个分支,在国际测验研究领域具有重要地位。多维名义反应模型(MNRM)是MIRT中一种拟合多级评分题目的模型,用于开发具有分类数据的诊断型测验以实现对多维潜变量的测量。MNRM构建的纸笔或计算机化自适应测验是测验研究的热点之一;更新基于该模型的题库时函待解决新题的多维度自动识别问题,以确保参数估计、数据挖掘及诊断反馈的精度和安全性。本研究提出的基于LASSO的MNRM的测验新题模式识别方法简称LPRM-NR,能够对相应的纸笔测验及MCAT有效地解决新题的模式识别。本研究通过统计模拟考察LPRM-NR方法的模式识别效果,发现该方法在两类测验情境中,对能力参数不同维数及不同关联度的多种组合的最优识别准确率在77.18%至99.61%之间,模式识别效果良好且兼具易实施、低成本的优点。对纸笔测验情境进行的一项实证研究也表明提出方法的较好效果。LPRM-NR方法对基于MNRM的多维纸笔测验和新兴的MCAT,均具有很好的题库新增题目的模式识别效果,为分类测验的题目更新奠定了基础。

关键词： 分布式处理   信息处理方式   机器学习   模式识别   网络安全   生物神经系统   边缘计算   专题征文  

摘要： 神经形态器件与芯片是当前科技领域的一个热点研究方向,旨在模拟生物神经系统的信息处理方式,利用物理器件实现存储和计算的完美融合。事件驱动型的神经形态计算架构可实现异步和分布式处理、事件编码、可塑性学习以及高性能。高效的能效使其有望用于智能化高效的边缘计算设备、复杂模式识别、机器学习以及网络安全、入侵检测等领域。

关键词： 模式识别   人工智能   AI技术   课程教学改革   专用化   教学质量   暴露的问题   教学过程中  

摘要： 在AI(人工智能)技术的浪潮下,“模式识别”课程教学改革势在必行。针对当前教学过程中暴露的问题,本文探讨了AI背景下的“模式识别”课程教学改革措施,旨在确保“模式识别”课程的教学质量,提升学生的综合能力。1“模式识别”课程教学背景,AI技术经历了从小模型时代到大模型时代,从专用化到通用化的发展历程。

关键词： 互补集合经验模态分解   多尺度排列熵   栈式降噪自编码   局部放电   特征提取   模式识别  

摘要： 针对变压器局部放电故障信息提取困难以及局部放电类型识别准确率低等问题,提出一种基于CEEMD-MPE与SDAE相结合的局部放电模式识别算法。对局部放电原始信号进行CEEMD分解,得到多个固有模态分量(IMF),根据相关系数筛选出系数最大的IMF作为最优分量,计算其不同尺度下的排列熵值;将有效排列熵值作为特征数据集输入到SDAE中进行无监督学习训练;利用Softmax分类器输出放电类型。实验结果表明,该算法识别精准率为98%,召回率为96.67%,F1得分为97.17%,能够快速、准确地识别局部放电类型。

关键词： 峭度干扰   卷积神经网络   小波阈值去噪   局部放电   双树复小波变换   电缆缺陷  

摘要： 电缆不同类型缺陷引发的放电故障受信号偏斜度、峭度的影响,造成电缆的局部放电信号模式识别效果较差。为此,在信号峭度不定干扰下,提出基于卷积神经网络的电缆局部放电模式识别方法。采用小波阈值去噪方法预处理电缆局部放电信号。运用双树复小波变换提取局部放电信号特征。通过提取偏斜度和峭度刻画信号的分布特征,可以解决信号峭度不定干扰问题。采用卷积神经网络训练提取的特征,并将该特征作为分类器完成电缆局部放电模式识别。试验结果表明,该方法的识别准确率高于95%、识别时间低于5.4 s。该方法应用后具有较好的电缆局部放电模式识别性能。

关键词： 城市人群移动模式   公共交通大数据   重庆市中心城区  

摘要： 揭示城市人群移动模式对理解人群移动行为、优化城市空间结构和解决交通问题具有重要意义。针对传统问卷方式存在数据量少、准确性差、实时性不足等问题,该文融合公交刷卡、公交GPS、公交线路和轨道交通刷卡数据,提出一种数据驱动的城市人群移动模式识别方法。首先,对多源公交数据进行匹配融合,提取公交、地铁联运的城市人群移动OD,再进行稳定居住地和稳定工作地识别,最后以稳定职住地匹配判别出行语义,识别居民通勤、购物、聚餐等社会活动出行模式。利用重庆市中心城区连续1周的公交数据进行验证,实验结果显示:①重庆市中心城区人群出行主要集中在工作日,且出行人数随出行频率的增加而降低;②79.34%的人群出行呈现“两点一线”移动模式,呈现三点、四点和多点移动模式的人群出行占比分别为13.03%、5.99%和1.64%。该文方法可以更全面精细地识别城市人群移动模式,有助于城市管理者、规划者了解城市人群移动方向,优化城市资源配置。

关键词： 人工智能   网络安全   数据处理能力   用户隐私保护   模式识别   隐私泄露   安全威胁   技术依赖  

摘要： 人工智能(AI)技术凭借其高效的数据处理能力和复杂模式识别功能,逐渐成为加强网络安全防护的关键技术。人工智能可以自动化地检测和响应安全威胁,极大地提高了安全防护的实时性和精确性。然而,随着人工智能在网络安全中的应用,隐私泄露、技术依赖和实施复杂性等问题也随之浮现。因此,本文对人工智能在网络安全中的应用展开了深入探讨,期望能够推动人工智能在网络安全领域的健康发展,确保技术进步与用户隐私保护之间的平衡。